奇富科技论文被语音与信号处理顶会ICASSP2025接收，多模态深伪对抗技术再突破

主要观点总结

奇富科技的论文《SFE-Net：利用基因选择性表达的生物学原理改进深度学习网络中的特征选择》被ICASSP2025接收。该论文提出了一种特征选择性表达网络（SFE-Net），旨在改进深度学习网络中的特征选择。论文的关键点包括：受生物系统中差异基因表达的启发，将选择性特征表达原理引入深度学习架构；SFE-Net聚焦于多模态技术在DeepFake检测中的应用，有望应用于奇富科技的反欺诈和反黑灰产工作；通过动态调整特征选择策略，提高检测准确率，展现出强大的泛化能力。

关键观点总结

关键观点1: 受生物系统中差异基因表达的启发，引入选择性特征表达原理

奇富科技论文引入了生物学中的基因选择性表达原理，将其应用于深度学习架构中，旨在提高特征选择的效率。

关键观点2: SFE-Net在DeepFake检测中的应用

论文提出将选择性特征表达网络（SFE-Net）应用于多模态技术中的DeepFake检测，旨在提高检测准确率。

关键观点3: 强大的泛化能力和高检测准确率

论文结果表明，SFE-Net超越了所有静态模型，展现出更强的泛化能力，并且在所有测试数据集中平均AUC大幅提升至0.795。

关键观点4: 对黑灰产业的打击和对数字内容生态的保护

奇富科技研发的SFE-Net具备强大普适检测能力，对于打击黑灰产业源头、保护数字内容生态健康意义重大。

文章预览

近日，奇富科技论文 《SFE-Net：利用基因选择性表达的生物学原理改进深度学习网络中的特征选择》 （SFE-Net: Harnessing Biological Principles of Differential Gene Expression for Improved Feature Selection in Deep Learning Networks） 被 ICASSP2025 （ICASSP是全世界最大的、也是最全面的信号处理及其应用方面的顶级学术会议，具有权威、广泛的学界及工业界影响力，备受AI领域研究学者关注）接收。奇富科技智能语音团队受生物系统中差异基因表达的启发，将选择性特征表达原理引入深度学习架构，提出了一种创新的特征选择性表达网络 （Selective Feature Expression Network:SFE-Net） 。 SFE-Net聚焦于多模态技术在DeepFake（深度伪造）检测中的应用， 这一技术有望应用于奇富科技的反欺诈和反黑灰产工作，进一步提升对用户的保护能力。 随着人工智能生成式模型的普及和发展，深度伪造技 ………………………………