网络语言暴力

摘要： 网络语言暴力是一种严重损害名誉权和隐私权的民事侵权行为。由于网络的虚拟性,不少网络用户肆无忌惮的制造谣言甚至攻击侮辱诽谤他人,造成了极其恶劣的影响。本文首先讲述了网络语言暴力的概念以及网络语言暴力的特征,然后分析网络语言暴力侵权责任的构成要件和归责准则,接着阐述了我国网络语言暴力的法律规则现状及其问题,最后探究规制我国网络语言暴力行为的路径。

摘要： 互联网的快速发展使社会涌现出了诸多问题。大学生是上网人数较多的群体,也是社会发展的重要组成部分。本研究借助修订后的积极情感消极情感量表来测量网络语言暴力对大学生情感的影响,并且加入性别的因素探究网络语言暴力是否会对不同性别产生不同影响。32名广东某高校大学生参与本次研究,男女人数各占一半。数据分析表明,网络语言暴力会导致被试负性情感明显上升,正性情感明显下降,而男女情感变化并无显著差异。

摘要： 随着时代的发展,互联网逐渐成为网民必不可少的办公及学习工具。网络语言暴力影响着人们的心理与和谐社会风气的形成。文章在对网络语言暴力现象进行细致归类的基础上,多方位探究网络语言暴力的成因与消极影响,并提出相关的治理对策。

摘要： 互联网背景下,由网络暴力引发的恶性事件层出不穷。部分网络暴力行为已严重侵犯公民个人权利,扰乱社会秩序。作为法律体系中最为严厉的制裁手段,刑法应当发挥其效用,惩治网络暴力犯罪。现有的法条中设立侮辱、诽谤罪、寻衅滋事罪、拒不履行信息网络安全管理义务罪等规制手段,但实践中,因为网络空间的特殊性,立法和司法上对网络暴力行为的管控仍存在一定不足之处,部分罪名规制效果欠佳。因此,可通过司法解释、建立合规制度、加强自媒体监管等方式进一步完善。

摘要： 网络恶语是网络欺凌中较常见的一种形式。目前,青少年应对网络恶语的心理和行为趋于消极,为了使青少年有能力保护自己免受网络恶语的伤害,成为合格的数字公民,本研究首先梳理了网络恶语的特点、类型和对象,然后总结了国外帮助青少年应对网络恶语的经验,最后基于心理韧性理论,提出我国青少年应对网络恶语的“244”模式:“2”即双层,包括个体层面和社会层面;第一个“4”是指四个阶段,即预防、抵制、巩固、对网络生态的改变;第二个“4”指四个维度,即认知、情感、行为和环境。该模式以心理韧性为基础,多层次、多维度、多阶段的分析框架对网络欺凌研究有较高的参考价值。

摘要： 目的分析遵义市大学生网络语言暴力(network language violence,NLV)的表现形式、诱因、认知、行为动机等现状及影响因素,为提出降低大学生NLV对策提供参考。方法运用分层随机抽样方法对遵义市大学生NLV行为展开调查,对收集到的资料分不同年级不同行为动机进行χ^(2)检验,并对性别、专业、年级等进行单因素分析,对有统计学意义的变量进行多因素logistic回归分析。结果共调查遵义市大学生543名,实施NLV报告率为31.68%,而遭受NLV报告率高达60.00%。不同年级NLV行为动机χ^(2)检验中,只有表明立场这一动机有统计学意义(χ^(2)=9.083,P<0.01)。多因素logistic回归分析显示,上网时长1~3 h及6 h以上、发表评论、观点不同时反驳是大学生遭受NLV的危险因素,OR值分别为3.73、4.47、1.49、2.03(P均<0.05);女性是遭受NLV的保护因素(OR=0.37,P<0.001)。发表评论、观点不同时反驳、非医学专业及遭受过NLV是大学生实施NLV的危险因素,OR值分别为2.02、2.98、1.67、4.25(P均<0.05);而女性是大学生实施NLV的保护因素,OR值为0.24(P<0.05)。结论遵义市大学生NLV现象较为常见,应重视大学生这一群体,并注重高校大学生的心理问题,对遭受过NLV、常在网上发表评论及当观点不同时反驳的大学生给予关注。

摘要： 随着科技的发展,互联网已经成为人们生活中必不可少的工具,为人们学习和生活带来很多便利。大学生是上网人数最多的群体,但是由于网络本身的开放性和自由性等因素,近些年大学生网络语言暴力事件频频发生,这种现象给社会带来很多不良风气,影响社会文明的发展。相关部门要引起重视和思考,对大学生网络语言暴力问题进行分析和研究,并提出合理化建议和对应解决措施,促进大学生媒介素养的提高。本文主要介绍大学生网络语言暴力形成的原因以及解决措施,帮助大学生正确利用网络,成为互联网时代真正的受益者。

