阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 163.com/dy/article/HF5UJGGH05319928.html 「数据不吹牛」欢迎转载，保留摘要，谢谢！

---

🙂🙂🙂关注**微信公众号：【芋道源码】**有福利：

1. RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
2. RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
3. 您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
4. 新的源码解析文章实时收到通知。每周更新一篇左右。
5. 认真的源码交流微信群。

---

扩展阅读

在诸多审查工具中，“AI 鉴黄”是最新也最高效的一种。

简单来说，“AI 鉴黄”就是通过深度神经网络，按照各种描述特征来提取图像中的关键点，比如是否出现皮肤裸露等等，将色情图片与正常图片进行分类。

读到这里，大家可能会发现，“AI 鉴黄”还存在一些严峻的挑战，比如：

1.色情图像和正常图像有很多相似之处，判断非常复杂。游泳、比基尼等图片中同样也有大量裸露皮肤，被错误地归类为色情并删除，很可能影响用户网上冲浪的体验。

2.判断色情的标准不同。法官斯图尔特曾有句名言，我无法定义色情，但当我看到它时，我就知道了。对色情内容的监测也有一定的主观性，AI 往往会根据特征对裸露身体的大卫塑像而“痛下杀手”，却对部分软色情轻松放过。

3.依赖训练数据带来的风险。那么，是不是给 AI 尽可能多地语料就能帮助它提升识别的准确率呢？答案也不行。基于深度学习的黑箱性，攻击者如果知道 AI 鉴黄是根据哪些数据训练出来的，就可以有针对性地攻击、对抗这个模型，使其很快失效。

这也是为什么，人工鉴黄师，即人类审查员，依然还需要兢兢业业地在岗位上为冲浪护航。