中文

针对自动化 fact-checking 的对抗攻击:综述

计算与语言 2025-09-11 v1 人工智能 密码学与安全

摘要

在信息碎片化时代,虚假信息的自由传播是一个亟待解决的问题。事实核查(fact-checking, FC)在验证主张并促进可靠信息传播方面发挥着关键作用。尽管自动化事实核查(automated fact-checking, AFC)取得了显著进展,但现有系统仍然容易受到对化学攻击的威胁,这些攻击会操纵或生成主张、证据或主张-证据对。这些攻击可能扭曲事实、误导决策者,最终削弱事实核查模型的可靠性。尽管针对 AFC 系统的对抗攻击研究引起了日益关注的interest,但关于关键挑战的全面、整体概述仍然缺乏。这些挑战包括理解攻击策略、评估当前模型的韧性,以及识别增强韧性的方法。本综述提供了首次针对事实核查攻击的深入综述,将现有攻击方法归类并评估其对 AFC 系统的影响。此外,我们还审查了最近在对抗意识防御方面的进展,并概述了需要进一步探索的开放研究问题。我们的发现强调,为保持高验证准确率,迫切需要能够抵御对抗操纵的韧性事实核查框架。

关键词

引用

@article{arxiv.2509.08463,
  title  = {Adversarial Attacks Against Automated Fact-Checking: A Survey},
  author = {Fanzhen Liu and Alsharif Abuadbba and Kristen Moore and Surya Nepal and Cecile Paris and Jia Wu and Jian Yang and Quan Z. Sheng},
  journal= {arXiv preprint arXiv:2509.08463},
  year   = {2025}
}

备注

Accepted to the Main Conference of EMNLP 2025. Resources are available at https://github.com/FanzhenLiu/Awesome-Automated-Fact-Checking-Attacks