摘要： 网络的匿名性、虚拟性和信息碎片化特性放大了社会公众的消极情绪,网民采用网络语言暴力,污染了语言和社会生态。大学生是"互联网"的主流群体之一,也是网络语言暴力的主要实施群体,对大学生网络语言暴力行为调查具有重大意义。通过对甘肃6所大学的600名在校生进行调查问卷,探讨了甘肃在校大学生对网络语言暴力的认知和使用现状,分析了其使用网络语言暴力的原因,并提出了相应的防治措施。

摘要： 网络暴力行为,是指网民通过互联网平台,对尚未证实或者已经证实的事件、人物,发表具有侮辱性、伤害性、煽动性的言论、图片、视频,或公布当事人的个人信息、隐私,以对其进行现实生活的骚扰侵害,从而严重影响当事人的身心健康、正常生活的行为.网络暴力行为分为三类,即人肉搜索、网络语言暴力、网络谣言传播.网络暴力行为的刑事规制仍存在一些问题.为此,需要增加关于网络暴力行为的专项罪名,细化网络暴力行为的入罪标准,加快落实网络实名制.

摘要： 互联网的发展不仅给人们生活带来了极大的便利,同时也滋生了网络暴力,网络暴力已经严重侵犯了公民的隐私权、名誉权、人身权乃至健康权,有必要对其进行刑法规制。当前我国对网络暴力行为的刑法规制主要存在立法层面的入罪标准不合理和司法层面的具体环节处理难度大的问题。基于此,本文分别从立法层面和司法层面提出有针对性地完善建议。

摘要： 本发明提供一种基于双通道三维卷积神经网络的实时暴力行为检测系统，包括：视频采集模块，实时抓取视频帧，并分别送至所述视频处理模块及所述播放模块；视频处理模块，利用卷积神经网络对接收的视频帧进行特征提取，并将提取的特征进行组合，进而根据组合特征对图像数据进行分类；播放模块，将所述视频处理模块得到的图像分类结果标记到所述视频采集模块发送的视频帧中，向用户进行播放；所述视频采集模块、视频处理模块及播放模块并行工作。本发明通过引入双通道思想提高了识别的准确率，同时通过引入反卷积层实现了暴力行为发生的时间的精确定位。

摘要： 本发明公开了基于语言和肢体特征的自杀和暴力倾向情感识别方法。所述方法包括以下步骤：使用Kinect来收集视频和音频，分别将视频和音频中提取的语音特征和视觉特征转化为文本描述；将通过一个具有自组织映射层的神经网络对文本描述进行融合，得到文本描述嵌入向量；使用Softmax函数根据文本描述嵌入向量分析自杀和暴力倾向。本发明考虑到静态的身体动作和动态的身体动作，达到更高的效率。

摘要： 本发明提供一种网络与信息安全用防止网线被暴力拖拽的辅助装置，涉及网络信息安全技术领域。所述网络与信息安全用防止网线被暴力拖拽的辅助装置包括终端本体，所述终端本体一侧开设有插孔，还包括：固定杆，所述终端本体一侧连接有固定杆，所述网线缠绕于固定杆上；连接杆，所述固定杆上连接有若干个连接杆，所述连接杆对网线进行位置限定；弹性组件，所述连接杆上连接有弹性组件，所述弹性组件上连接有弧形压板，所述弧形压板与网线相接触。在固定杆上设置交叉分布的连接杆，因此，可以对网线进行不同部位的限制，当网线受到外力拉扯时，被拉扯的拉力由网线接口处转移至固定杆上远离终端本体的连接杆处，可以避免网线接口处损坏的优点。

摘要： 一种面向居家场景暴力行为监控的CRNN组合网络视频隐私保护度评价方法，通过压缩感知对输入视频进行多层降维处理，获得隐私保护的视频；利用迁移的卷积神经网络对多层压缩感知处理过的视频进行空间域特征提取，使用门控循环单元对提取到的空间域特征进行处理，得到时空域特征；对时空域特征使用回归函数获得视频的隐私保护分数；利用分类网络获得视频中关于暴力行为的识别率表征视频的实用性分数；对多层压缩感知视频的隐私保护性分数和实用性分数进行拟合得到两者的关联模型。本方法不仅可以根据隐私保护度的需求，调整视频的压缩感知层数，还能够在已知视频隐私保护分数的情况下，近似估计视频的实用性分数，从而消除性能不符合标准的数据来源。

