...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE internet computing >Approaches for Fake Content Detection: Strengths and Weaknesses to Adversarial Attacks
【24h】

Approaches for Fake Content Detection: Strengths and Weaknesses to Adversarial Attacks

机译：假内容检测方法：对抗对抗攻击的优势和缺点

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the last few years, we have witnessed an explosive growth of fake content on the Internet which has significantly affected the veracity of information on many social platforms. Much of this disruption has been caused by the proliferation of advanced machine and deep learning methods. In turn, social platforms have been using the same technological methods in order to detect fake content. However, there is understanding of the strengths and weaknesses of these detection methods. In this article, we describe examples of machine and deep learning approaches that can be used to detect different types of fake content. We also discuss the characteristics and the potential for adversarial attacks on these methods that could reduce the accuracy of fake content detection. Finally, we identify and discuss some future research challenges in this area.
机译：在过去的几年里，我们目睹了互联网上的假期内容的爆炸性增长，这极大地影响了许多社交平台上的信息的真实性。 这种中断的大部分是由先进机器和深度学习方法的扩散引起的。 反过来，社交平台一直在使用相同的技术方法来检测假内容。 然而，有理解这些检测方法的优点和缺点。 在本文中，我们描述了可用于检测不同类型的假内容的机器和深度学习方法的示例。 我们还讨论了对这些方法的对抗性攻击的特征和可能性，这可以降低假内容检测的准确性。 最后，我们识别并讨论了这一领域的一些未来研究挑战。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号