TripletViNet：缓解跨平台虚假信息视频扩散
密码学与安全
2024-07-16 v1
摘要
近年来，许多平台上假新闻和虚假信息视频的传播量剧增，内容审核面临诸多挑战。最近的研究表明，可通过识别加密网络流量中的视频标题来识别单个平台（如YouTube或Facebook）内的视频，但目前尚无针对跨平台视频识别的方法。现有方法在单平台内进行加密视频流分类（即仅通过训练于同一平台视频流痕迹来对该平台上视频标题进行分类）存在显著局限，由于用户可将有害内容上传至大量视频平台。为此，我们对通过仅使用一个平台的视频流痕迹来跨多个平台识别视频的挑战进行可行性分析，并提出TripletViNet框架，包括i）平台级预处理，ii）采用三元组学习训练的编码器以提高准确率，iii）用于对视频标题进行多类分类的分类器。为评估TripletViNet性能，收集并使用包含来自YouTube、X、Instagram、Facebook、Rumble和Tumblr等六大平台上100个视频的流量痕迹数据集进行测试，分别在封闭集和开放集场景中进行测试。TripletViNet因视频流与视频VBR之间的相关性，实现了显著提升，部分场景下的最终准确率超过90%。
引用
@article{arxiv.2407.10644,
title = {TripletViNet: Mitigating Misinformation Video Spread Across Platforms},
author = {Petar Smolovic and Thilini Dahanayaka and Kanchana Thilakarathna},
journal= {arXiv preprint arXiv:2407.10644},
year = {2024}
}
备注
This paper has already been published in ACM SCID '24