Busca avançada
Ano de início
Entree

Araceli: Inteligência Artificial no Combate ao Abuso Sexual Infantil

Processo: 23/12086-9
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de dezembro de 2023
Data de Término da vigência: 30 de novembro de 2025
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Sandra Eliza Fontes de Avila
Beneficiário:Sandra Eliza Fontes de Avila
Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Pesquisadores associados:Fabrício Benevenuto de Souza ; Jefersson A dos Santos ; Leo Sampaio Ferraz Ribeiro
Bolsa(s) vinculada(s):24/16685-7 - Estimadores de Transferibilidade para Transferência de Aprendizado de Forma Eficiente, BP.DR
24/09372-2 - Geração de Gráfico de Cena como Tarefa Proxy para Detecção de Material de Abuso Sexual Infantil, BP.IC
24/09375-1 - Estimativa de Idade Zero-Shot para Material de Abuso Sexual Infantil, BP.IC
24/01210-3 - Modelos de reconhecimento de materiais de abuso sexual infantil baseados em tarefas de proxy, BP.TT
Assunto(s):Aprendizagem profunda 
Palavra(s)-Chave do Pesquisador:Data-centric AI | Deep Learning | Few-Shot Learning | Model Compression | Reconhecimento e Representação de Imagens de Cenas | Self-supervised learning | Aprendizado de Máquina, Visão Computacional, Computação Forense

Resumo

Os materiais de abuso sexual infantil (do inglês, child sexual abuse materials, CSAM) atingiram proporções alarmantes na era digital. De acordo com o Centro Nacional de Crianças Desaparecidas e Exploradas para CyberTipline, mais de 32 milhões de denúncias de suspeita de CSAM foram recebidas em 2022, tornando-o um ano recorde. A disponibilidade e 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 inspecionam manualmente milhares de arquivos, causando tensão emocional. Diante disso, há necessidade de ferramentas automatizadas confiáveis que possam lidar com esse tipo de material de forma segura e eficiente. No projeto Araceli*, pretendemos projetar, desenvolver e implantar soluções baseadas em aprendizado de máquina para detectar CSAM, apoiando automaticamente a análise forense. Especificamente, investigaremos como o reconhecimento e a representação de cenas podem ser explorados para a classificação de CSAM, respeitando as limitações de trabalhar com este tipo de material: regimes de poucos dados (low-data regimes), testes restritos e hardware menos potente disponível para agentes policiais. Além disso, técnicas de Inteligência Artificial centradas em dados (data-centric AI) serão aproveitadas para produzir uma referência de alta qualidade e bem documentada para avaliar abordagens de classificação de CSAM, que serão disponibilizadas para a comunidade de pesquisa por meio do envio de modelos. Devido às barreiras legais e éticas, esses dados sensíveis só podem ser acessados por agentes policiais. Por esse motivo, cooperaremos com especialistas da Polícia Federal e da Polícia Técnico-Científica do Brasil para avaliar os modelos de material real de abuso sexual infantil. Destacamos que 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.*Em memória da menina Araceli, de 8 anos, sequestrada, estuprada e assassinada em 18 de maio de 1973. Crime que permanece impune até hoje. O Dia Nacional de Combate ao Abuso e à Exploração Sexual de Crianças e Adolescentes foi oficialmente instituído por meio da Lei 9.970/2.000. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

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)
BENATTI, RAYSA; SEVERI, FABIANA; AVILA, SANDRA; COLOMBINI, ESTHER LUNA. Gender Bias Detection in Court Decisions: A Brazilian Case Study. PROCEEDINGS OF THE 2024 ACM CONFERENCE ON FAIRNESS, ACCOUNTABILITY, AND TRANSPARENCY, ACM FACCT 2024, v. N/A, p. 18-pg., . (13/08293-7, 23/12086-9, 20/09838-0)
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., . (24/01210-3, 24/09372-2, 20/09838-0, 22/14690-8, 24/09375-1, 13/08293-7, 23/12086-9)
PACCOTACYA-YANQUE, ROSA Y. G.; BISSOTO, ALCEU; AVILA, SANDRA. Are Explanations Helpful? A Comparative Analysis of Explainability Methods in Skin Lesion Classifiers. 2024 20TH INTERNATIONAL SYMPOSIUM ON MEDICAL INFORMATION PROCESSING AND ANALYSIS, SIPAIM 2024, v. N/A, p. 5-pg., . (23/12086-9, 20/09838-0, 13/08293-7)