前 言

虛假信息檢測旨在綜合應用自然語言處理、社交挖掘、跨模態分析等智能處理手段，發現并利用信息的內在特征、產生機理與傳播規律，為以假新聞為代表的虛假、偽造信息的識別與干預提供理論和技術支持.《Science》在2018年3月一次刊發了2篇論文，討論了假新聞的危害以及對其的科學觀察與思考，引發了學術界與產業界對這一科學問題的持續關注.假新聞、謠言、水軍貼等形態的虛假信息在新聞網站、社交媒體、電商應用等平臺的泛濫，可能嚴重沖擊經濟、社會和政治秩序，對智能安全檢測技術的創新發展提出了迫切需求.

為促進虛假信息檢測領域的研究工作，《計算機研究與發展》推出了“虛假信息檢測”專題，以反映該領域研究進展、展望未來趨勢，分享典型虛假信息數據的量化分析與觀察，并具體研討基于文本、傳播結構以及多模態的虛假信息檢測新方法，探索虛假信息干預緩解的新思路.希望這些最新成果能夠為讀者提供啟發和借鑒.

Amrita Bhattacharjee來自亞利桑那州立大學的劉歡教授組，他們的論文“網絡信息生態系統中的虛假信息:檢測、緩解與挑戰”給出了新冠肺炎疫情期間虛假信息的案列研究，探討了檢測虛假信息與減緩影響的方法及其挑戰，并簡述了跨學科的研究進展，最后對未來研究方向進行了展望.

真實虛假信息數據的整理和量化分析，能夠為后續研究工作的開展提供重要的基礎.陳慧敏等作者的論文“新冠疫情相關社交媒體謠言傳播量化分析”針對現有新冠疫情量化分析工作僅聚焦于謠言內容這一單一要素的不足，利用微博真實數據，對內容、傳播者、受眾以及效果等傳播要素進行了全面分析，為傳播現象的科學觀察提供了有益素材.

基于文本的檢測是虛假信息檢測最常用的方法.張東杰等作者的論文“基于主題與情感聯合預訓練的虛假評論檢測方法”采用了2種預訓練模型編碼器分別抽取評論的語義和情感上下文特征，并進行聯合訓練和優化，在性能提高的同時體現出了更強的泛化能力.

基于傳播結構的方法則通過進一步利用傳播結構特征以提升檢測效果，是當前的熱點研究方向.胡斗等作者的論文“一種基于多關系傳播樹的謠言檢測方法”提出了一種關鍵節點增強的多關系圖卷積模型，以共同建模傳播樹中父子節點間的層間依賴關系，以及被忽略了的同層轉發(或評論)兄弟節點間的層內依賴關系，最終提升了謠言檢測尤其是早期檢測的性能；楊延杰等作者的論文“融合源信息和門控圖神經網絡的謠言檢測研究”，針對傳統基于圖卷積網絡方法聚合所有鄰居節點可能帶來的無效信息乃至噪聲導入、源帖特征不突出、非相鄰帖子間關系特征缺失問題，提出了一種集門控、多頭注意力機制以及源帖信息增強的新方法，有效改善了檢測效果；徐銘達等作者的論文“基于模體度的社交網絡虛假信息傳播機制研究”從傳播學的新穎角度著眼，綜合考慮廣度傳播和深度傳播2種主要傳播模式的作用，分別給出了廣度和深度模體度的定義及計算方法，并提出了一種簡單易用的檢測方法，優化結果明顯.在傳播結構分析中，基于深度學習的圖異常檢測是常用的工具.陳波馮等作者的論文“基于深度學習的圖異常檢測技術綜述”給出了靜態圖和動態圖上的異常定義和評測指標，并分別介紹了2個方向上的相關研究進展，討論了當前面對的挑戰和未來趨勢，幫助讀者更好地了解、利用這一技術工具.

虛假信息內容的形態不僅包括文本，還會涉及音視頻、圖像，并呈現出向多模態發展的趨勢，相關的檢測技術也吸引了廣泛的關注.亓鵬等作者的論文“語義增強的多模態虛假新聞檢測”通過提取文本和視覺語義特征，并基于文本引導的注意力機制建模圖文間的語義交互，更好地融合多模態特征，有效提高了多模態檢測的性能.在聽覺和視覺特征利用方面，王成龍等作者的論文“基于全局-時頻注意力網絡的語音偽造檢測”針對現有模型忽略不同維度特征圖的作用差異，缺乏全局視圖關系利用等問題，提出了一種新型圖卷積神經網絡結構,取得了較好的效果；翁澤佳等作者的論文“基于域對抗學習的可泛化虛假人臉檢測方法研究”，針對鑒別模型在不同生成方法上的遷移難題，引入領域對抗分支提取更魯棒的特征，提升了模型鑒別性能和泛化能力.

在虛假信息緩解方面，曹玖新等作者的論文“社交網絡信息傳播預測與特定信息抑制”研究了虛假信息傳播預測與免疫抑制問題，采用了一種獨立信息轉發預測機制進行預測, 并提出異步信息不平等競爭傳播模型刻畫特定信息與免疫信息的競爭傳播，并設計了種子節點選擇算法.通過向種子節點注入免疫信息，有效抑制了特定信息的傳播.

本專題得到了海內外、產學兩界研究人員的積極響應，最終收錄了11篇文章. 在此，衷心感謝作者們以及審稿專家們的大力支持，特別感謝《計算機研究與發展》編委會和編輯部為這一專題立項、審校以及付梓等全過程所付出的辛勤工作.