참여 시점을 활용한 시간 인식 평가: 가짜 뉴스 탐지 재고
소셜 미디어 사용자의 뉴스 참여 시점을 분석하면 가짜 뉴스 탐지 모델의 현실적인 성능 평가가 가능하며, 이를 기반으로 개발된 DAWN 모델은 기존 모델 대비 높은 정확도를 보인다.
정규화된 LSTM 방법을 이용한 가짜 뉴스 기사 탐지
본 논문은 정규화된 LSTM 네트워크를 사용하여 가짜 뉴스 기사를 효과적으로 탐지하는 머신러닝 기반 접근 방식을 제시합니다.
보이지 않는 영역의 가짜 뉴스 탐지: 인과 관계 기반 하위 구조를 통한 접근
본 논문에서는 뉴스 전파 그래프에서 인과 관계 기반 하위 구조를 추출하여 보이지 않는 도메인의 가짜 뉴스를 효과적으로 탐지하는 새로운 모델, CSDA를 제안합니다.
가짜 뉴스 확산 전 초기 탐지를 위한 사용자 댓글 활용 연구
본 논문에서는 뉴스 콘텐츠 분석만으로는 한계가 있는 가짜 뉴스 초기 탐지의 정확성을 향상시키기 위해 과거 뉴스의 사용자 댓글 정보를 활용하는 새로운 방법론을 제시합니다.
가짜 뉴스 분류를 위한 멀티모달 적응형 그래프 기반 지능형 분류 모델
본 논문에서는 텍스트와 이미지를 결합한 멀티모달 정보와 사용자 댓글 구조를 그래프로 모델링하여 가짜 뉴스를 효과적으로 탐지하는 MAGIC(Multimodal Adaptive Graph-based Intelligent Classification) 모델을 제안합니다.
소셜 미디어상의 가짜 뉴스가 연령대별 사용자에게 미치는 영향 및 머신러닝 기반 대응 방안
소셜 미디어에서 급증하는 가짜 뉴스는 사회적 통합과 개인의 심리적 안녕에 심각한 위협이며, 특히 비판적 사고 능력이 저하되는 노년층에게 더욱 취약합니다. 머신러닝과 인공지능 기술, 특히 SVM 및 신경망 모델은 가짜 뉴스를 효과적으로 식별하고 분류하는 데 유용한 도구가 될 수 있습니다.
설명 가능한 AI를 이용한 가짜 뉴스 및 독싱 탐지: FNDEX 시스템 소개 및 성능 평가
본 연구는 온라인 상에서 증가하는 가짜 뉴스와 독싱의 위협을 효과적으로 탐지하고 개인 정보를 보호하기 위해 설명 가능한 AI 기반 시스템인 FNDEX를 제안하고 그 성능을 평가합니다.
우르두어로 작성된 인간 및 기계 작성 가짜 뉴스 탐지
본 논문에서는 인간이 작성한 뉴스와 기계가 생성한 뉴스를 구분하는 새로운 과제를 제시하고, 우르두어로 작성된 가짜 뉴스를 탐지하기 위한 계층적 접근 방식을 제안합니다.
인간-AI 협력 시대의 가짜 뉴스: 대규모 언어 모델(LLM)의 역할과 진화하는 탐지 기술 분석
대규모 언어 모델(LLM)은 가짜 뉴스 생성 능력과 더불어 탐지 능력도 향상시키지만, 인간-AI 협력을 통해 생성된 가짜 뉴스를 탐지하는 데에는 여전히 어려움을 겪고 있으며, 다양한 요인을 고려한 보다 정교한 탐지 기술 개발이 필요하다.
작은 변화에서 큰 도약까지: LLM 기반 가짜 뉴스 진화 시뮬레이션
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 실제 뉴스가 가짜 뉴스로 진화하는 과정을 시뮬레이션하는 프레임워크인 FUSE를 제안하고, 이를 통해 가짜 뉴스의 초기 탐지 및 예방의 중요성을 강조합니다.
