12月30日、Qifu Technologyの論文「SFE-Net: ディープラーニングネットワークでの特徴選択の改善のための差次的遺伝子発現の生物学的原理の活用」がICASSP 2025に採択されたことが発表されました。

ICASSP は、信号処理とその応用に関する世界最大かつ最も包括的なトップ学術会議であり、学界と産業界に権威と広範な影響力を持ち、AI 分野の研究者から高く評価されていると理解されています。

前述のQifu Technologyのインテリジェント音声チームによる論文は、生物系における遺伝子発現の差異に着想を得たものです。彼らは、選択的特徴発現の原理をディープラーニングアーキテクチャに導入し、革新的な選択的特徴発現ネットワーク（SFE-Net）を提案しました。SFE-Netは、マルチモーダル技術をディープフェイク検出に応用することに重点を置いています。この技術は、Qifu Technologyの不正行為対策およびブラックマーケット対策に応用され、ユーザー保護機能をさらに強化することが期待されています。

人工知能における生成モデルの普及と発展に伴い、ディープフェイク技術はますます複雑になり、その適用閾値は段階的に低下しており、社会信頼システム、個人のプライバシー、情報の真正性に深刻な脅威をもたらしています。従来の機械学習モデルは通常、静的な特徴表現に依存しているため、異なる合成方法への適応が困難です。研究過程において、Qifu Technologyのインテリジェント音声チームは、FaceSwapやFace2Faceなど、さまざまなディープフェイクアルゴリズムの理論を深く分析し、ターゲットを絞ったディープフェイク特徴表現を導き出しました。同時に、SFE-Netは、入力されたディープフェイク特徴に基づいて特徴の優先順位を動的に調整し、重要な特徴を選択的に強化し、無関係または誤解を招く手がかりの影響を低減することで、検出精度を効果的に向上させます。

本論文の結果は、SFE-Netが既存の静的モデルを凌駕する性能を発揮することを示しています。さらに、SFE-Netは様々なデータセットにおいてより強力な汎化能力を示し、全てのテストデータセットにおける平均AUC（AUCが1.0に近いほど検出精度が高い）を、従来の最先端技術（SOTA）である0.767から0.795へと大幅に向上させました。これは、SFE-Netが多次元特徴抽出技術を偽造検知に包括的に活用するという独自の優位性をさらに証明し、ディープフェイク検知タスクにおいて効率的で信頼性の高いソリューションを提供することを示しています。

報道によると、Qifu Technologyが開発したSFE-Netは、強力かつ汎用的な検出能力を備えています。特徴選択戦略を動的に調整し、複数の特徴を統合することで、ディープフェイクコンテンツを正確に識別します。クロスデータセットのシナリオにおいて優れた汎化能力を発揮し、異なるプラットフォームや様々な偽造手法に適応します。マルチデータセットテストにおいて高い精度を達成し、プラットフォーム監視部門や法執行部門に技術サポートを提供できます。偽情報のクリーンアップとブロック、正確な証拠収集、ブラック産業やグレー産業の根源の取り締まりを支援し、デジタルコンテンツエコシステムの健全性維持に大きな意義をもたらします。