Reconhecimento de Cenas Few-Shot, uma Nova Tarefa Proxy para Detecção de Material de Abuso Sexual Infantil

• Processo: 22/14690-8
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 30 de outubro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Sandra Eliza Fontes de Avila
• Beneficiário: Leo Sampaio Ferraz Ribeiro
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais, AP.CEPID
• Assunto(s): Classificação de imagens Visão computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado Few-shot | Classificação de Imagens | Detecção de Material de Abuso Sexual Infantil | Visão Computacional

Resumo

A distribuição de Material de Abuso Sexual Infantil (Child Sexual Abuse Material, CSAM) pela internet é um problema mundial em expansão que re-vitimiza suas vitimas e se torna cada vez mais intratável através do modelo atual de checagem e investigação manual por parte de agentes da polícia. Além disso, o dever de lidar com esse tipo de dado pesa e consome agentes que tem que categorizar terabytes de dados todos os anos em busca de vítimas e criminosos. Existe então uma clara necessidade pela automação do reconhecimento de CSAM. Neste projeto propomos criar e provar a efetividade de uma nova tarefa substituta para detecção de CSAM que dispensa o acesso aos dados sensíveis para aprendizado de parâmetros. Reconhecimento de Cenas Few-shot, nossa tarefa substituta escolhida, deve dar o suporte necessário para treinar e avaliar modelos que podem posteriormente ser entregues a agentes especializados para detecção de CSAM, agentes que são e devem sempre ser as únicas pessoas com acesso a estes dados. Destacamos que nosso time está na frente deste tipo de pesquisa no mundo, sendo responsável por resultados inovadores nos campos de Forense Digital, Aprendizado de Máquina e Visão Computacional.