Geração de Gráfico de Cena como Tarefa Proxy para Detecção de Material de Abuso Sexual Infantil

• Processo: 24/09372-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 31 de julho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Sandra Eliza Fontes de Avila
• Beneficiário: Artur Alves Cavalcante de Barros
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/12086-9 - Araceli: Inteligência Artificial no Combate ao Abuso Sexual Infantil, AP.R
• Assunto(s): Aprendizagem profunda Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Child Sexual Abuse Material | Deep Learning | Scene Graph Generation | Aprendizado de Máquina

Resumo

Os materiais de abuso sexual infantil (CSAM) atingiram proporções alarmantes na era digital. De acordo com o Centro Nacional para CyberTipline de Crianças Desaparecidas e Exploradas, mais de 36 milhões de denúncias de suspeita de CSAM foram recebidas em 2023, tornando-o um ano recorde. A disponibilidade e o compartilhamento de tais conteúdos nocivos online não só agrava o trauma infligido às vítimas, mas também sobrecarrega significativamente os agentes responsáveis pela aplicação da lei, que têm de inspecionar milhares de arquivos, causando tensão emocional manualmente. Diante disso, há necessidade de ferramentas automatizadas confiáveis que possam lidar com esse tipo de material de forma segura e eficiente. Nosso objetivo é projetar, desenvolver e implantar uma solução baseada em aprendizado de máquina para detectar CSAM, suportando análises forenses automaticamente. Este projeto de pesquisa de graduação investiga como o reconhecimento e a representação de cena podem ser explorados para detecção de CSAM, respeitando as limitações de trabalhar com CSAM (ou seja, regimes de poucos dados e testes restritos). Especificamente, pretendemos explorar como empregar técnicas de aprendizado de máquina para geração de gráficos de cena (SGG) para criar representações de cena úteis para a tarefa de detecção de CSAM. Os objetivos principais são os seguintes: 1) realizar uma revisão abrangente da literatura sobre os métodos mais recentes; 2) explorar modelos de Deep Learning capazes de utilizar Scene Graphs como entrada para classificação de cenas; 3) colaborar com especialistas da Polícia Federal e da Polícia Técnico-Científica do Brasil para avaliar os modelos criados em material real de abuso sexual infantil. Nosso grupo de pesquisa está na vanguarda desse tipo de pesquisa em todo o mundo, sendo responsável por resultados inovadores associados à análise forense digital, aprendizado de máquina e visão computacional.

Publicações científicas

(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)

CAETANO, CARLOS; FERRAZ RIBEIRO, LEO SAMPAIO; LARANJEIRA, CAMILA; DOS SANTOS, GABRIEL OLIVEIRA; BARROS, ARTUR; PETRUCCI, CAIO; DOS SANTOS, ANDREZA APARECIDA; MACEDO, JOAO; CARVALHO, GIL; BENEVENUTO, FABRICIO; et al. Mastering Scene Understanding: Scene Graphs to the Rescue. 2024 37TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES, SIBGRAPI 2024, v. N/A, p. 6-pg., 2024-01-01. (24/01210-3, 24/09372-2, 20/09838-0, 22/14690-8, 24/09375-1, 13/08293-7, 23/12086-9)