成大數據所團隊獲補助 將開發系統專抓假訊息與反霸凌

成大統計系暨數據科學所副教授李政德團隊曾與世界海關組織（World Customs Organization）國際合作，開發機器學習非法進口申報偵測模型，打擊犯罪，最近再獲傑出人才基金會第9屆「年輕學者創意獎」，將接受獎助3年150萬元，開發機器學習與圖神經網路技術，讓社群媒體有兼具隱私與道德的判斷依據，減少使用者被假消息誤導或遭受網路霸凌的可能。

科技成熟與行動裝置普及讓人們大量仰賴社群媒體獲取新知、交流互動，但大量個資暴露與長時間網路使用習慣，也造成社群網路中假訊息、網路霸凌和仇恨言論流竄，帶來不少社會隱憂。

李政德是國內少數橫跨資訊工程與統計科學的跨領域學術人才，自稱是「資深鄉民」的他，見到當代社群媒體中假新聞橫行、個資洩漏、網路霸凌等隱私與道德事件層出不窮，尤其在選舉期間，有關政治類的假新聞占所有假訊息中近1/3，促成他思考能否用自己的專業協助建構更健康的網路社群環境。

李政德團隊的研究中，利用「圖神經網路」技術，包括作為一種資料表示方式，可以用來描述資料彼此間節點與連線的關係，捕捉人事時地物的各種關聯性；及作為一種人工智慧技術，提供機器從網路資料中學習表示個體潛在行為，用以分類個體並預測未來行為趨勢。應用在社群媒體上，一方面能藉由歸納特定行為的相關性與因果關係，達到預測惡意行為的效果；一方面也可以針對用戶貼標，偵測具有不法傾向的用戶。

在此獎項的資助下，李政德預計設計攻擊模型（Attack Model）打擊侵犯個資與逾越道德界限的社群行為，包含假新聞偵測、網路霸凌預測、以及仇恨言論掃除，藉此提高社群服務之道德品質；另一方面，也設計防禦模型（Defense Model）保護社群用戶的個人隱私，包含洩漏隱私之個資偵測與建議修正，並在使用者產生的內容上，自動隱藏或建議調整會洩漏隱私的個人資訊。

而為了平衡攻擊模型與防禦模型所犧牲的社群服務用戶品質，李政德打算透過多模態（multi-modal）圖神經網路架構，來學習不同模態如文字、社交互動、個資與影音彼此之關聯，藉此在兼顧AI道德和隱私下，維持社群服務的品質，如廣告商品推薦以及用戶貼標；並透過多任務圖神經網路學習（Ｍulti-Task GNN Learning），同時進行內容分類、連結預測、用戶社群網路特徵學習以及項目知識表示學習，來減輕資料偏差（bias）並使推薦結果保有公平性。