虚假资讯是指无论是否有意误导公众而传播的错误信息，包括假新闻、谣言、电信诈骗等。随着网络社交媒体兴起并缺乏方法严格验证帖子的真确性，加上网民大多无法区分虚假和真实新闻，近年错误资讯泛滥，影响到个人和社会各方面。

尽管有一些由先进的人工智能算法和区块链技术驱动的产品来应对虚假资讯的威胁，但这些都需要大量标记数据来进行模型训练。然而，要收集大量新闻和帖子，过程繁琐，数据亦高度依赖于过去的事件，将无法概括新近发生的新闻事件，因此这是不设实际的。而且，愈来愈的多模式内容（即带有图像的帖子）使这工作变得更具挑战性。此外，区块链产品需要为每条错误信息设置单独的识别码，这涉及额外的成本。

因此，我们提出一套领域稳健的多模态错误信息检测系统Defender，由人工智能算法库、人工智能模型库和线上侦测系统所组成，以协帮政府、企业和个人创建一个更能掌握真确资讯的世界。

由于我们提出的人工智能模型通过迁移学习算法而具备有效的推理，Defender系统可以为社交媒体上的大量资讯，提供实时和更准确的侦测，而无需对所有相关帖子进行大量标记以作模型训练。