发布时间：2019-06-26 文章来源：广播与电视技术

 

　　在音频效果智能识别监测方面，基于训练数据集作为信道模型，从混合信号和参考信号中提取比对分离音频指纹特征，通过迭代搜索计算音频指纹的最大匹配相似距离，结合语音识别、语种识别、语义判断等，实现音频效果的人工智能评估。在音视频内容方面，基于文字识别、语音语种识别、人脸识别、图像比对识别、场景识别、视频拷贝检测等方法，利用黑白名单比对、机器深度学习、光学字符识别(OCR，Optical Character Recognition)等多种技术定位标识目标物体，通过声学模型、特征提取模型、模式匹配等建立针对语音、图片、视频、舆情等的提取分类识别、多维度审核、智能分析研判，实现对媒体资源内容的监测监管。

 

　　3.2 监测监管数据信息的智能编目

 

　　智能编目是指数增长的监测监管数据信息智能化管理的最有效方式。通过智能识别、语义判断、机器学习等，对监测监管数据信息资源的形式、内容特征进行分析、选择、记录，并赋予某种检索标识，并将这些描述信息按照一定的规则有序化的组织起来。

 

　　监测监管数据信息的智能编目由音视频结构化、知识图谱和大数据检索等三部分组成。音视频结构化完成对基础元素和内容的提取和整理，并解构成可以被碎片化使用的组件;知识图谱用于将得到的事件、人物、物体、场景等信息有序梳理，并以便于检索和关联的形式进行存储和呈现;大数据检索则在前两者的基础上，提供海量监测监管数据信息的高效检索，可以根据人物特征、人脸特征、图像特征、视频特征及更复杂的组合结构，快速地提供数据检索服务。例如，通过人脸、字幕、台标、结构化、声音等进行智能编目，产生片段、场景、镜头、人脸、字幕、台标、声音等相应的编目信息结果，同时利用大数据能力和算法，实现监测监管行为数据标签管理。

 

　　3.3 网络安全智能态势感知

 

　　态势感知是一种以安全大数据为基础，动态的、基于整体环境的洞悉安全威胁和安全风险的一种方式，并从全局视角确定安全威胁、相应处置能力，并最终形成决策与行动。智能态势感知需要对广播电视网络终端、关键网络节点安放智能探测器，接受网络环境和风险情况，并对海量安全数据进行关联分析和行为建模，实现对漏洞、威胁、风险、攻击等的全面态势感知，并对网络安全和终端安全给出预警，并进行阻断、修复等自适应自动决策处理，来止损全链条的自动化智能响应，同时通过提前预设对抗样本对模型做专项对抗训练，测试模型的稳定性和安全性。

 

　　3.4 监测监管的智能系统应用架构