在数字取证调查中应用人工智能进行年龄估计
计算机视觉与模式识别
2022-01-11 v1 密码学与安全
机器学习
摘要
对儿童性虐待与剥削(CSAE)受害者进行精确的年龄估计是最重要的数字取证挑战之一。调查人员常需通过查看图像并解读性发育阶段及其他人体特征来确定受害者年龄。首要要务——保护儿童——常受到巨大取证积压、认知偏差以及此项工作可能带来的极大心理压力的负面影响。本文评估了现有面部图像数据集,并提出了一种契合类似数字取证研究需求的新数据集。这一包含 0 至 20 岁个体的小型多样化数据集含有 245 张图像,并与来自 FG-NET 数据集的 82 张独特图像合并,从而总计获得 327 张具有高图像多样性和低年龄区间密度的图像。新数据集在基于 IMDB-WIKI 数据集预训练的 Deep EXpectation (DEX) 算法上进行了测试。针对 10 至 15 岁青少年及 16 至 20 岁较大青少年/成年人的总体结果非常令人鼓舞——平均绝对误差(MAE)低至 1.79,但也表明 0 至 10 岁儿童的准确率尚需进一步研究。为确定该原型的有效性,我们采纳了四位数字取证专家(包括两名取证调查人员)的宝贵意见以改进年龄估计结果。仍需进一步研究以在图像密度以及性别、种族多样性等因素的均衡分布方面扩展数据集。
引用
@article{arxiv.2201.03045,
title = {Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations},
author = {Thomas Grubl and Harjinder Singh Lallie},
journal= {arXiv preprint arXiv:2201.03045},
year = {2022}
}