虚假信息检测导论
课程编码：180203085412P4002Y
英文名称：Introduction to Disinformation Detection
课时：20
学分：1.00
课程属性：研讨课
主讲教师：虎嵩林等
教学目的要求
本课程是针对全校学生开设的虚假信息检测理论的人工智能应用技术的研讨课程。研讨课程将对虚假信息检测领域的代表性成果进行综述。并以基于传播、大模型、风格、事实核查的虚假信息检测等代表性成果出发，讲解社交网络虚假文本、账号、多模态内容等具体的虚假信息检测案例。通过本课程的学习，让学生能快速掌握虚假信息检测的基本思想，提升分析问题与解决问题的能力，并具有初步的虚假信息检测方面实践能力。
预修课程
《自然语言处理》、《深度学习》、《计算机视觉》、《Python程序设计》
大纲内容
第一章 面向网络空间治理的虚假信息检测综述 3学时 虎嵩林
第1节 虚假信息简介
第2节 虚假信息检测的任务流程
第3节 虚假信息检测的代表性成果综述
第二章 基于传播的虚假信息检测方法 4学时 虎嵩林
第1节 基于传播的虚假信息检测论文讲解
第2节 研讨相关论文
第三章 基于大模型的虚假信息检测方法
第1节 基于大模型的虚假信息检测论文讲解 1学时 虎嵩林
第2节 研讨相关论文 2学时 朱福庆
第四章 基于风格的虚假信息检测方法 3学时 朱福庆
第1节 基于风格的虚假信息检测论文讲解
第2节 研讨相关论文
第五章 基于事实核查的虚假信息检测方法 4学时 虎嵩林
第1节 基于事实核查的虚假信息检测论文讲解
第2节 研讨相关论文
第六章 虚假信息检测实践研讨 3学时 虎嵩林
第1节 虚假信息检测实践研讨
第2节 课程总结
参考书
1、
统计自然语言处理（第2版）
宗成庆
2013年8月
清华大学出版社
2、
神经网络与深度学习
邱锡鹏
2020年5月
机械工业出版社
3、
计算机视觉：模型、学习和推理
西蒙J.D.普林斯
2017年6月
机械工业出版社
4、
Python深度学习：基于PyTorch
吴茂贵
2019年11月
机械工业出版社
课程教师信息
虎嵩林，研究员，博士生导师，中国科学院大学岗位教授。主要研究方向为大数据、自然语言处理、知识图谱等，当前专注于大模型安全、知识增强的内容安全。作为项目负责人或者技术负责人，先后承担20多项自然科学基金、863、973、科技攻关等国家项目。在包括ACL、ICML、ICLR、AAAI、DAC等知名国际学术会议和ACM/IEEE Trans等期刊上发表文章百余篇。牵头获钱伟长中文信息处理科学技术奖一等奖、中国网络空间安全协会2024十大优秀网络安全创新成果，曾获中国通信学会科技进步奖一等奖、中国专利奖、中国科学院大学领雁银奖、北京市科技进步二等奖等。相关技术在能源业等行业以及国家网络空间治理等领域得到广泛应用。
朱福庆，副研究员，硕士生导师。研究领域包括人工智能、深度学习、多媒体信息智能化处理等。承担国家重点研发计划课题，参与完成国家重点研发计划、国家自然科学基金、北京市科技计划等科研项目，相关研究成果发表在本领域SCI期刊IEEE Transactions on Image Processing、Multimedia Systems、Multimedia Tools and Applications和国际会议ACM Multimedia、ACL、AAAI、EMNLP、COLING、ICMR、ICME、ICASSP上。