以下文章来源于格致论道讲坛 ，作者曹娟

格致论道讲坛.

中国科学院计算机网络信息中心与中国科学院科学传播局联合主办的科学文化讲坛，每月一期线下活动，分享科技文化新知、观点和思想！

大家有没有觉得，

我们每天都在跟谣言斗智斗勇。

尤其在重大事件发生的时候，

谣言更像炸弹一样，

来势凶猛。

文丨曹娟 中国科学院计算技术研究所研究员

本文转载自微信公众号“格致论道讲坛”（ID：SELFtalks），原文首发于2022年4月22日，原标题为《分析了百万条谣言后，我们得出一个不想承认的事实：谣言的传播更多发生在辟谣后 | 曹娟》，不代表瞭望智库观点。

大家好，我是曹娟，来自中科院计算所。我研究的方向和大家的生活息息相关，是互联网上的虚假新闻检测。今年是我做虚假新闻检测的第10年，我们所长还送给我一个绰号——“智能女侦探”。

既然是侦探，那我们先来破个案。2022年3月4号，网上有消息称：印度宣布人口已经达到了14.15亿，超过了中国，位居世界第一，“这是历史性的一刻”。那真实的情况是什么样子的？让我们来调查一下。

首先，《印度快报》显示，政府计划在2021年进行人口普查，由于疫情爆发推迟了这项计划，所以印度至今没有宣布官方的人口数据。该截图来自于印度的一个医疗机构，而且这个数据是通过算法模拟得到的、预测的，并不是官方公布的数据。

我们再看一下联合国的数据，显示印度在2020年的人口数是13.8亿，并没有超过中国。根据这上面两个调查来看，我们断定这个信息是不实的。

▲ 左：AVAAZ《Facebook's Algorithm: A Major Threat to Public Health》右：2021年度微博辟谣数据报告

在现在的互联网上，这样让人一惊一乍的谣言实在是太多了。根据统计，Facebook上82家不实信息源的年浏览量达到了38亿；在中国，2021年度微博共有效处理不实信息6万多条。

大家有没有觉得，我们每天都在跟谣言斗智斗勇。尤其在重大事件发生的时候，谣言更像炸弹一样，来势凶猛。每当这个时候，我都特别地忙，因为身边的朋友、同学、领导都会纷纷发来信息，让我去求证：曹娟，你看这条信息是真的假的？同学群为了某件事发生争吵的时候，他们就会@我出来：曹娟，你来看一下这个东西是不是假的？我真的非常的感谢每一位给我发来求证信息的人，是你们的需要，让我觉得这份工作特别的有价值、有意义。

1

从“耳听为虚”到“眼见亦假”

言归正传，回到我们的话题：为什么现在互联网上的谣言这么多呢？其实谣言从古至今都有，而且它的破坏力一点儿都不亚于今天的谣言。

让我们回到两千年前的西周。当时年幼的周成王继位，由他的叔叔周公摄政辅助。但是另外一个叔叔管叔非常妒忌，他就四处散布谣言：“周公要夺位了！周公要夺位了！”流言可畏，周公就被赶走了，但其实想要夺位的恰恰是管叔。这件事就是白居易诗里面所写到的“周公恐惧流言日”。

但这是古代的谣言，再怎么厉害也只能口口相传，它的传播力是有限的。现在互联网出现了，随便一条新闻就可以影响到成千上万的人。

比如大家是不是经常看到这样的消息：水果要空腹才能吃，吃了醋有会导致骨质疏松……这些新闻最后都被证实是假的。这样的文字新闻很容易就可以发布，造谣的成本很低。所以大家会想：文字都不靠谱，要有图才能有真相。

但有图一定能有真相吗？让我们看一下这个例子。

这是2015年的一条非常“热”的图片新闻，说成都的一个小伙子把火锅店开到了南极。后面被证实，图片里南极科考站墙壁上的“成都火锅”是PS上去的。由于P图技术非常好，人眼很难分辨它的真假，所以很多大媒体都转载了。

我们发现，技术的进步已经颠覆了“有图有真相”的传统认知。图像已经不可信了，那么视频总可以眼见为实了吧？好，我们再看一下。

这个视频是2018年通过人脸驱动重演技术伪造奥巴马讲话的一个视频。右边是真正说这一段话的人，左边是通过他的讲话驱动奥巴马视频生成的伪造讲话。我们看到，这个视频看着非常真实对不对？那视频也很难相信了。