摘要： 本发明涉及视频行为识别，具体涉及基于3DSE‑Densenet网络的视频暴力行为识别模型，包括依次连接的初始卷积层、池化层、密集块和全连接层，密集块之间连接有过渡层，初始卷积层将连续视频帧作为输入，并生成特征图，密集块根据每个特征通道的重要程度在通道维度上对原始特征进行重标定，池化层、过渡层对特征图进行下采样，并减少相邻密集块之间匹配输出和输入特征图的数量，密集块与全连接层之间通过全局平均池化操作连接起来进行分类；本发明提供的技术方案能够有效克服现有技术所存在的参数数量较多、视频暴力行为识别准确性较低的缺陷。

摘要： 本发明涉及网络与信息安全软件开发技术领域，且公开了一种网络与信息安全用防止网线被暴力拖拽的辅助装置，包括连接机构、减速机构，所述连接机构的内部包括挡杆，挡杆的表面活动连接有连杆，连杆的另一端活动连接有液囊，液囊的表面活动连接有推杆，推杆远离液囊的一端活动连接有卡扣，当网线受到突然踢踏或暴力拖拽时，挡杆固定在卡扣表面，在收卷辊可转动情况下，挡杆对挡块进行阻挡，当停止拖拽网线时，差速盘在扭簧的弹性势能带动下回转，收卷网线，网线带动导向轮转动的同时向外侧挤压导向轮，减速轮挤压网线，增大网线在导向轮处弯折角度，摩擦板摩擦减速轮，降低减速轮的转动，进一步减缓网线被拖拽时的移动速度。

摘要： 本申请公开了一种基于深度神经网络的视频暴力检测方法及装置，所述方法包括：检测目标视频中每个暴力子概念，所述暴力子概念为预先设置的传达暴力理念的K个客观的子概念；针对每个子概念，利用已训练的第一神经网络检测目标视频的视觉特征，利用已训练的第二神经网络检测目标视频的听觉特征；将所有子概念对应的所述视觉特征和所述听觉特征进行融合，根据融合得到的特征向量进行暴力行为检测。所述装置包括：暴力概念模块、混合特征模块和融合检测模块。本申请利用两个深度神经网络形成的暴力概念，最终形成一个暴力主题，从而达到了检测视频中普遍存在的暴力行为的目标。

摘要： 本申请公开了一种基于神经网络的暴力检测方法、装置、设备及介质，包括：将待检测的视频发送至预先部署在云平台的暴力检测模型，确定出安全等级；根据所述安全等级判断所述待检测视频是否为暴力事件；若确定出所述待检测视频含有暴力事件，根据所述安全等级发出对应的警告信息。本说明书实施例提出了一种暴力检测模型，将该模型部署到云平台，可以提供暴力检测，并确定出安全等级，便于通知监测人员，使得暴力事件得到快速的解决，有利于社会的安定。此外，本说明书实施例为了更好进行暴力检测，使用视频作为输入的数据，也就是对视频进行检测，而不是针对图片，这样就能更好的利用视频的序列信息，可以极大的提高暴力检测模型的准确率。

摘要： 本发明提供一种基于双流卷积神经网络的暴力行为识别方法，包括：采用摄像头获取一般场景下监控行为数据，利用视频截取工具截取RGB视频帧，并利用光流法计算视频中相邻两帧之间的光流图像；对双流卷积神经网络的时间网络和空间流网络进行异构，提高行为识别准确率；将时间流网络和空间流网络提取到的特征序列输入到独立循环神经网络单元IndRNN中，学习视频动作的长时序列特征；建立行为类别与危险暴力程度的映射关系，按照行为类别划分行为危险程度，当判断监控中行为为危险暴力行为时，启动报警，及时做出应对。本发明所提出的方法基于深度学习对视频监控中的行为进行识别，受人为主观影响小，对暴力危险行为的判定更为准确。

摘要： 本发明实施例公开了一种基于神经网络的多模型协同暴力检测方法及系统，所述方法包括：步骤1：训练神经网络模型A、神经网络模型B及构造运动检测模型；步骤2：接入监控摄像头；步骤3：实时读取下一帧图像；步骤4：对图像进行预处理；步骤5：输入神经网络模型A；步骤6：输入到运动检测模型；步骤7：检查神经网络模型B输入集合中的数据中帧数；步骤8：将数据输入神经网络模型B；步骤9：展示实时暴力检测概率。本发明采用多种模型从不同维度协同解决暴力检测问题，在一定程度上克服了数据集规模的限制，并提高暴力检测的准确率，降低暴力检测的误报率，以及提高暴力检测方法的泛化能力。