为应对 AI 深度伪造带来的安全风险，蚂蚁数科联合高校设计了一种全新的学习框架，可以将图像信息 中的纹理、颜色、边缘等特征解耦并完成多尺度特征分析，大大提升深度伪造的"解题"难度。与此同 时，蚂蚁数科提供一种"关键遗忘"机制，可以让检测模型忽略常见的伪造痕迹，转而去捕捉更深层的伪 造特征，从而提升对未知伪造手法的识别与预警能力。 蚂蚁数科与华东师范大学合作，在零知识证明领域取得两项关键突破，提出构建了业界首个可验证图数 据查询算法和业界首个可验证联邦学习框架ZKSL，为企业间跨组织的智能体协作构建一个可信的底层 协议层，以快速生成验证证明，确保协同决策的可信与高效。 记者注意到，蚂蚁数科研究成果覆盖NeurIPS、USENIX Security、CCS、NDSS、ICDE等多个前沿领域 的国际顶级会议与期刊，标志着相关技术成果达到所属领域的全球领先水平。与此同时，蚂蚁数科与清 华大学、浙江大学、华东师范大学等高校建立了联合实验室、定向科研课题等深度合作机制，通过产学 研协同持续推动前沿技术探索与落地。 晓风 在 AI 时代，企业在迈向智能化的道路上正面临着三大关键挑战：如何在分布式环境中建立信任、如何 应对A ...