Τη δυνατότητα αυτόματου εντοπισμού νέων εικόνων και βίντεο παιδικής πορνογραφίας στο Διαδίκτυο παρέχει νέο εργαλείο τεχνητής νοημοσύνης, έμπνευση για το οποίο ήταν οι φωτογραφίες του χεριού ενός μωρού.
Ο έγκαιρος εντοπισμός του νέου υλικού μπορεί να παρέχει στις αρχές τα στοιχεία που χρειάζονται για τον εντοπισμό και τη δίωξη των δραστών, υποστηρίζουν οι ερευνητές που το ανέπτυξαν, σύμφωνα με δημοσίευμα του BBC.
Το συγκεκριμένο σύστημα είναι δωρεάν διαθέσιμο στις υπηρεσίες ασφαλείας και χρησιμοποιείται ήδη από αρκετές ευρωπαϊκές χώρες. Η σχετική έρευνα πραγματοποιήθηκε στο πλαίσιο του προγράμματος iCOP (identifying and catching originators in peer-to-peer networks), που ιδρύθηκε στο πλαίσιο του προγράμματος της Κομισιόν για ένα ασφαλέστερο Ίντερνετ. Την έρευνα διεξήγαγαν ερευνητές του Lancaster University, του Γερμανικού Ερευνητικού Κέντρου για την Τεχνητή Νοημοσύνη και του University College Cork στην Ιρλανδία.
Όπως είπε η επικεφαλής ερευνήτρια, Κλόντια Πίρσμαν (Lancaster University), «Όταν άρχιζα ως junior ερευνήτρια με ενδιαφέρονται στην υπολογιστική γλωσσολογία (computational linguistics) είδα μια παρουσίαση από έναν αστυνομικό της Ιντερπόλ που υποστήριζε πως ο ακαδημαϊκός κόσμος θα έπρεπε να επικεντρώνεται περισσότερο στην ανάπτυξη λύσεων για τον εντοπισμό υλικού με κακοποίηση παιδιών online».
«Αν και αναγνώρισε προφανώς ότι υπάρχουν και άλλα εγκλήματα που επίσης αξίζουν προσοχής, σε ένα σημείο είπε “ξέρετε αυτά τα γλυκά χεράκια των μωρών με τις φουσκωμένες αρθρώσεις. Τα βλέπω online κάθε μέρα”. Εκείνη τη στιγμή ήξερα πως ήθελα να κάνω κάτι για να το σταματήσω αυτό».
Το σύστημα αυτό λειτουργεί χρησιμοποιώντας έναν συνδυασμών ανάλυσης ονομάτων αρχείου εντοπίζοντας κλασικά filenames όπως «ch1ld». Αυτά δεν εντοπίζονται βάσει κανονικών αναλυτικών διαδικασιών από υπολογιστές, αν και μπορούν να εντοπιστούν εύκολα από ανθρώπους. Ωστόσο, ο μεγάλος όγκος του υλικού καθιστά αδύνατο τον εντοπισμό κάθε αρχείου από τους αστυνομικούς. Το λογισμικό επίσης εντοπίζει το «κωδικοποιημένο» λεξιλόγιο των παιδόφιλων, που χρησιμοποιείται σε σχέση με τις εικόνες, με χρήση λέξεων όπως πχ «Lolita». Το δεύτερο κομμάτι του συστήματος είναι η ανάλυση εικόνων, με το λογισμικό τεχνητής νοημοσύνης να μπορεί να εντοπίζει εικόνες παιδιών μέσω λεπτομερειών όπως το χρώμα του δέρματος ή εντοπίζοντας κινήσεις που σχετίζονται με σεξουαλική κακοποίηση.
Εκατοντάδες χιλιάδες εικόνες και βίντεο σεξουαλικής κακοποίησης παιδιών διαμοιράζονται κάθε χρόνο. Υπάρχουν ήδη διάφορα εργαλεία για χρήση από τις αρχές για την παρακολούθηση peer-to-peer δικτύων, αλλά αυτά βασίζονται συνήθως στον εντοπισμό γνωστού υπάρχοντος υλικού. Όπως τονίζει η Πίρσμαν, ο εντοπισμός νέου υλικού είναι πολύ σημαντικός, καθώς μπορεί να υποδείξει εγκαίρως πρόσφατη, ή συνεχιζόμενη κακοποίηση παιδιών, έτσι ώστε να καταστεί δυνατή η σύλληψη των δραστών.