Informações relevantes sobre o combate à desinformação, incluindo pesquisas, estudos, campanhas e boas práticas. http://bibliotecadigital.stf.jus.br/xmlui/handle/123456789/7815 2026-03-14T13:17:56Z 2026-03-14T13:17:56Z Presidência da República Federativa do Brasil http://bibliotecadigital.stf.jus.br/xmlui/handle/123456789/8959 2026-01-20T16:28:44Z 2024-01-01T00:00:00Z

Crianças, adolescentes e telas: guia sobre usos de dispositivos digitais Presidência da República Federativa do Brasil O aprimoramento das Tecnologias da Informação e da Comunicação (TICs) trouxe inúmeros benefícios para as sociedades, derrubando fronteiras, conectando pessoas e acelerando a produção e difusão do conhecimento. Pesquisas mostram que os brasileiros estão entre os povos mais conectados e usuários mais frequentes da internet e de redes sociais. Porém, embora oportunizem benefícios evidentes, essas tecnologias também trouxeram à tona problemas que têm gerado cada vez mais preocupação. Nos últimos anos, o uso excessivo de aparelhos celulares e telas por crianças e adolescentes se tornou tema de preocupação de familiares, educadores, psicólogos, pediatras e profissionais de proteção de direitos. Além dos riscos de exposição a abusos, violências e bullying, especialistas e formuladores de políticas públicas têm alertado para atrasos no processo de desenvolvimento e de ensino e aprendizagem, que poderiam ser causados por usos de dispositivos digitais em contextos ou intensidades inadequadas. Esse é um tema que mobiliza organismos internacionais, comunidade científica e governos em todo o mundo; e, no Brasil, não poderia ser diferente. Ao reunir diversos órgãos de governo, especialistas e representantes da sociedade civil, ouvindo empresas e as próprias crianças e adolescentes, buscou-se, na perspectiva da regra constitucional da prioridade absoluta, traçar recomendações que pudessem dialogar com diversas políticas públicas. Nesse espírito, este Guia que o Governo Federal apresenta é uma resposta aos anseios da sociedade brasileira e, ao mesmo tempo, um passo importante para a construção de um ambiente digital mais saudável para as crianças e adolescentes brasileiros.

2024-01-01T00:00:00Z Coelho, Thamiris Florindo Avila, Sandra Eliza Fontes de Santos, Jefersson Alex dos http://bibliotecadigital.stf.jus.br/xmlui/handle/123456789/8957 2025-09-29T15:29:55Z 2023-01-01T00:00:00Z

Aprendizado por poucas amostras baseado em Transformers para classificação de cenas em imagens de abuso sexual infantil Coelho, Thamiris Florindo; Avila, Sandra Eliza Fontes de; Santos, Jefersson Alex dos O abuso sexual é um crime que afeta muitas crianças ao redor do mundo. Só no último ano foram feitas mais de 32 milhões de denúncias de abuso sexual infantil foram feitas para o Centro Nacional para Crianças Desaparecidas e Exploradas. Infelizmente, o volume de material multimídia produzido diariamente é muito maior do que a capacidade de análise visual feita por profissionais da aplicação da lei. Nesse contexto, ter uma ferramenta confiável que classifique automaticamente o material de abuso sexual infantil é essencial. Métodos de Aprendizado Profundo, estado da arte para problemas de classificação de imagem, demandam grandes quantidades de dados para treinamento. Mesmo com um grande volume de dados disponíveis, a anotação dessas imagens é muito custosa. Além disso, devido a barreiras legais e éticas, esses dados sensíveis só podem ser acessados por agentes da polícia. Para lidar com isso, alguns métodos tentam ajudar as investigações resolvendo um problema computacional relacionado. A classificação de cenas internas pode ajudar a detectar ambientes nos quais esse tipo de conteúdo é tipicamente composto. No entanto, nesses ambientes, a presença de um objeto pode mudar completamente a classificação. Módulos de atenção da arquitetura Transformers podem ajudar o modelo a focar nas partes essenciais dos dados para resolver algumas tarefas. Assim, para focar em objetos presentes em cenas, esse trabalho utiliza modelos baseados em Transformers. Além disso, para lidar com o desafio de anotar os dados, utilizamos aprendizagem com poucas amostras (few-shot learning), uma técnica de aprendizado supervisionado que aprende utilizando poucas amostras anotadas. Nesta dissertação de mestrado analisamos alguns modelos de few-shot learning clássicos e comparamos modelos baseados em Transformers para classificação de cenas de ambientes internos. Observamos também que a maioria dos trabalhos analisados utiliza um mesmo método de agrupamento de vetores de características, portanto, nesse sentido investigamos o uso de diferentes métodos, concluindo que agregar os vetores utilizando a média é o melhor para o conjunto de cenas internas. Nossos resultados indicam que o uso de Transformers é benéfico no contexto de classificação de cenas internas. Além disso, para o conjunto de dados de cenas internas utilizado, utilizar a média para agregar os vetores de características levou aos melhores resultados, provavelmente porque no nosso contexto a média foi uma boa representação. Nosso modelo final atingiu 73,50 ± 0,09% de acurácia com 95% de confiança na tarefa de classificação de cenas internas utilizando apenas 5 amostras anotadas por classe para a classificação. Em cooperação com especialistas da Polícia Federal Brasileira pudemos avaliar nosso modelo em um conjunto de dados de abuso sexual infantil anotado para cenas internas, nosso modelo atingiu uma acurácia balanceada com 95% de confiança de 63,38 ± 0,09%, avaliamos que os resultados foram promissores, indicando que a utilização da técnica proposta pode auxiliar em um processo de triagem.

