MATCHED：面向伴游广告数据中打击人口贩卖的多模态作者归属

人口贩卖（HT）仍然是一个严峻的问题，贩卖者越来越多地利用在线伴游广告匿名宣传受害者。包括作者归属（AA）在内的现有检测方法通常以文本分析为中心，而忽略了在线伴游广告的多模态特性，这些广告通常将文本与图像配对。为填补这一空白，我们引入了 MATCHED，这是一个包含 27,619 个唯一文本描述和 55,115 张唯一图像的多模态数据集，这些数据采集自四个地理区域七座美国城市的 Backpage 伴游平台。我们的研究广泛地对仅文本、仅视觉和多模态基线在供应商识别与验证任务上进行了基准测试，采用多任务（联合）训练目标，在分布内和分布外（OOD）数据集上实现了卓越的分类与检索性能。融合多模态特征进一步提升了该性能，捕捉了跨文本与图像的互补模式。尽管文本仍为主导模态，但视觉数据添加了丰富模型性能的风格线索。此外，由于伴游广告各模态之间语义重叠度低且联系模糊，CLIP 和 BLIP2 等文本-图像对齐策略表现不佳，而端到端多模态训练被证明更为鲁棒。我们的发现强调了多模态 AA（MAA）打击 HT 的潜力，为执法机构（LEA）提供了关联广告并瓦解贩卖网络的鲁棒工具。