When the imposter is SUSඞ …

專案總覽

專題以競賽提供的詐騙廣告識別資料集為基礎，鎖定 Facebook 廣告情境，開發能直接在瀏覽頁面上標示風險的 Chrome Extension，獲得銀質獎。

問題與動機

詐騙廣告同時混合粉專資訊、外部連結、文案與圖片；只檢查單一訊號容易誤判，而完整分析又可能造成等待與操作負擔。

方法與核心內容

系統先以靜態資訊快速判讀，針對可疑內容再結合圖像識別與本地 LLM 深度分析，最後計算平均權重並直接在廣告旁顯示判斷。

技術脈絡

瀏覽器擴充功能負責擷取與呈現，後端服務負責資料查詢、圖像與語意模型分析。

執行流程

採分層分析避免所有廣告都進入高成本模型，同時保留可疑內容的深入判讀。

01 — 擷取廣告訊號

由 Extension 收集粉專、連結、文案與圖片等資訊。

02 — 計算各模組權重

分別取得靜態比對與圖像識別結果，必要時送入本地 LLM。

03 — 就地呈現判斷

將平均權重與分析資訊直接顯示在原廣告介面。

我的貢獻

貢獻比例 70%，負責團隊規劃、靜態資訊比對、模組整合與擴充功能完善。

1. 01隊長與執行規劃定義解法、分工並控制黑客松開發節奏。
2. 02靜態資訊比對開發粉專、連結與文字訊號的快速判斷。
3. 03模組整合整合資訊比對、圖像識別與加權結果。
4. 04Chrome Extension完成廣告擷取、結果呈現與互動流程。

成果與反思

專題完成可操作的瀏覽器擴充功能與多模態分析流程，並在 2026 AIS3 HACKATHON 獲得銀質獎。