AntiAIGC

KO | EN

gitlite — search

#javascript #python #hacktoberfest #react #ai #typescript #android #deep-learning #linux #docker #vue #awesome-list #pytorch #security

(★ 11)

Model Fingerprint-Based Anti-AIGC System for LLM Trace Analysis, Risk Detection and Revision Assistance

AntiAIGC 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 本地论文原创性增强与 AIGC 风险提示系统

这是一个本地运行的前后端开源项目，定位为“原创性增强 / 人工修订辅助”。

项目会对论文片段做本地风险提示，指出文本里可能存在的模板化、泛化、重复或节奏过于规整等写作信号；用户确认后，可以选择本地或远程 OpenAI 兼容模型生成“需人工核对”的候选修订稿。

本项目不承诺任何商用 AIGC 检测结果，不等同于查重系统，也不使用“过检”“降 AI 率保证”等表述。检测结果只能作为写作风险提示，最终判断和修改应由用户人工完成。

## 功能概览

- 输入论文片段，先做本地分段、特征提取和风险提示
- 展示整体风险、分段风险、触发原因和统计特征
- 支持 balanced、conservative、sensitive 三档阈值
- 用户确认后再进入修订环节，避免无意识生成改写内容
- 根据风险原因生成 1 到 3 个修订方向
- 接入 Ollama、LM Studio 或远程 OpenAI 兼容接口
- 生成带有“需人工核对”提示的候选稿
- 导出 Markdown / TXT 报告
- 提供前端单测、E2E、后端测试和 GitHub Actions CI

## 技术栈

- 前端：React + Vite + TypeScript
- 后端：FastAPI + Python 3.11
- 模型接入：OpenAI 兼容接口
- 测试：Vitest、Playwright、pytest
- 推荐环境：Windows、Python 3.11、Node.js 22 或更高版本

## 目录结构

- `frontend`：界面、交互流程、导出、前端单测和 E2E
- `backend`：检测器、Provider 适配层、修订服务、API 和后端测试
- `backend/app/detectors`：本地特征提取、统计检测器和风格检测器
- `backend/app/services`：检测、Provider 管理和修订生成流程
- `backend/data/providers.json`：本地 Provider 配置文件，默认被 `.gitignore` 忽略
- `scripts/start-dev.ps1`：Windows 一键启动脚本
- `scripts/start-dev.bat`：Windows 批处理启动入口
- `scripts/verify.ps1`：一键质量验证脚本
- `scripts/test-e2e.ps1`：Playwright E2E 的本地 Vite 托管脚本
- `.github/workflows/ci.yml`：GitHub Actions CI

## 检测原理

### 1. 文本分段

后端入口是 `POST /api/detect`。检测服务会先对输入文本做清理和分段：

- 统一换行符并去掉首尾空白
- 按空行拆分自然段
- `segmentMode=paragraph` 时直接按段落分析
- `segmentMode=auto` 时会继续按句子切分较长段落
- 对较短段落（长度不超过 100 且句子数不超过 3）保留为一个片段
- 对较长段落，每 1 到 2 句或约 180 字左右合并为一个分析片段

这样做的目的不是给整篇文章一个粗略分，而是尽量定位到具体片段，方便用户知道哪里需要人工润色。

### 2. 特征提取

每个片段会提取一组写作特征，核心指标包括：

| 指标 | 含义 | 风险含义 |
| --- | --- | --- |
| `sentenceLengthVariance` | 句长变化程度 | 变化过低时，可能说明句式节奏过于整齐 |
| `connectorDensity` | 连接词密度 | “首先、其次、综上所述、由此可见”等过于集中时会升高 |
| `repetitionDensity` | 局部短语重复密度 | 相邻 token 组合重复较多时会升高 |
| `genericPhraseDensity` | 泛化表达密度 | “具有重要意义”“在一定程度上”等空泛表达较多时会升高 |
| `structureRegularity` | 结构规整度 | 句长标准差较低、结构过于一致时会升高 |
| `sentenceCount` | 句子数量 | 用于提示短文本风险解释能力不足 |
| `tokenCount` | token 数量 | 用于统计片段规模 |

内部还会使用两个辅助信号：

- `sentence_opener_consistency`：多句开头是否高度相似
- `long_sentence_ratio`：长句比例，目前主要作为扩展信号保留

