xiaohuaaibiancheng/service

🔍 CredenceAI 多模态虚假新闻检测平台 — 融合AI生成检测、新闻可信度评估、传播特征分析与深度逻辑验证的四位一体治理体系

2

stars

15

commits

HTML

primary language

May 1, 2026

updated

README

CredenceAI 多模态虚假新闻检测平台


🌐 项目背景

政策驱动:响应中央网信办"清朗AI"专项行动要求,构建覆盖内容治理、传播链追踪、公众教育、协同免疫的「四位一体」治理体系
技术使命:应对AI生成内容泛滥的挑战,打造融合传统特征分析与大模型技术的虚假新闻检测解决方案


🚀 核心功能亮点

多维度检测体系

检测维度技术方案创新点
AI生成检测Fast-DetectGPT优化方案 + CFFN多模态模型中文场景下AI生成文本识别准确率提升35%,图文不一致检测F1值达89%
新闻可信度贝叶斯自适应模型 + 媒体权威分级构建动态媒体信任评估系统,支持3000+新闻源实时评分更新
传播特征分析时空传播图谱 + 用户画像聚类虚假新闻传播模式识别准确率82%,支持跨平台传播路径可视化
深度逻辑验证DeepSeek大模型三维评估框架(逻辑一致性/因果合理性/叙事客观性)实现新闻内容矛盾点自动标注,生成可解释性分析报告

特色功能模块

智能取证工坊:支持谣言传播路径追踪与证据链自动生成 • 热点谣言地图:省级粒度的实时谣言分布热力图(支持时间轴回溯) • AI对抗实验室:提供"以AI对抗AI"的谣言生成/检测沙箱环境 • 数字免疫力测评:包含新闻真实性测试题库与个性化能力提升方案


🛠️ 技术架构

系统架构图

[用户端] → (REST API) → [核心引擎层] ←→ [知识库系统]
                    │
                    ├─ 特征提取引擎(BERT/ERNIE/TF-IDF)
                    ├─ 多模态分析引擎(CFFN/Swin Transformer)
                    ├─ 传播分析引擎(时空图神经网络)
                    └─ 大模型推理引擎(DeepSeek/ERNIE 3.0)

关键技术栈

NLP处理:BERT-wwm-ext / ERNIE 3.0 / TextRank • 多模态分析:CFFN(Consistency-learning Fine-grained Fusion Network) • 传播建模:GraphSAGE + 时空注意力机制 • 大模型应用:DeepSeek-R1 微调框架


graph TD
    A[用户端] --> B(REST API)
    B --> C[核心引擎层]
    C --> D[知识库系统]
    C -->|数据流| E[特征提取引擎]
    C -->|多模态分析| F[视觉语义解析]
    C -->|传播建模| G[图神经网络]
    C -->|逻辑推理| H[大模型服务]
    
    E -->|BERT/ERNIE| I[文本特征]
    F -->|Swin-T| J[图像特征]
    G -->|GraphSAGE| K[传播图谱]
    H -->|DeepSeek| L[逻辑验证]

📊 性能指标

指标测试集表现行业基准对比优势
准确率92.3%+7.8pp
多模态检测F189.1%+12.4pp
传播模式识别85.6%+19.2pp
处理速度2.3s/篇3倍于传统方案

🖥️ 部署指南

环境准备

1. 克隆项目

git clone <repository-url>

2. 创建虚拟环境(推荐Conda)

conda create --name news_detect python=3.11
conda activate news_detect

3. 安装依赖项

pip install -r requirements.txt

4. 配置环境变量

# 复制环境模板文件
cp .env.example .env

# 编辑配置参数(建议使用VS Code)
code .env

系统配置

采用集中式配置管理,配置文件位于src/config.py

配置方式二选一:

1️⃣ 环境变量法(推荐) • 在.env文件中设置参数 • 支持热更新(无需重启服务)

2️⃣ 直接修改法 • 编辑src/config.py的默认值 • 需重启服务生效

核心配置参数

配置类别关键参数说明
API密钥OPENAI_API_KEY必填项,获取地址:OpenAI平台
SERPAPI_API_KEY搜索引擎API密钥
模型配置OPENAI_MODEL默认gpt-4o-mini
EMBEDDING_DEVICE优先选择cuda(需NVIDIA显卡)
应用设置SECRET_KEYFlask会话密钥
DEBUG生产环境需设为False

