20、欺骗检测与隐藏群体识别研究

欺骗检测与隐藏群体识别研究

1. 欺骗检测面临的挑战及应对策略

在创建能够辅助人类检测欺骗的系统方面，虽然已经取得了一定进展，但仍存在诸多挑战。目前正在通过以下策略来解决这些问题：
- 欺骗的本质 ：欺骗的本质给识别谎言带来了挑战。许多欺骗性交流中都夹杂着真实成分，欺骗程度从彻底的伪造到简单的隐瞒各不相同，不同人的欺骗类型也存在差异。为应对这一挑战，在实验中让受试者对自己交流的诚实程度进行评分（0 - 10分），并且开始实施个体层面的欺骗检测，分析同一受试者的互动情况，寻找区分欺骗性回应和真实回应的指标。
- 实时性 ：创建实时系统面临诸多技术难题。一方面，许多分析方法的初始化过程耗时较长，例如视频分析中手动收集肤色样本以跟踪身体动作；另一方面，受计算和成本限制，目前对最精细细节进行实时分析不可行。正在尝试不同的初始化技术以减少启动时间，测试采样方法以确定能提供最准确检测能力的可行粒度，并加强处理实时数据负载的流程。
- 多线索融合 ：为了更准确地预测欺骗，近期开始研究多种线索的融合。认为线索组比单个或少数线索在检测欺骗方面更有效，融合线索能覆盖更多可能的指标，因为熟练的欺骗者可能会隐藏某些欺骗线索。融合还能在不同条件下提供灵活性，可根据给定环境为每个通信渠道的可靠性加权。
- 真实数据集 ：生态有效的真实数据集是最重大的挑战，因为获取难度极大。使用真实数据集是对系统的基本测试，其结果能真实衡量系统的实用性。受试者处于真实压力下并进行有后果的欺骗，未来自动化行为分析的工作需要在现实环境中接受准确性和减少误报的严格检验。