澳大新語 • 2021 UMAGAZINE 24 21 封面專題 • COVER STORY 圖像被篡改的位置，準確度遠超對手。這款算法特 點是採用了一個多網絡架構的空間通道感知模組， 能夠準確地提取圖像特徵。 產學合作 憑著矚目的表現，周教授的團隊獲阿里巴巴贊 助加強算法。周教授說，網上購物平台每日都要 驗證大量網店的牌照，確保賣家都是合資格的商 戶。面對高解像度的圖像時，現有算法一般可以 準確偵測出經篡改的圖像，但處理低解像度圖 像，例如是經社交媒體或通訊軟件壓縮過的圖 像，往往束手無策。 研究團隊正在參與「阿里巴巴創新研究計劃」，開展 為期一年的「抗媒體傳輸的高魯棒偽造圖像檢測與 定位研究」，旨在設計更高效的偵測算法，即使目標 圖像曾被不同媒介壓縮、調整大小、過濾或添加噪 聲，仍能找出破綻。 周教授說，這項目是澳大在該領域與大型科技企業 首次合作，有助他的團隊累積產學研合作經驗：「我 們正在運用研究成果解決現實世界的商業問題，進 展令人鼓舞。」 圖像篡改偵測算法有如專業偵探，察覺到旁人不為 意的蛛絲馬跡。這些算法通常會分析圖像的噪聲分 佈和其他特徵，尋找線索。「如果一幅圖像未經篡 改，整幅圖的噪聲分佈通常會保持一致。」 2019年起，研究團隊獲澳門科學技術發展基金資 助，開展一項關於準確分析噪聲和提取圖像特徵的 研究項目，其成果有助開發偵測算法，令篡改過的 圖像無所遁形。 探微知著 2021年初，周教授的團隊參加由清華大學和阿里 巴巴合辦的「安全AI挑戰者賽（第五期）」，在「篡改 賽道」勇奪冠軍，也在「檢測賽道」獲得季軍。在「篡 改賽道」，團隊修改了20張證件類圖像上的資訊， 例如身份證上的姓名和出生日期。他們會分析圖像 中真實部分的噪聲，同時參考被篡改部分的背景細 節，最後在被篡改部分添加一層自適應噪聲，用來 躲避人工智能工具的偵測。他說：「我們是1,534支 參賽團隊中最成功的圖像篡改者。」 比賽期間，他們也訓練出一款新的偵測算法。它經 過深度學習數以萬計的圖像，不出半秒就能偵測出 研究人員將SE-Block結構加入到神經網絡，提升其從圖像擷取資訊的效能。 圖為SE Block的結構。 The structure of a Squeeze-and-Excitation Block. Such blocks are plugged into the neural network to improve its performance in extracting information from images. 周建濤教授（右）的團隊在由清華大學和阿里巴巴合辦的 「安全AI挑戰者賽（第五期）」獲獎 A team led by Prof Zhou Jiantao (right) has won prizes at the Security AI Challenger Contest (Season 5), an algorithm competition organised by Tsinghua University and Alibaba.
RkJQdWJsaXNoZXIy MTQ1NDU2Ng==