数据资源部署

📁 百度网盘资源

链接:https://pan.baidu.com/s/14qxSO4LPOJtozEm7hPRHBQ 
提取码:dpc3

文件目录说明

  1. 模型文件 • 存放路径:项目根目录 /model • 包含NLP模型和本地推理模型

  2. 检测数据output_data.jsonsrc/static/backend/ • 历史检测结果存储文件

  3. 向量存储storage/src/static/backend/ • 新闻特征向量数据库

  4. 多模态检测模块MultiModal_DeepFake_main/src/frontend/ • 包含图像/视频检测组件

系统启动

# 启动Flask服务
python run.py

# 成功启动后访问
http://localhost:5000

注意:使用OpenAI API会产生费用,建议通过.env中的USE_OPENAI_API参数控制调用策略。本地模型支持常见的中文预训练模型。

文件夹配置

🌳 核心结构

├── run.py # 🚀 系统启动入口(Flask应用主程序) ├── src/ # 💻 核心代码库(遵循MVC设计模式) │ ├── init.py # 🔌 应用初始化模块(蓝本注册/依赖注入) │ ├── backend/ # 🛠️ 业务逻辑层(路由控制/数据处理) │ ├── frontend/ # 🎨 用户交互层(界面逻辑/可视化组件) │ ├── static/ # 🖼️ 静态资源池(CSS/JS/图标库) │ └── templates/ # 🖥️ 模板引擎 ├── model/ # 🤖 模型仓库(版本化管理) ├── uploads/ # 📤 用户上传区(自动分日期存储) ├── data/ # 🗃️ 外部数据 ├── .env # 🔒 环境密钥库(生产环境配置) └── .env.example # 🧪 环境模板(新用户指引)

开源政策

本项目采用 Apache 2.0 开源协议,模型权重文件遵循附加使用条款(详见MODEL_LICENSE)

https://i1.hdslb.com/bfs/archive/eb847128069b80c39a63d05c1e695ce09b32bce5.jpg


📮 视频介绍

B站视频

📮 技术支持

核心团队:秃头也要上
技术咨询2625464350@qq.com

可信AI认证标志

Contributors

xiaohuaaibiancheng/service

🔍 CredenceAI 多模态虚假新闻检测平台 — 融合AI生成检测、新闻可信度评估、传播特征分析与深度逻辑验证的四位一体治理体系

2

stars

15

commits

HTML

primary language

May 1, 2026

updated

README

CredenceAI 多模态虚假新闻检测平台


🌐 项目背景

政策驱动:响应中央网信办"清朗AI"专项行动要求,构建覆盖内容治理、传播链追踪、公众教育、协同免疫的「四位一体」治理体系
技术使命:应对AI生成内容泛滥的挑战,打造融合传统特征分析与大模型技术的虚假新闻检测解决方案


🚀 核心功能亮点

多维度检测体系

检测维度技术方案创新点
AI生成检测Fast-DetectGPT优化方案 + CFFN多模态模型中文场景下AI生成文本识别准确率提升35%,图文不一致检测F1值达89%
新闻可信度贝叶斯自适应模型 + 媒体权威分级构建动态媒体信任评估系统,支持3000+新闻源实时评分更新
传播特征分析时空传播图谱 + 用户画像聚类虚假新闻传播模式识别准确率82%,支持跨平台传播路径可视化
深度逻辑验证DeepSeek大模型三维评估框架(逻辑一致性/因果合理性/叙事客观性)实现新闻内容矛盾点自动标注,生成可解释性分析报告

特色功能模块

智能取证工坊:支持谣言传播路径追踪与证据链自动生成 • 热点谣言地图:省级粒度的实时谣言分布热力图(支持时间轴回溯) • AI对抗实验室:提供"以AI对抗AI"的谣言生成/检测沙箱环境 • 数字免疫力测评:包含新闻真实性测试题库与个性化能力提升方案


🛠️ 技术架构

系统架构图

[用户端] → (REST API) → [核心引擎层] ←→ [知识库系统]
                    │
                    ├─ 特征提取引擎(BERT/ERNIE/TF-IDF)
                    ├─ 多模态分析引擎(CFFN/Swin Transformer)
                    ├─ 传播分析引擎(时空图神经网络)
                    └─ 大模型推理引擎(DeepSeek/ERNIE 3.0)

