CSAM detection based on age estimation from faces

Abstract

O combate à distribuição e aquisição de material de abuso sexual infantil é uma questão central para a maioria dos países e envolve agências policiais, organizações não-governamentais e empresas de todo o mundo. A detecção desse conteúdo é trabalhosa e há uma grande demanda para automatização devido à grande quantidade de dados que podem ser armazenados nos celulares e mídias atuais. Um outro fator determinante para a automatização é o impacto psicológico e o estresse causado pela exposição continuada a esse material. A maioria dos métodos para detecção automática de pornografia infantil propostos na literatura realiza uma classificação binária das imagens ou vídeos, indicando se são relacionados a pornografia infantil. Esses métodos empregam técnicas de processamento de imagens, aprendizado de máquina e reconhecimento de padrões visuais. Na área forense, uma funcionalidade desejável para tais métodos é a estimativa da idade das vítimas, mas poucos métodos a implementam. Uma das formas de atender esse requisito é combinando um detector de pornografia com um método de estimativa de idade das faces, que é uma das tarefas mais desafiadoras no campo de análise facial. Como não existem bases de dados de material de abuso sexual infantil, cuja posse é ilegal em vários países, muitos métodos são desenvolvidos usando bases de pornografia (não infantil) e métodos auxiliares. Ainda assim, a inexistência de datasets dificulta a comparação de métodos existentes. Neste trabalho, propomos uma técnica de detecção de material de abuso sexual infantil incorporando métodos baseados em técnicas de aprendizado profundo para a) estimativa de idade, que foi desenvolvido nesse trabalho; b) detecção facial, e c) classificação de pornografia. Nós também montamos um dataset anotado de material de abuso sexual infantil contendo imagens de acesso restrito à Polícia Federal do Brasil, visando avaliar e comparar métodos de detecção deste tipo de conteúdo. A abordagem proposta foi avaliada neste dataset e obteve 79.84% de acurácia na tarefa de detecção de pornografia infantil, superando duas ferramentas utilizadas na Polícia Federal do Brasil.