阿里安全AI識別語義分析技術再獲突破 可快速攔截色情黑話

近日，阿里安全宣佈，面對“多人運動”“王者五排”等不斷變異升級的黑話暗語，阿里AI鑑黃技術能力升級，可精準快速地進行識別攔截。這對人工智慧技術的發展具有非常重要的意義，讓AI引入知識後並不對原始語義產生曲解，正是訓練智慧AI模型需要重點解決的難題。

涉黃黑話變異升級難識別

在內容安全場景下，黑灰產通常會利用黑話來繞開檢測引擎，比如會出現這種語句“小哥哥，要不要來我們這裡多人運動啊？”“大號玻璃過濾彩珠大水瓶 玻璃水壺全套配件到手即用”。

“這對人工智慧技術帶來了非常大的挑戰。”阿里安全高階演算法專家開陽表示，目前谷歌釋出的BERT自然語言處理模型已經在文字理解領域取得了突破性進展，但在識別上述黑話時仍難以發揮作用，尚不能撕掉黑話的“偽裝”，辨別其指代“色情、毒品”的本來含義。

對此，開陽解釋，技術和預訓練語言模型有一定侷限性，經過大量公開語料進行學習訓練後，模型能理解字、詞、句之間的語義關係，比如判斷“足球”跟“多人運動”屬於同類話題；“水壺”“器皿”和“燒水”屬於同類話題。

   “‘多人運動’等黑話通常背後由某個特定事件造成，這些事件比較隨機，也無規律可循。”開陽介紹稱，這樣的語料難以積累，加上佔比極低，建立預訓練模型變得不太容易。

AI技術升級可理解文字語義

那麼，鑑黃機器人能否接收到“多人運動”黑話背後的事件資訊，從而給出更精準的判斷？

開陽稱，阿里新一代安全架構核心AI技術可以做到這一點。他介紹，如果過去的鑑黃AI只停留在識別直觀的“圖片、字串、語音”這些表層資訊上，升級之後的鑑黃AI則可以理解字串背後的深意。如果看到“小哥哥，要不要來我們這裡多人運動啊？”這樣的語句，AI經智慧分析後可識別出這是一條色情資訊。

“升級後的AI鑑黃師增加了基於知識圖譜的識別黑話的能力，將人工經驗知識引入，讓機器智慧與人工經驗更好地結合，大大提升了文字理解與語義識別的能力。”開陽介紹，這也是技術升級後的最大亮點，只需要把新的黑話知識新增到知識圖譜中就可生效，發現輿情事件導致的變異時間可能在小時級，但識別只需幾十毫秒。

簡單而言，就是以熱點事件為中心，圍繞事件本身，將相關聯的人物、事件、特定的詞語繪成一張關聯圖譜。以“多人運動”為例，將出軌事件新聞作為核心，關聯該事件的男女主角、事件引發的熱詞“多人運動”“王者五排”“群P”等。

圖說：以羅XX事件為例打造的關聯圖譜

由於升級後的技術可識別更隱晦、內涵的風險內容，AI技術除在鑑黃領域大有可為外，還能大大提升與其他黑灰產變異升級的對抗能力。“我們的模型能針對新事件快速感知，基於事件發掘新關聯詞，並構建知識，及時為新風險識別提供能力。”開陽說。