GIF 只是一系列图像

假设您只需要找到这些图像的正确量化/合并即可显示 GIF。当您显示单个 GIF 时，它将是不同图像的集合，其中闪烁的图像的像素强度会突然变化，这正是您想要在一组图像 = 恶意的 GIF 中捕获的内容。你只需要从那里开始二进制分类。

看看这里

首先，这似乎真的是一个信号处理问题。谷歌快速搜索给出：自动检测致癫痫视频内容。主要工作是关于检测图像中剧烈强度变化的信号处理技术。基本上，他们创建了一个时间序列，表示连续帧之间强度的总体差异，并表明它通常足以检测致癫痫内容。

他们给出了一个例子，他们能够在不到一秒的时间内测量 4 次闪光，这高于国际建议中定义的每秒 3 次闪光的阈值（ITU-R BT.1702 日内瓦建议书，国际电信联盟，2005 年）：

从其他来源来看，似乎可以改进闪光检测部分（通过傅里叶分析来检测尖峰，通过应用掩码去除图像的低运动部分......等等）。我不确定整个过程（这是检测系统发育内容的最佳方法吗？3 次闪光阈值是否最佳？）可以使用 ML 显着改善，因为（1）在小时间窗口中检测 >X 峰值似乎很容易且足够, (2) 机器学习需要大量的视频集合，并且 (3) 收集有关癫痫诱发的基本事实可能非常困难（而且非常不道德）。但这为您提供了如何构建功能的起点，如果您想这样做的话。

对于机器学习问题，你要做的第一件事就是定义问题。

要解决这个问题，您可以定义什么是恶意 GIF（定义频率并计算出现率......）或制作两个数据集，一个包含好 gif，另一个包含恶意 gif。然后你可以尝试做一个机器学习分类问题，然后评估结果。