当前项目默认针对中文学术写作做基础调校。英文文本也可以输入，但系统会提示“其他语种仅提供基础参考”。

### 3. 统计检测器

统计检测器关注“结构和重复模式”。它会把特征加权成一个 `statisticalRisk`：

```text
statisticalRisk =
  0.28 * structureRegularity
+ 0.24 * repetitionDensity
+ 0.18 * connectorDensity
+ 0.16 * genericPhraseDensity
+ 0.14 * (1 - sentenceLengthVariance)
```

含义是：结构越规整、重复越多、连接词越集中、泛化表达越多、句长变化越低，统计风险越高。

### 4. 风格检测器

风格检测器关注“模板化写作线索”。它会把连接词、泛化表达、句式规整度、开头一致性和模板短语命中情况加权成 `styleRisk`：

```text
styleRisk =
  0.22 * connectorDensity
+ 0.22 * genericPhraseDensity
+ 0.18 * structureRegularity
+ 0.14 * sentenceOpenerConsistency
+ 0.14 * (1 - sentenceLengthVariance)
+ 0.10 * cueScore
```

`cueScore` 来自一些显式模板短语，例如“首先”“其次”“综上所述”“总而言之”“由此可见”“值得注意的是”“可以看出”等。

### 5. 片段风险与整体风险

单个片段的最终风险分由两个检测器融合：

```text
segmentRisk = 0.45 * statisticalRisk + 0.55 * styleRisk
```

整体风险分会同时考虑平均风险和最高风险片段：

```text
overallRisk = 0.75 * average(segmentRisk) + 0.25 * max(segmentRisk)
```

这样可以避免两个问题：

- 只看平均值时，高风险片段容易被其他低风险片段稀释
- 只看最高值时，单个异常片段又容易过度影响整篇文本

### 6. 阈值档位

前端提供三档阈值，后端对应数值如下：

| 档位 | 阈值 | 适用情况 |
| --- | --- | --- |
| `sensitive` | 0.50 | 更敏感，适合早期自查，提示会更多 |
| `balanced` | 0.58 | 默认档位，兼顾提示数量和误报 |
| `conservative` | 0.66 | 更保守，适合只关注较明显的风险片段 |

风险分超过当前阈值时，前端会提示用户确认是否继续进入修订流程。

### 7. 风险原因生成

系统不会只给一个分数，还会根据特征触发原因说明：

- `connectorDensity >= 0.34`：连接词密度偏高，段落过渡方式较为集中
- `genericPhraseDensity >= 0.28`：泛化表达偏多，具体情境与限定条件较少
- `structureRegularity >= 0.72` 且 `sentenceLengthVariance <= 0.22`：句式节奏较为整齐
- `repetitionDensity >= 0.16`：局部短语重复率偏高
- `sentence_opener_consistency >= 0.45`：多句开头方式相近

如果没有明显单项原因，但综合风险偏高，系统会提示“整体表达较顺滑，但高风险来源不集中，建议结合人工判断”。

## 修订生成原理

检测阶段完全在本地完成，不调用模型。

当用户确认继续后，系统会根据风险原因和特征生成修订方向。当前内置四类策略：

| 策略 | 目标 |
| --- | --- |
| `sentence_rhythm` | 调整句式节奏与连接方式，减少统一连接词依赖 |
| `detail_enrichment` | 补充具体情境、对象、过程或限定条件 |
| `evidence_anchor` | 把结论落到依据、观察、方法或论证路径上 |
| `voice_grounding` | 加入研究者视角和适用边界，减少泛化断言 |

只有点击“生成候选稿”时，系统才会调用选中的 Provider。提示词会要求模型：

- 保持原意
- 不夸造事实
- 不伪造数据、文献、政策或引文
- 输出 JSON，包含 `revised_text` 和 `change_points`
- 候选稿需要人工核对

生成结果会展示原文、候选稿和变化摘要，并可导出报告。

## 如何使用

### 方式一：Windows 一键启动

推荐使用批处理入口，它会绕过本机 PowerShell 执行策略限制：

```bat
scripts\start-dev.bat
```

也可以手动执行 PowerShell 脚本：

```powershell
powershell -ExecutionPolicy Bypass -File .\scripts\start-dev.ps1
```

脚本会完成：

- 创建 `.venv`
- 安装后端依赖
- 安装前端依赖
- 启动 FastAPI 后端
- 启动 Vite 前端

默认访问地址：

- 前端：[http://127.0.0.1:5173](http://127.0.0.1:5173)
- 后端：[http://127.0.0.1:8000](http://127.0.0.1:8000)
- 后端健康检查：[http://127.0.0.1:8000/health](http://127.0.0.1:8000/health)

