Busca avançada
Ano de início
Entree

Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade

Processo: 17/12646-3
Linha de fomento:Auxílio à Pesquisa - Temático
Vigência: 01 de dezembro de 2017 - 30 de novembro de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Anderson de Rezende Rocha
Beneficiário:Anderson de Rezende Rocha
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas, SP, Brasil
Pesquisadores principais:Hélio Pedrini
Pesq. associados: Adam Maciej Czajka ; Alexandre Mello Ferreira ; André Carlos Ponce de Leon Ferreira de Carvalho ; Eduardo Alves do Valle Junior ; Edward John Delp III ; Fernanda Alcântara Andaló ; Gerberth Adín Ramírez Rivera ; Jacques Wainer ; Kevin Wilson Bowyer ; Kot Chi Chung Alex ; Lin Tzy Li ; Marcos André Gonçalves ; Paolo Bestagini ; Patrick Joseph Flynn ; Sandra Eliza Fontes de Avila ; Stefano Tubaro ; Walter Jerome Scheirer ; William Robson Schwartz ; Zanoni Dias
Bolsa(s) vinculada(s):18/05668-3 - Coerência espaço-temporal e de características a partir de dados heterogêneos, BP.PD
Assunto(s):Ciências forenses  Metodologia e técnicas de computação  Mineração de dados  Análise de dados  Fontes de informação  Análise espaço-temporal  Espaço-tempo  Ordenação e busca 

Resumo

Neste projeto de pesquisa, objetivamos desenvolver metodologias computacionais capazes de sincronizar eventos específicos no espaço e no tempo (X-coherence), checar fatos quanto à sua veracidade e padrão de espalhamento, e buscar conteúdos específicos de interesse a partir de fontes diversas e heterogêneas, incluindo - mas não limitado a - internet, redes sociais e imagens de vigilância. Para isso, iremos explorar fontes heterogêneas de informação buscando sincronizar informações textuais e visuais em torno da posição de um evento ou objeto de interesse, bem como ordená-los espacial e temporalmente de modo a permitir uma melhor compreensão sobre o que aconteceu antes, durante e logo após o dito evento. Após a organização automática das informações obtidas e do entendimento da ordem dos fatos, objetivamos desenvolver soluções para mineração (busca) de pessoas, objetos e lugares de interesse para possíveis análises de busca de suspeitos, verificação de fatos ou até mesmo para entender a natureza do ocorrido. A partir da exploração das possíveis conexões existentes entre diferentes tipos de informação, buscaremos desenvolver ferramentas de análise de integridade de mídia para verificar possíveis falsificações existentes nos dados, detectar conteúdo sensível (por exemplo, conteúdo violento, pornografia infantil) e inferir os padrões de espalhamento de objetos digitais multimídia online. Com a sofisticação dos crimes digitais e ameaças terroristas cada vez mais presentes em nosso dia-a-dia, bem como o advento e propagação de notícias falsas nos mais variados meios, buscamos ser capazes de utilizar as soluções desenvolvidas para nos ajudar a responder às quatro questões mais importantes nas Ciências Forenses em relação a um evento de interesse: "quem participou", "em quais circunstâncias", "por quê" e "como foi tal participação", identificando as principais características e circunstâncias em que ocorreu o evento em questão. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Pós-doutorado em computação forense com Bolsa da FAPESP 

Publicações científicas (4)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
LI, HAOLIANG; HE, PEISONG; WANG, SHIQI; ROCHA, ANDERSON; JIANG, XINGHAO; KOT, ALEX C. Learning Generalized Deep Feature Representation for Face Anti-Spoofing. IEEE Transactions on Information Forensics and Security, v. 13, n. 10, p. 2639-2652, OCT 2018. Citações Web of Science: 0.
AMORIM, PAULO; MORAES, THIAGO; FAZANARO, DALTON; SILVA, JORGE; PEDRINI, HELIO. Shearlet and contourlet transforms for analysis of electrocardiogram signals. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 161, p. 125-132, JUL 2018. Citações Web of Science: 0.
SOUZA, MARCOS R.; PEDRINI, HELIO. Digital video stabilization based on adaptive camera trajectory smoothing. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, MAY 30 2018. Citações Web of Science: 0.
CORDOVA NEIRA, MANUEL ALBERTO; MENDES JUNIOR, PEDRO RIBEIRO; ROCHA, ANDERSON; TORRES, RICARDO DA SILVA. Data-Fusion Techniques for Open-Set Recognition Problems. IEEE ACCESS, v. 6, p. 21242-U24, 2018. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.