Facebook刊文汇报公司在打压恐怖主义网络宣传的成果

简介:

据外媒报道,由于因恐怖主义网络宣传处理问题而遭到长期诟病,Facebook现正在进一步强化其在这一方面的工作。日前,这家公司在博客上介绍了如何利用人工智能和人工干预的手段来根除其平台上的恐怖主义内容。

facebook-390860_960_720.jpg

资料图

Facebook指出,大部分被移除的恐怖主义相关账号都是被公司自己发现的,他们利用人工智能技术找到了更多的潜在威胁。“我们现在正在集中精力用我们最前沿的技术对付ISIS、基地组织以及附属机构,我们希望在适当的时间将其扩大到其他恐怖组织中。”

这家社交网络公司使用的技术包括恐怖分子照片与视频图像比对、检测恐怖分子发布恐怖主义内容的账号。另外,Facebook还表示他们还在开发一种能关闭惯犯账号的新技术。

除了依靠技术,Facebook同时也肯定了相关人员在上面投入的精力。据这家公司披露,超过150多名来自反恐学术界、执法部门以及其他领域的人将打击恐怖主义视为他们的重要责任。

此外,Facebook还在博文提到了它跟政府以及行业的合作并还特别强调了跟非政府组织与其他组织在打压恐怖主义宣传的合作。



本文转自d1net(转载)

相关文章
|
6月前
|
机器学习/深度学习 编解码 数据可视化
YOLOv5改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络(全网首发)
YOLOv5改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络(全网首发)
258 0
|
6月前
|
数据采集 存储 Scala
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
本文介绍了如何使用Scala和Fetch库下载Facebook网页内容,同时通过爬虫代理服务(以亿牛云为例)绕过网络限制。代码示例展示了配置代理服务器、多线程爬取及内容存储的过程。注意实际应用时需替换代理服务器配置和目标URL,并考虑应对复杂的反爬虫机制。此方法兼顾匿名性和效率。
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
|
6月前
|
机器学习/深度学习 网络架构 计算机视觉
YOLOv5改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络(附对比试验效果图)
YOLOv5改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络(附对比试验效果图)
252 0
YOLOv5改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络(附对比试验效果图)
|
6月前
|
机器学习/深度学习 测试技术 计算机视觉
YOLOv5改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,全网独家首发)
YOLOv5改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,全网独家首发)
224 0
|
6月前
|
机器学习/深度学习 测试技术 计算机视觉
YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,独家首发)
YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,独家首发)
351 0
|
存储 缓存 NoSQL
社交网络场景下大规模图存储实践——Facebook TAO
社交网络场景下大规模图存储实践——Facebook TAO
216 0
社交网络场景下大规模图存储实践——Facebook TAO
|
编解码 算法 视频直播
CVPR2022 前沿研究成果解读:基于生成对抗网络的深度感知人脸重演算法
《基于生成对抗网络的深度感知人脸重演算法 》(Depth-Aware Generative Adversarial Network for Talking Head Video Generation)
1095 0
CVPR2022 前沿研究成果解读:基于生成对抗网络的深度感知人脸重演算法
|
机器学习/深度学习 存储 编解码
|
机器学习/深度学习 人工智能 语音技术
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似
你想过你是如何描述一个颜色的吗?最新研究表明人类使用离散符号来记录一个区域的颜色,在细化颜色过程中又增添其他信息。这背后有什么道理吗?Facebook用两个神经网络的实验现象告诉你。
120 0
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似
|
机器学习/深度学习 人工智能 文字识别
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分
近日,Facebook的AI研究院发表了一篇论文「DIFFERENTIABLE WEIGHTED FINITE-STATE TRANSDUCERS」,开源了用于图网络建模的GTN框架,操作类似于PyTorch这种传统的框架,也可以进行自动微分等操作,大大提高了对图模型建模的效率。
345 0
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分