数字取证中的仇恨与威胁检测：基于案例驱动的多模态方法

数字取证调查越来越依赖于包含图像、扫描文档和上下文报告等异构证据。这些载体可能包含明确或隐含的伤害、仇恨、威胁、暴力或恐吓表达，而现有的自动方法往往假设干净的文本输入或在没有取证依据的情况下直接应用视觉模型。本文提出了一种用于取证分析中仇恨与威胁检测的案例驱动多模态方法。该框架显式确定文本证据的存在与来源，区分嵌入文本、关联上下文文本和仅图像证据。根据识别出的证据配置，框架有选择地应用文本分析、多模态融合或仅图像语义推理，使用带有视觉转换器（ViT） backbone 的视觉语言模型。通过对证据可用性进行推理条件化，方法模拟取证决策，提高了证据可追溯性，避免了不合理的模态假设。实验评估在基于取证风格图像证据上表现出在异构证据场景中保持一致且可解释的行为。