近日，奇富科技論文《SFE-Net：利用基因選擇性表達的生物學原理改進深度學習網絡中的特征選擇》（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、也是最全麵的信號處理及其應用方麵的頂級學術會議，具有權威、廣泛的學界及工業界影響力，備受AI領域研究學者關注）接收。奇富科技智能語音團隊受生物係統中差異基因表達的啟發，將選擇性特征表達原理引入深度學習架構，提出了一種創新的特征選擇性表達網絡（Selective Feature Expression Network：SFE-Net）。SFE-Net聚焦於多模態技術在DeepFake（深度偽造）檢測中的應用，這一技術有望應用於奇富科技的反欺詐和反黑灰產工作，進一步提升對用戶的保護能力。

隨著人工智能生成式模型的普及和發展，深度偽造技術日益複雜，應用門檻階梯式降低，對社會的信任體係、個人隱私和信息真實性造成了嚴重威脅。傳統的機器學習模型通常依賴於靜態特征表示，難以適應不同的合成方法。在研究過程中，奇富科技智能語音團隊深度分析不同Deepfake算法理論，如FaceSwap、Face2Face等，推導出針對性的深度特征表征。同時SFE-Net能夠根據輸入的深度偽造特征動態調整特征優先級，選擇性地增強關鍵特征，減少無關或誤導性線索的影響，從而有效提高檢測準確率。

論文結果表明，SFE-Net超越了目前所有靜態模型，同時SFE-Net在跨數據集場景中展現出更強的泛化能力，它在所有測試數據集中平均AUC（AUC越接近1.0，檢測準確率越高）也將之前SOTA的0.767大幅提升至0.795。這進一步證明了SFE-Net在綜合利用多維特征提取技術進行偽造檢測的獨特優勢，為深度偽造檢測任務提供了高效可靠的解決方案。

當前，黑灰產業利用深度偽造技術在社交媒體等平台散布虛假內容，擾亂市場秩序，傳統檢測方法對此力不從心，高效的跨平台偽造檢測與整治迫在眉睫。奇富科技研發的 SFE-Net 具備強大普適檢測能力，它通過動態調整特征選擇策略融合多種特征精準識別深度偽造內容，在跨數據集場景下泛化能力出色，能適應不同平台與多種偽造技術，在多數據集測試中準確率高，可為平台監管和執法部門提供技術支持，助力清理屏蔽虛假信息與精準取證，打擊黑灰產業源頭，對維護數字內容生態健康意義重大。

奇富科技始終利用先進技術保護用戶權益，SFE-Net的成果體現其在多模態安全技術領域的探索，將其應用於反欺詐和反黑灰產場景，有望提升檢測能力，阻止詐騙活動，為用戶營造安全數字環境。未來，奇富科技也會持續關注人工智能技術發展，創新應用以應對數字威脅，為保護用戶權益和數字社會穩定貢獻力量。