以GPT为代表的生成内容式人工智能的影响、风险及处理策略

随着人工智能时代的到来,人工智能生成内容(AI,Generated Content,AIGC)发展迅速。近日,以生成式预训练转换器(Generative Pretrained Transformer,GPT)为代表的大量应用开启颠覆性革命。本文从关键技术出发,站在个人、企业、社会等角度进行思考,对现实社会和虚拟社会的影响、场景的应用等方面进行研究,并分析其中存在的风险和处理的策略,为指导其合理运用提供帮助。

一种基于区域广播的VANET机会路由协议

对VANET网络中现有的路由协议进行了系统的分析和研究,提出了一种基于区域广播的VANET机会路由协议。基于安全消息在网络割裂情况下的传播需求,新协议结合地理信息和机会转发算法,提出了不同于点对点的新的基于区域广播的消息传播模式,以实现安全消息在稀疏车辆环境下的有效传播。理论分析和仿真实验表明,该协议相比传统路由协议具有更优异的网络性能和可靠性。

基于多模态融合的赌博应用识别模型

安卓赌博应用安装包中往往含有文本、图片、证书等大量可用于标识应用属性的多模态信息,针对当前赌博应用内容有害发现及安全研究较少、已有方法不具有针对性等问题,提出了一种基于多头注意力机制的多模态融合赌博应用识别模型。首先,提取赌博应用安装包中的图片信息,先后采用VGGNet和ResNet模型提取图片特征、识别图片信息;其次,提取赌博应用安装包中的文本信息,采用双向长短期记忆(BiLSTM)方法处理文本信息、识别文本内容;最后,基于多头注意力机制,建立多模态融合模型,对赌博应用进行综合性识别。通过在真实数据集上验证表明,采用不同文本和图片模型的平均准确率分别为71.5%和76%,该多模态融合模型的平均准确率为85.5%。可见,相比单一文本模型或图片模型,多模态融合模型有效提高了赌博应用的识别准确率。