AI 内容真实性检测系统产品系统

随着生成式 AI（如 ChatGPT、Stable Diffusion）的普及，虚假信息传播风险日益增加。本项目开发了一套多模态检测系统，用于识别文本、图像及混合内容是否由 AI 伪造。适用于内容审核平台、版权验证及金融反欺诈等对内容真实性要求极高的场景。

1. 文本真实性检测：基于 BERT 模型进行微调（Fine-tuning），通过提取深层语义特征识别 AI 生成文本，准确率达 87.3%；
2. 图像伪造识别：融合 ConvNeXt 与 Swin Transformer 的多尺度特征，利用迁移学习实现对 AI 生成图片的精准检测；
3. 多模态特征融合：设计加权融合策略处理图文混合内容，F1-Score 达到 91.2%；
4. 全异步 Web 架构：采用 FastAPI + Pydantic 实现高性能数据校验与检测接口，前端基于 Vite 提供流畅的可视化交互体验。

我独立完成了从多模态模型设计到 Web 系统的搭建。针对大模型生成文本的统计特征设计了专门的特征工程，并通过对比学习提升了模型泛化能力。在后端实现上，充分利用了 FastAPI 的异步特性以支撑多用户并发检测的需求。