E-FreeM2: 基于 MLLM 的免训练多尺度与跨模态新闻验证
多媒体
2025-06-27 v1 密码学与安全
摘要
错误信息在移动和无线网络中的快速传播带来了严峻的安全挑战。本研究提出了一种免训练、基于检索的多模态事实验证系统，利用预训练视觉语言模型和大型语言模型进行可信度评估。通过动态检索与交叉比对可信数据源，该方法缓解了传统基于训练的模型的脆弱性，如对抗攻击和数据投毒。此外，其轻量化设计使其能够无缝集成至边缘设备，而无需大量的设备端处理。在两个事实核查基准上的实验取得了 SOTA 结果，证实了其在错误信息检测中的有效性以及对各种攻击向量的鲁棒性，突显了其增强移动与无线通信环境安全的潜力。
引用
@article{arxiv.2506.20944,
title = {E-FreeM2: Efficient Training-Free Multi-Scale and Cross-Modal News Verification via MLLMs},
author = {Van-Hoang Phan and Long-Khanh Pham and Dang Vu and Anh-Duy Tran and Minh-Son Dao},
journal= {arXiv preprint arXiv:2506.20944},
year = {2025}
}
备注
Accepted to AsiaCCS 2025 @ SCID