阿里研發(fā)AI技術(shù)0.15秒識別攔截外語臟話圖

9月27日消息，阿里安全算法團隊宣布，其研發(fā)用于網(wǎng)絡(luò)臟話的AI（OCR）技術(shù)，已能識別近30種語言，包括嵌入圖片中的英文、阿拉伯、俄語、法語、西語、日語、韓語、泰語、越南語、波斯語、孟加拉、尼泊爾、僧伽羅、朝鮮、蘇丹、德語、荷蘭語，以及馬來語、塔加洛語、土耳其語、意大利語、印尼語等國語言，甚至還包括三種中國少數(shù)民族語言。

據(jù)了解，在部分國際平臺中，“買家”在商品評論中以英語評論圖罵人，或者在交互場景中，買賣雙方以俄語臟話圖片對陣。國際平臺風控團隊和算法團隊復盤了很多案例，發(fā)現(xiàn)除了多語種臟話，多語種垃圾廣告以及不良信息也會暗藏在圖片中，試圖對抗風控。

阿里安全高級算法工程師沄帆介紹，要識別多語種文字，就要了解各個語言文字特點，以及影響算法識別的問題。每種文字體系都有自己的字體，不同字體會導致同一字符出現(xiàn)字形上的差異，相同的單詞在不同的語種里也可能有不同的含義。

除此之外，還有臟話圖以置換正常字符順序，對抗風控的情況出現(xiàn)，即使調(diào)換字符順序，人還是可以輕而易舉地判斷單詞的含義，但這種“攻擊”試圖以打亂字母順序的方式騙過機器識別。

通過一年多努力研究，阿里安全算法團隊對這些點進行了逐個突破，通過改進多語言樣本生成方案與多語種識別模型框架，在多種圖片語言的識別上做到了高識別率，以及做到識別1張臟話圖只需0.15秒的速度。

目前該技術(shù)也已應用在阿里多項國際業(yè)務(wù)中，總體識別準確率可達95%以上，并對各種藝術(shù)字體、復雜背景以及手寫圖進行了針對性識別優(yōu)化。