### 方式二：手动启动

后端：

```powershell
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install -e .\backend[dev]
cd backend
..\.venv\Scripts\python.exe -m uvicorn app.main:app --reload --host 127.0.0.1 --port 8000
```

前端：

```powershell
cd frontend
npm ci
npm run dev -- --host 127.0.0.1 --port 5173
```

### 页面操作流程

1. 打开前端页面
2. 在“输入待分析文本”中粘贴论文片段
3. 选择语言和阈值档位
4. 点击“开始风险检测”
5. 查看整体风险、分段风险和触发原因
6. 选择需要关注的片段
7. 点击“继续查看修订建议”
8. 选择修订方向
9. 配置并选择本地或远程 Provider
10. 点击“生成候选稿”
11. 人工核对候选稿
12. 按需导出 Markdown 或 TXT 报告

## Provider 配置

Provider 是用于生成候选稿的模型接口。检测阶段不需要 Provider。

### 本地 Provider

适合 Ollama、LM Studio、vLLM 等本地 OpenAI 兼容服务。

常见地址：

- Ollama：`http://127.0.0.1:11434/v1`
- LM Studio：`http://localhost:1234/v1`

配置时需要填写：

- 显示名称
- 接口地址
- 模型名称，例如 `qwen2.5:7b`
- API Key，本地模型通常可以留空

### 远程 Provider

前端内置了若干远程 OpenAI 兼容预设，也支持自定义兼容接口。

远程 Provider 首次调用前，前端会弹出隐私确认。确认后，相关片段或测试请求才会发送到外部接口。

需要注意：

- API Key 会保存在本地 `backend/data/providers.json`
- 该文件默认被 `.gitignore` 忽略，不会提交到仓库
- 当前实现是本地文件保存，不是系统级密钥保险库
- 如果使用远程模型，请确认论文内容是否允许发送到对应服务商

## API

### 健康检查

```http
GET /health
```

返回：

```json
{"status":"ok"}
```

### 风险检测

```http
POST /api/detect
```

请求示例：

```json
{
  "rawText": "首先，本文从系统设计展开分析。其次，系统实现进一步说明模块关系。",
  "language": "zh-CN",
  "segmentMode": "auto",
  "thresholdProfile": "balanced"
}
```

返回内容包括：

- `overallRisk`：整体风险
- `segmentResults`：分段风险结果
- `detectorBreakdown`：统计检测器、风格检测器和最终风险
- `warnings`：短文本、非中文等提示
- `threshold`：当前阈值
- `thresholdProfile`：当前阈值档位

### Provider 管理

```http
GET /api/providers
POST /api/providers
POST /api/providers/test
```

### 修订建议与候选稿

```http
POST /api/revision/strategies
POST /api/revision/generate
```

## 测试与质量验证

一键验证前后端单测、前端 lint 和生产构建：

```bat
scripts\verify.bat
```

如需把 Playwright E2E 也纳入本地验证：

```powershell
powershell -ExecutionPolicy Bypass -File .\scripts\verify.ps1 -IncludeE2E
```

单独运行后端测试：

```powershell
cd backend
..\.venv\Scripts\python.exe -m pytest
```

单独运行前端测试：

```powershell
cd frontend
npm test
npm run lint
npm run build
npm run test:e2e
```

E2E 默认复用系统里的 Microsoft Edge，不强制下载 Playwright Chromium。如果想改用 Chrome：

```powershell
$env:PW_CHANNEL='chrome'
npm run test:e2e
```

## 结果解读建议

- 高风险不等于“这段就是 AI 写的”
- 低风险不等于“这段一定没有问题”
- 短文本风险分更容易波动，应更多看触发原因
- 分数主要用于定位需要人工检查的片段
- 修订方向是写作建议，不应机械套用
- 候选稿必须人工核对，尤其是事实、数据、引用、政策和术语

## 当前边界

- 检测器是启发式风险提示，不是机器学习分类模型
- 目前主要针对中文学术写作调校
- 英文和其他语种仅提供基础支持
- 不做查重，不访问论文数据库
- 不承诺任何第三方 AIGC 平台结果
- 远程模型调用取决于用户自行配置的 Provider

AntiAIGC

AntiAIGC 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

AntiAIGC

AntiAIGC 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README