如果说前面的文字新闻可以通过人工审核判断真假，那么图片和视频一定需要技术揭示出伪造的本质，才能识别出来。我们现在要做的事情就是跟上技术的进步，使得社会的认知达到一个新的平衡。“魔高一尺”，我们要“道高一丈”，这就是我选择这个方向的原因。

2

谣言有什么特征？

在做这个方向的过程中，我们遇到了第一个问题：我要检测谣言，那谣言长什么样子呢？具备什么样的特征呢？

谣言最早的一个定义来自于社会心理学，他把谣言定义为一种被广泛传播的、未经证实的信息。广泛传播和未经证实就是谣言的本质特性。

举个例子，比如说我为了让这次演讲效果更好，今天吃了兴奋剂。但我就算吃兴奋剂其实也并不重要，对不对？所以也就没有核查价值，因为它不会引起广泛传播。但是如果我说某个运动员吃了兴奋剂，这个事情就非常关键——它会引起广泛的传播，那么核查它的真假就非常有价值、有意义。所以广泛传播是谣言的一个本质特点。

首先，我们发现谣言有自己的语言学的模式。比如它是未经证实的，它的信息是不可信的，那就经常会出现“网传”“据说”“爆料”“有消息称”……因为它未经证实，所以就有人去质疑，问“真的假的”？甚至去否定它，说这是不实的，这是谣言，这是假的。

又由于谣言要达到广泛传播的目的，它会煽动你、影响你，所以它的情绪会非常饱满，比如说“太可怕了”“太惨了”，有这样一些浓烈的情感；它甚至会告诉你“求转发”“求扩散”。

▲ Guo et al., Rumor Detection with Hierarchical Social Attention Network.CIKM 2018.

我们分别在Twitter的英文环境和微博的中文环境数据上进行过验证，确实具有这样的语言模式。如果你以后看到具有这些关键词的新闻，一定要小心点哦。

▲ Zhang et al., Mining Dual Emotion for Fake News Detection. WWW 2021.

第二个是谣言的情感模式，它要影响你、让你去传播，就得在情感上煽动你。比如上图左边的新闻，它本身带有很强烈的情感，“不作为的”“惨案”等等就会去煽动你。但还有一类新闻非常隐蔽，像右边这样的新闻，它会模仿官方的发文，一本正经地在说谎。他知道他的话题一定会戳中大家的痛点、热点或者关注点，这时就会在社区评论引起大规模的社会情绪。据我们提出的双流情感检测模型，就能分别检测这两类谣言。

▲ Sheng et al., Zoom Out and Observe: News Environment Perception for FakeNews Detection. ACL 2022.

还有一类是谣言的新闻环境模式。我们发现，谣言总会蹭热点，哪里有热点，哪里就有谣言。比如“叙利亚停火”这个谣言，单独来看可能不会引起大家的关注，但如果把它放在2022年世界杯预选赛上——正好是叙利亚跟中国男足打比赛的期间，那它就不一样了。

首先它的流行度占位就高很多，它的起点，就是这个事件的本身就很热门。其次我们看到左边一圈的小灰人，大家讨论的都是比赛的比分；而它特立独行，说的是停火，跟前面说的比分完全不一样，标新立异，所以就很容易被别人关注。

这一类谣言是特别难检测的，我们需要对新闻环境信息进行建模，才能识别出来这些在热点事件里面“浑水摸鱼”的谣言。

最后一类是谣言的视觉模式。图像和视频是最容易煽动人、最容易迷惑人的。但是由于造假难度很大、成本很高，所以也很容易抓到漏洞、抓到破绽。我们从谣言视觉上的造假痕迹到它的造假意图，在每个层次都进行了建模。

我们发现，因为谣言要说的是假事件，所以没有对应的图片，就会去造一个假图片。在这个过程中，就会在像素级或者局部边缘留下很多篡改的痕迹；其次，它在伪造的时候，一定会伪造一些非常关键的语义对象，比如说某个人、某个场景、某个标志或者某个动作等等；最后，为了让你去点击它、传播它，它一定会充满视觉冲击，具有情绪煽动性。

