买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湘江实验室申请的专利多检测模型AI合成内容检测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121561354B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610086259.5，技术领域涉及：G06F18/20；该发明授权多检测模型AI合成内容检测方法、装置、设备及介质是由张震;张明茜;田志平;王知琪;马良杰;黄山设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本多检测模型AI合成内容检测方法、装置、设备及介质在说明书摘要公布了：本发明属于人工智能生成检测领域，本发明提供了一种多检测模型AI合成内容检测方法、装置、设备及介质，包括：获取目标检测内容，对目标检测内容采用AI合成内容检测模型进行处理，得到检测结果，其中检测结果包括AI合成等级和检测模型的可靠性，其中目标检测内容为图片、音频、视频及文本中的一种，其中AI合成内容检测模型通过迭代训练得到。本发明的有益效果为：能够在不依赖真值标签的前提下，同时推断每条多媒体内容的真实创作来源等级并动态量化各检测模型在特定模态与题材下的可信度，提高了多检测模型AI合成内容检测效率和准确率。

本发明授权多检测模型AI合成内容检测方法、装置、设备及介质在权利要求书中公布了：1.一种多检测模型AI合成内容检测方法，其特征在于，包括： 获取目标检测内容，对目标检测内容采用AI合成内容检测模型进行处理，得到检测结果，其中检测结果包括AI合成等级和检测模型的可靠性，其中目标检测内容为图片、音频、视频及文本中的一种； 所述AI合成内容检测模型通过以下步骤得到： 获取AI合成评级原始数据集，其中AI合成评级原始数据集为评级矩阵，其中评级矩阵用于表征检测模型对检测内容的AI合成等级评估结果； 根据AI合成评级原始数据集确定检测模型的可靠性，根据检测模型的可靠性和检测模型对检测内容的AI合成等级评估结果，采用贝叶斯确定检测模型的变量关系； 对检测内容分配隐藏变量，通过隐藏变量及AI合成评级原始数据集确定第一模型参数，根据第一模型参数采用似然函数确定联合似然函数； 根据AI合成评级原始数据集及第一模型参数确定迭代后的第二模型参数，对第二模型参数采用联合似然函数和期望最大化算法迭代确定Q函数； 每次迭代时，以所述Q函数的最大值作为下一次迭代的第三模型参数，根据第三模型参数对检测模型的变量关系进行优化更新，得到优化变量关系，通过优化变量关系对第三模型参数进行迭代更新，得到AI合成内容检测模型； 所述AI合成评级原始数据集为的评级矩阵，表示个检测模型对个检测内容的AI合成等级评级结果，表示第个检测模型，表示第个检测内容，其中，表示将检测模型对检测内容的AI合成等级的评级划分为第一等级、第二等级及第三等级，其中第一等级表示人类创作，第二等级表示人机协同，第三等级表示纯AI生成； 所述对检测内容分配隐藏变量，通过隐藏变量及AI合成评级原始数据集确定第一模型参数，根据第一模型参数采用似然函数确定联合似然函数，包括： 在每个检测内容添加隐藏变量，其中隐藏变量表示检测内容的AI合成等级为第一等级、第二等级或第三等级时，隐藏变量与检测内容的AI合成等级一致； 通过隐藏变量及AI合成评级原始数据集确定第一模型参数为： 根据第一模型参数采用似然函数进行计算，得到联合似然函数为： 其中联合似然函数用于表征评级矩阵与隐藏变量的似然为，为概率，且有 其中为检测模型在检测内容实际评级为第一等级时，评价检测内容为第一等级的概率；为检测模型在检测内容实际评级为第二等级时，评价检测内容为第二等级的概率；为检测模型在检测内容实际评级为第三等级时，评价检测内容为第三等级的概率；、和为背景偏差，表示随机选择的检测内容评级为第一等级、第二等级及第三等级的总体概率，且； 所述根据AI合成评级原始数据集及第一模型参数确定迭代后的第二模型参数，对第二模型参数采用联合似然函数和期望最大化算法迭代确定Q函数，包括： 对第二模型参数采用联合似然函数和期望最大化算法迭代确定的Q函数的期望步骤为： 其中，表示评级矩阵中第列，表示所有检测模型对第个检测内容的评级；表示第次迭代后的模型参数估计值；为在给定第个检测内容相关的评级矩阵和的当前估计值的情况下，隐藏变量第一等级、第二等级及第三等级的概率，表示为： 其中，、和分别表示关于第个检测内容的评级结果的条件概率，以及在给定第个检测内容为第一等级、第二等级或者第三等级的情况下，对参数的当前估计，其中： 根据，确定Q函数为： 所述每次迭代时，以所述Q函数的最大值作为下一次迭代的第三模型参数，根据第三模型参数对检测模型的变量关系进行优化更新，得到优化变量关系，通过优化变量关系对第三模型参数进行迭代更新，得到AI合成内容检测模型，包括： 每次迭代时，采用使Q函数的函数值最大化的模型作为下一轮迭代的第三模型参数，其中包括、、及，其中、及的计算方式为： 其中，为检测模型在评级矩阵中评级为第一等级的检测内容集合，为检测模型在评级矩阵中评级不为第一等级的检测内容集合；为检测模型在评级矩阵中评级为第二等级的检测内容集合，为检测模型在评级矩阵中评级不为第二等级的检测内容集合；为检测模型在评级矩阵中评级为第三等级的检测内容集合，为检测模型在评级矩阵中评级不为第三等级的检测内容集合； 根据确定下一迭代时、及为： 其中，、及采用拉格朗日乘数法进行计算： 其中，为构造拉格朗日函数，为拉格朗日乘数； 根据、及确定下一迭代时的、及为： 根据、、、、及确定第三模型参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湘江实验室，其通讯地址为：410000 湖南省长沙市长沙高新区尖山路217号北斗产业园1栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。