stephenlzc/mba-aigc-detector

MBA论文AIGC检测系统

基于5模型并联融合的MBA论文AIGC风险识别系统。

---

项目链接

平台	链接	说明
GitHub	https://github.com/stephenlzc/mba-aigc-detector	本仓库：完整代码、文档
HuggingFace	https://huggingface.co/stephenlzc/mba-aigc-detector	预训练模型权重（~60KB）

特点

• 🎯 高Recall设计: 宁可假阳不要假阴，最大化检出率
• 🔗 5模型并联: OR逻辑，任一阳性即阳性
• 📊 CNKI校准: 输出分数接近知网AIGC检测AI特征值
• 🚀 本地运行: 支持ollama本地部署，保护隐私

快速开始

安装依赖

pip install -r requirements.txt

下载模型

从HuggingFace下载预训练模型（总共~60KB，轻量高效）：

# 方法1: 使用huggingface-cli
huggingface-cli download stephenlzc/mba-aigc-detector --local-dir ./models

# 方法2: 使用git-lfs
git lfs install
git clone https://huggingface.co/stephenlzc/mba-aigc-detector ./models

# 方法3: 直接下载
wget https://huggingface.co/stephenlzc/mba-aigc-detector/resolve/main/select5_tree_d2.joblib -O ./models/select5_tree_d2.joblib
wget https://huggingface.co/stephenlzc/mba-aigc-detector/resolve/main/select10_tree_d2.joblib -O ./models/select10_tree_d2.joblib
wget https://huggingface.co/stephenlzc/mba-aigc-detector/resolve/main/select15_tree_d3.joblib -O ./models/select15_tree_d3.joblib
wget https://huggingface.co/stephenlzc/mba-aigc-detector/resolve/main/select20_tree_d2.joblib -O ./models/select20_tree_d2.joblib
wget https://huggingface.co/stephenlzc/mba-aigc-detector/resolve/main/bert_tree_d1.joblib -O ./models/bert_tree_d1.joblib

单文档检测

from fusion_detector import FusionDetector
from feature_extractor import FeatureExtractor
from document_processor import DocumentProcessor

# 初始化
detector = FusionDetector(models_dir="./models")
extractor = FeatureExtractor()
processor = DocumentProcessor()

# 处理文档
text = processor.read_pdf("paper.pdf")
paragraphs = processor.split_paragraphs(text)

# 提取特征并检测
features = [extractor.extract(p) for p in paragraphs]
result = detector.predict_document(features)

print(f"AIGC分数: {result['doc_calibrated_score']:.1%}")
print(f"风险等级: {result['risk_level']}")

使用校准版检测器（推荐）

from fusion_detector_cnki_calibrated import create_calibrated_detector

# 方法1: 通过参数指定模型目录
detector = create_calibrated_detector(models_dir="./models")

# 方法2: 通过环境变量设置模型目录
import os
os.environ["MBA_AIGC_MODEL_DIR"] = "./models"
detector = create_calibrated_detector()

result = detector.predict_document(features)

# 输出接近CNKI的AI特征值
print(f"CNKI校准AIGC分数: {result['doc_calibrated_score']:.1%}")

命令行使用

# 基本使用
python inference.py paper.pdf

# 指定输出文件
python inference.py paper.pdf -o result.json

# 指定模型目录
python inference.py paper.pdf --models ./models -o result.json

# 或通过环境变量设置模型目录
export MBA_AIGC_MODEL_DIR="./models"
python inference.py paper.pdf

模型架构

输入文本
    │
    ├─→ Select5_Tree ──┐
    ├─→ Select10_Tree ─┤
    ├─→ Select15_Tree ─┼─→ OR Gate ─→ CNKI校准 ─→ 输出
    ├─→ Select20_Tree ─┤  (任一阳性即阳性)
    └─→ BERT_Tree ─────┘

预训练模型

本系统的BERT特征提取基于中文RoBERTa模型：

模型	来源	用途	链接
chinese-roberta-wwm-ext	哈工大讯飞联合实验室	768维语义特征提取	https://huggingface.co/hfl/chinese-roberta-wwm-ext

RoBERTa (Robustly optimized BERT approach) 采用全词掩码(Whole Word Masking)技术，对中文文本有更好的表征能力。

模型大小优势

本系统采用决策树架构，模型文件极小：

模型	文件大小	说明
select5_tree_d2	~4KB	5特征决策树
select10_tree_d2	~8KB	10特征决策树
select15_tree_d3	~16KB	15特征决策树
select20_tree_d2	~12KB	20特征决策树
bert_tree_d1	~6KB	BERT特征决策树
总计	~60KB	全部5个模型

相比神经网络模型（通常几MB到几GB），本系统模型体积缩小了99%以上，适合轻量部署和资源受限环境。

性能指标

指标	Train	Test
Recall	0.895	0.974
假阴性率	10.5%	2.6%

目录结构

.
├── fusion_detector.py              # 基础检测器
├── fusion_detector_cnki_calibrated.py  # CNKI校准版 ⭐推荐
├── feature_extractor.py            # 特征提取
├── document_processor.py           # 文档处理
├── inference.py                    # 推理脚本
├── requirements.txt                # 依赖
└── README.md                       # 本文件

配置文件

校准配置 (calibration_config.json)

{
  "calibration_factor": 0.3,
  "thresholds": {
    "select5_tree_d2": 0.50,
    "select10_tree_d2": 0.50,
    "select15_tree_d3": 0.50,
    "select20_tree_d2": 0.50,
    "bert_tree_d1": 0.40
  },
  "risk_thresholds": {
    "low": 0.15,
    "medium": 0.30,
    "high": 0.50
  }
}

风险等级说明

等级	AIGC分数	说明
低风险	<15%	疑似人工写作
中风险	15-30%	部分AI痕迹
较高风险	30-50%	明显AI痕迹
高风险	>50%	高度疑似AI生成

免责声明

本系统输出仅供参考，不构成对学术不端行为的直接认定，也不替代学校官方检测系统或CNKI等权威检测结果。

License

MIT License - 详见 LICENSE 文件