关键技术栈

NLP处理:BERT-wwm-ext / ERNIE 3.0 / TextRank • 多模态分析:CFFN(Consistency-learning Fine-grained Fusion Network) • 传播建模:GraphSAGE + 时空注意力机制 • 大模型应用:DeepSeek-R1 微调框架


graph TD
    A[用户端] --> B(REST API)
    B --> C[核心引擎层]
    C --> D[知识库系统]
    C -->|数据流| E[特征提取引擎]
    C -->|多模态分析| F[视觉语义解析]
    C -->|传播建模| G[图神经网络]
    C -->|逻辑推理| H[大模型服务]
    
    E -->|BERT/ERNIE| I[文本特征]
    F -->|Swin-T| J[图像特征]
    G -->|GraphSAGE| K[传播图谱]
    H -->|DeepSeek| L[逻辑验证]

📊 性能指标

指标测试集表现行业基准对比优势
准确率92.3%+7.8pp
多模态检测F189.1%+12.4pp
传播模式识别85.6%+19.2pp
处理速度2.3s/篇3倍于传统方案

🖥️ 部署指南

环境准备

1. 克隆项目

git clone <repository-url>

2. 创建虚拟环境(推荐Conda)

conda create --name news_detect python=3.11
conda activate news_detect

3. 安装依赖项

pip install -r requirements.txt

4. 配置环境变量

# 复制环境模板文件
cp .env.example .env

# 编辑配置参数(建议使用VS Code)
code .env

系统配置

采用集中式配置管理,配置文件位于src/config.py

配置方式二选一:

1️⃣ 环境变量法(推荐) • 在.env文件中设置参数 • 支持热更新(无需重启服务)

2️⃣ 直接修改法 • 编辑src/config.py的默认值 • 需重启服务生效

核心配置参数

配置类别关键参数说明
API密钥OPENAI_API_KEY必填项,获取地址:OpenAI平台
SERPAPI_API_KEY搜索引擎API密钥
模型配置OPENAI_MODEL默认gpt-4o-mini
EMBEDDING_DEVICE优先选择cuda(需NVIDIA显卡)
应用设置SECRET_KEYFlask会话密钥
DEBUG生产环境需设为False

数据资源部署

📁 百度网盘资源

链接:https://pan.baidu.com/s/14qxSO4LPOJtozEm7hPRHBQ 
提取码:dpc3

文件目录说明

  1. 模型文件 • 存放路径:项目根目录 /model • 包含NLP模型和本地推理模型

  2. 检测数据output_data.jsonsrc/static/backend/ • 历史检测结果存储文件

  3. 向量存储storage/src/static/backend/ • 新闻特征向量数据库

  4. 多模态检测模块MultiModal_DeepFake_main/src/frontend/ • 包含图像/视频检测组件

系统启动

# 启动Flask服务
python run.py

# 成功启动后访问
http://localhost:5000

注意:使用OpenAI API会产生费用,建议通过.env中的USE_OPENAI_API参数控制调用策略。本地模型支持常见的中文预训练模型。

文件夹配置

🌳 核心结构

├── run.py # 🚀 系统启动入口(Flask应用主程序) ├── src/ # 💻 核心代码库(遵循MVC设计模式) │ ├── init.py # 🔌 应用初始化模块(蓝本注册/依赖注入) │ ├── backend/ # 🛠️ 业务逻辑层(路由控制/数据处理) │ ├── frontend/ # 🎨 用户交互层(界面逻辑/可视化组件) │ ├── static/ # 🖼️ 静态资源池(CSS/JS/图标库) │ └── templates/ # 🖥️ 模板引擎 ├── model/ # 🤖 模型仓库(版本化管理) ├── uploads/ # 📤 用户上传区(自动分日期存储) ├── data/ # 🗃️ 外部数据 ├── .env # 🔒 环境密钥库(生产环境配置) └── .env.example # 🧪 环境模板(新用户指引)

开源政策

本项目采用 Apache 2.0 开源协议,模型权重文件遵循附加使用条款(详见MODEL_LICENSE)

https://i1.hdslb.com/bfs/archive/eb847128069b80c39a63d05c1e695ce09b32bce5.jpg


📮 视频介绍

B站视频

📮 技术支持

核心团队:秃头也要上
技术咨询2625464350@qq.com

可信AI认证标志

Contributors

Languages

HTML

46.6%

Python

28.6%

CSS

21.7%

JavaScript

3.1%