▲ 原始图像 篡改图像 噪声图像

我们来举两个例子。比如说这两张图片，左边是原图，中图对背景里面的观众进行了替换。通过检测这个图片的噪声图像（右），我们发现它在右上角留下了一个非常明显的痕迹，这就是篡改痕迹。

▲ Qi et al. Improving Fake News Detection by Using anEntity-enhanced Framework to Fuse Diverse Multimodal Clues， MM2021

再比如这个新闻。文字新闻说他们拍到了比尔盖茨的女儿，但是我们通过检测这个配图，人脸识别后发现她并不是盖茨的女儿，而是一个女明星。图文不符，所以这是一条假新闻。这就是在视觉方面去做虚假新闻的识别。

3

如何自动找出虚假信息？

讲完这么多的谣言模式，大家很容易想到：既然谣言有这么多特点，我们能不能基于这些特点，在海量的信息中自动地、快速地发现谣言呢？但这个时候，我们又遇到了新的问题，这是一个很大的难点。我们可以看一下这两组对比数据。

▲ Silverman, This Analysis Shows How Viral Fake Election News StoriesOutperformed Real News On Facebook. Buzzfeed News, 2016.

这张图是2016年美国大选期间的虚假新闻数据，红色的线是虚假新闻的互动量（阅读量、点击量），黑色的线是正常新闻的互动量。可以看到，在大选的最后时刻，虚假新闻的互动量已经超过了真实新闻。也就是说那个时候，美国人看到的大选新闻大部分是假的，是不是觉得很恐怖？

▲ 红色部分代表假新闻 Allen et al., evalsuating the Fake News Problem at the Scale of theInformation Ecosystem. Science Advances, 2020.

在这样一个局部事件里面，虚假新闻是特别的多，影响特别的大。但如果我们把这个虚假新闻放到整个互联网上，又会有什么样的结果呢？我们看一下上图，图中的红色部分就是虚假新闻的数量。其实在整个互联网上，虚假新闻只占了人们新闻阅读量的7%。而我们在现实空间中检测虚假新闻，就是要做这样的事情——在海量的数据规模里，如何快速检测到虚假新闻？这就是它的难点。

我们探索了两种方案。第一种就是，有没有可能去模拟一些伪造数据，去生成更大的数据库，模拟未来的、可能的未知空间；还有一种就是能不能把问题缩小，在小领域中一个一个地去解决。

这两种方案都是可行的，我们先来看一下第一种。比如要检测我的伪造图像，现在网上关于我的伪造图像肯定不多，那未来可能的伪造图像会是什么样子的呢？我不知道。那么我们就自己去模拟吧，把可能的伪造情景都造出来。他们有可能会改变我的发型，有可能会改变我的动作、我的姿态，还有可能改变我的妆容等等。通过自己模拟有可能的伪造信息，那么这个数据就变大了。

▲ Li et al., Progressive Domain Expansion Network for Single DomainGeneralization. CVPR 2021.

要完成这个功能需要两个步骤。第一个就是整理、研发和生成大量的算法工具集，我们已经整理和研发了80多款这样的生成工具集，第二个就是在生成的过程中需要有一定的标准：首先生成的数据必须是安全的，也就是说你生成的必须是我，不能生成“林志玲”；其次生成的数据必须是有效的，每一个图片要有差异，是去描述未知空间的。如果都跟原来的图片一样，它就没有效果。

通过这两个规则，我们就可以把小数据变成大数据，从而解决我们可能从来没有见过、但是未来可能伪造的一些情形。如果见过它了，以后我就能准确地检测到，所以这就解决了大数据的问题。

第二，有没有可能把这个问题缩小，针对特定领域的造假，一个一个地去解决它呢？我们发现，虽然都是伪造，但是不同领域的伪造特点不一样。

▲ 左：文字图片伪造检测

中：高清精修新闻配图伪造检测

右：网络低分辨率视频伪造检测

文字、图片的伪造其实有很多的固定区域，比如会特别想伪造金额、数字、签名等等。对于高清的、新闻精修图片的伪造，它要挑战的地方就是强对抗性。因为是由专业人士伪造，把一般能被检测到的伪造痕迹抹除了，所以需要强对抗。对于互联网上的低分辨率的图像和视频，它最大的难点就是抗压缩。同样一个视频，可能在这个平台上能检测到，传到另外一个平台就检测不到了。这是因为经过几轮压缩以后，很多造假痕迹都变模糊了。

