奇富科技论文被语音与信号处理顶会ICASSP2025接收，多模态深伪对抗技术再突破

　　近日，奇富科技论文《SFE-Net：利用基因选择性表达的生物学原理改进深度学习网络中的特征选择》（SFE-Net： Harnessing Biological Principles of Differential Gene Expression for Improved Feature Selection in Deep Learning Networks）被ICASSP 2025（ICASSP是全世界最大的、也是最全面的信号处理及其应用方面的顶级学术会议，具有权威、广泛的学界及工业界影响力，备受AI领域研究学者关注）接收。奇富科技智能语音团队受生物系统中差异基因表达的启发，将选择性特征表达原理引入深度学习架构，提出了一种创新的特征选择性表达网络（Selective Feature Expression Network：SFE-Net）。SFE-Net聚焦于多模态技术在DeepFake（深度伪造）检测中的应用，这一技术有望应用于奇富科技的反欺诈和反黑灰产工作，进一步提升对用户的保护能力。

　　随着人工智能生成式模型的普及和发展，深度伪造技术日益复杂，应用门槛阶梯式降低，对社会的信任体系、个人隐私和信息真实性造成了严重威胁。传统的机器学习模型通常依赖于静态特征表示，难以适应不同的合成方法。在研究过程中，奇富科技智能语音团队深度分析不同Deepfake算法理论，如FaceSwap、Face2Face等，推导出针对性的深度特征表征。同时SFE-Net能够根据输入的深度伪造特征动态调整特征优先级，选择性地增强关键特征，减少无关或误导性线索的影响，从而有效提高检测准确率。

　　论文结果表明，SFE-Net超越了目前所有静态模型，同时SFE-Net在跨数据集场景中展现出更强的泛化能力，它在所有测试数据集中平均AUC（AUC越接近1.0，检测准确率越高）也将之前SOTA的0.767大幅提升至0.795。这进一步证明了SFE-Net在综合利用多维特征提取技术进行伪造检测的独特优势，为深度伪造检测任务提供了高效可靠的解决方案。

　　当前，黑灰产业利用深度伪造技术在社交媒体等平台散布虚假内容，扰乱市场秩序，传统检测方法对此力不从心，高效的跨平台伪造检测与整治迫在眉睫。奇富科技研发的 SFE-Net 具备强大普适检测能力，它通过动态调整特征选择策略融合多种特征精准识别深度伪造内容，在跨数据集场景下泛化能力出色，能适应不同平台与多种伪造技术，在多数据集测试中准确率高，可为平台监管和执法部门提供技术支持，助力清理屏蔽虚假信息与精准取证，打击黑灰产业源头，对维护数字内容生态健康意义重大。