2023-01-01T00:00:00Z Valois, Pedro Henrique Vaz Avila, Sandra Eliza Fontes de Santos, Jefersson Alex dos http://bibliotecadigital.stf.jus.br/xmlui/handle/123456789/8956 2025-09-29T15:19:42Z 2022-01-01T00:00:00Z

Aprendizado auto-supervisionado para reconhecimento de cenas em imagens de abuso sexual infantil Valois, Pedro Henrique Vaz; Avila, Sandra Eliza Fontes de; Santos, Jefersson Alex dos O crime no século 21 é dividido em dois mundos. O mundo virtual se transformou em uma ameaça global para o bem-estar e a segurança das pessoas em várias nações do mundo. Os desafios que apresenta devem ser enfrentados com uma cooperação global unificada e devem contar mais do que nunca em ferramentas automatizadas, porém confiáveis, se quisermos combater a crescente dos crimes online. Mais de 10 milhões de denúncias de abuso sexual infantil são enviadas ao Centro Nacional para Crianças Desaparecidas & Exploradas todos os anos, com mais de 80% dessas de natureza primariamente virtual. Centros de investigação e instituições de acolhimento são, portanto, incapazes de processar e investigar manualmente todas as imagens com a precisão necessária. Diante disso, há a necessidade de ferramentas automatizadas confiáveis que possam trabalhar esse tipo de material com segurança e eficiência é primordial. Particularmente, o reconhecimento de cenas é a tarefa de entender os contextos do ambiente a partir de qualquer tipo de imagem. Essa tarefa é considerada útil para agrupar e classificar dados de abuso sem usar modelos treinados nela. A escassez e as limitações envolvidas no trabalho com imagens de abuso sexual infantil levam ao uso do aprendizado autossupervisionado, uma nova metodologia de aprendizado de máquina que aproveita dados não rotulados para produzir representações robustas capazes de ser mais facilmente transferidas para tarefas de destino. Esta dissertação de Mestrado desenvolveu modelos de aprendizado profundo autossupervisionados pré-treinados em dados focados em cenas com 71,6% de acurácia balanceada em nossa tarefa de classificação de cenas de ambientes internos e, em média, 2,2 pontos percentuais de desempenho melhor do que uma versão totalmente supervisionada. Cooperamos com especialistas da Polícia Federal para avaliar nosso modelo em material de abuso sexual infantil e encontramos 36,7% de acurácia balanceada na classificação de cenas, mostrando que há uma lacuna entre a maneira como os ambientes são representados no conjuntos mais populares de classificação de ambientes e em material sensível.

2022-01-01T00:00:00Z Vitorino, Paulo Avila, Sandra Rocha, Anderson http://bibliotecadigital.stf.jus.br/xmlui/handle/123456789/8359 2025-08-28T21:11:13Z 2016-01-01T00:00:00Z

A Two-tier Image Representation Approach to Detecting Vitorino, Paulo; Avila, Sandra; Rocha, Anderson Sexual exploitation of children is without a doubt one of the most heinous crimes in modern society, prompting us to the need of responding firmly with the development and implementation of strict laws as well as the development of efficient and effective means to detect such activities. In this article, we propose an initial solution to the problem of child pornography detection in digital images aiming at assisting law enforcement agents on investigating criminal activities related to the generation and distribution of this type of content. Our solution relies upon a two-tier representation of image features calculated through the concept of visual dictionaries with distance-preserving properties of low-level features enabled by the recently proposed BossaNova formalism. We validate it with thousands of images of real-world apprehensions of the Brazilian Federal Police. The results, although still far from solving the problem, show that this solution is promising.

2016-01-01T00:00:00Z