通过这样分析以后，我们就开始分门别类地、按小领域一个一个地进行技术突破、解决，才有可能达到实用。最终我们针对于不同的行业，提出了不同的伪造检测的方案。

比如针对证件，我们有专门针对证件的伪造检测的方案；针对于行程码这个小类，我们也有行程码的解决方案，因为它的日期、星号经常会被篡改；针对合同，我们会有合同的解决方案；针对自然的图像的PS，也有它的单独的解决方案。这样就能各个击破，基本达到实用的效果。

▲ 左：特定人物人脸伪造检测

右：通用人脸伪造检测

针对人脸伪造也是一样的。针对某个特定的人物，我去搜集有关他的大量数据，提取他的固有特征，比如我的唇纹是什么样子的，我笑的时候皱纹是什么样子的，每个人都会不一样。通过提取特定人物的固有信息，我就能更加精准、更加快速地去检测有关他的伪造。比如现在检测特定人物就能达到一个很高的精度，我们的速度能达到每张图片10毫秒以内，基本接近实时处理。

4

如何降低谣言的传播？

大家看完以后，会觉得谣言检测已经这么准了，这个问题就解决了，是不是？但我们在研究的过程中，又发现了一个难点：很多谣言的传播是在辟谣以后才发生的，反而辟完谣以后还有大量的传播。这是为什么呢？虽然你辟谣了，但没有告诉我它为什么假，我还不相信。所以怎么去降低谣言的传播呢？

在半个世纪之前，社会学专家已经对这个问题进行过研究，提出了一个非常经典的谣言公式，他们认为：谣言的传播力＝事件的重要性×事件的模糊性。如果要降低谣言的传播，要不就降低它的重要性，让它没处可传；要不就是降低它的模糊性，通过取证、解释告诉别人它为什么假，那么大家就不会再传了，对不对？我们就试图通过降低事件的模糊性来解决这个问题。

▲ 伪造证据核查取证

Sheng et al., Article Reranking by Memory-Enhanced Key Sentence Matchingfor Detecting Previously Fact-Checked Claims. ACL 2021.

首先，找到一条谣言以后，我们会从大量的数据里去匹配、去寻找它为什么是假，哪个地方错了。通过快速地找证据，告诉用户假的地方在哪里，从而达到谣言核实取证的效果。

▲ 伪造算法溯源

Yang et al., Deepfake Network Architecture Attribution. AAAI 2022.

其次，如果我不仅告诉你这个图片是假的，我还告诉你它是用哪个算法做的，你是不是会更加相信我了？既然图片的造假是无中生有的，那么它一定是基于某种规则去生成的，这就会留下很多的痕迹，我们把它叫做模型指纹。就像人的指纹一样，拿到这个指纹之后，通过溯源模型，我们就能知道它的伪造算法是哪一个，这能让你更加相信。

上面两个方法都是通过技术去试图降低谣言的传播。但我在这10年里面发现，其实谣言的治理不止是一个技术问题，它更是一个社会问题。

▲ 只要关注消息“准确度”，转发假新闻的意愿会下降21.4%

Pennycook et al., Shifting attention to accuracy can reduce misinformationonline. Nature 592, 2021.

同学、朋友在给我发信息求证的时候，我相信他们心里一定已经有了答案：我要不要转发这条信息，是不是？我的想法也正好得到了《自然》（Nature）2021年一项工作的证实。这个工作证明一个人在阅读虚假信息的时候，你只要在中间插入一个环节，问他“这个信息是真的吗？”，他转发谣言的意愿就会降低21%。也就是说，只要你开始关注“信息是不是准确的”这个问题以后，你转发的动力就会降低。

所以回顾这10年里面，我已经在点点滴滴中影响到了身边的人，在他们建立媒体的思辨习惯的时候做了一点小小的贡献。

最后，我希望在这个领域里面继续探索，做一个更加专业的“女侦探”，用技术让生活更加美好。谢谢大家！

库叔福利

库叔的赠书活动一直都在！湖南人民出版社为库叔提供25本《内在和解》赠予热心读者。你不需要战胜压力，只需要与之聪明相处。请大家在文章下评论，点赞最高的前3名（数量超过50）将得到赠书。

原标题：《分析了百万条谣言后，我们得出一个不想承认的事实……》

阅读原文