ciencia. la llave que libera a los niños de la violencia sexual

Uno de los mayores problemas a los que se enfrenta la policía en su lucha contra la pornografía infantil es poder identificar quiénes son los niños que aparecen en las imágenes que comparten los delincuentes que las consumen. Y es que muchos de los pedófilos que generan este tipo de contenido tapan el rostro —principalmente los ojos— de los niños, sobre todo cuando son conocidos o familiares de las víctimas. Por el momento, la capacidad de la policía para reconocer a los menores que aparecen en esos archivos resulta limitado porque no existe un programa capaz de reconocer los rostros de las víctimas cuando estas aparecen tapadas.

Sin embargo, eso está a punto de cambiar. El grupo de investigación de Visión Artificial y Reconocimiento de Patrones de la Universidad de León, en colaboración con el departamento de Tecnologías de Ciberseguridad del Instituto Nacional de Ciberseguridad (Incibe), ha desarrollado un sistema que consigue identificar a los menores que aparecen en los vídeos y las imágenes compartidas por los pedófilos cuando éstos tienen parte de la cara velada por la conocida franja negra sobre los ojos. El método, que es un nuevo algoritmo de hash perceptual, codifica la imagen mediante la utilización de la información común. Este método, que ya se ha testado, tiene un rango de exactitud que ronda el 92%, una cifra que está muy por encima de la capacidad de acierto de otros programas. Enrique Alegre dirige el grupo de Visión Artificial y Reconocimiento de Patrones (VARP) cuyos investigadores desarrollan soluciones para Incibe orientadas a servir a Policía Nacional y Guardia Civil en su lucha contra la ciberdelincuencia. A través de Incibe, este organismo desarrolla otros servicios con la BIT (Brigada de Información Tecnológica) y en especial en relación con el abuso sexual de menores a través del proyecto Asasec.

Precisamente para Asasec se ha desarrollado este algoritmo, que comenzará a utilizarse próximamente por parte de la policía. «Los pederastas tapan los ojos del niño para que no se les reconozca porque es la zona que más información aporta», manifiesta el profesor Alegre. En estos casos el reconocimiento de rostros clásico fallaba. BF-DNS consigue generar vectores o hashes que capturan la información más relevante de un rostro incluso sin disponer de la información que se encuentra en el área de los ojos, que es la que suelen utilizar principalmente los métodos de reconocimiento de rostros. De este modo, un vector BF-DNS calculado sobre un rostro es muy parecido a otro vector BF-DNS calculado sobre ese mismo rostro, pero al que se le han cubierto los ojos. El programa se utilizará para los niños, pero puede usarse para cualquier imagen y aplicarse para encontrar imágenes similares aplicándose a diferentes problemas relacionados con la ciberseguridad como puede ser la ayuda a la detección de Phishing o la suplantación de sitios web.

Destaca Víctor González Castro, uno de los expertos que ha colaborado en el desarrollo de este sistema, que el problema que se les planteaba era el emparejamiento automático de rostros cuando la imagen que se le pasa al sistema tenía la zona de los ojos tapada. «Simulamos la situación en la que se necesitaba encontrar automáticamente las fotos originales correspondientes a imágenes en las que un delincuente hubiera ocultado los rostros que aparecen en ellas», explica el investigador. Y es que el sistema no compara las imágenes directamente sino una serie de valores numéricos, su hash perceptual, que representan a dichas imágenes. Para poner en marcha este sistema desarrollaron un nuevo método al que han denominado B-FDNS (Block Frequency Dominant Neighbourhood Structure) que calcula un código hash compuesto por valores numéricos extraídos de medidas de la frecuencia de la imagen.

«Para aplicarla al problema del emparejamiento de rostros la imagen se divide en cuatro partes iguales y se aplica la técnica FDNS, también desarrollada por este grupo de investigación, a cada uno de los bloques», subraya González Castro.

El investigador enfatiza que cuando se selecciona una imagen de un rostro con los ojos ocultos, lo que logra este sistema es extraer el código hash perceptual y compararlo con todos los de las imágenes sin los ojos tapados que están almacenados en el sistema. «La comparación está basada en una ecuación que devuelve un valor más alto cuanto más parecidos son los códigos hash (las imágenes) que se comparan», aclara.

13.000 rostros en prueba

Los experimentos desarrollados por el grupo de investigación de la Universidad tomaron como referencia un conjunto de imágenes (Labelled Faces in the Wild) que se usan como banco de pruebas estándar en trabajos de reconocimiento de rostros y que está compuesto por imágenes con más de 13.000 rostros de más 5.500 personas diferentes. Todas ellas han sido obtenidas de escenas reales. No se trata de fotos de estudio, que serían más fáciles de detectar. A continuación, los rostros se recortaron de manera automática mediante métodos de detección y finalmente se ocultó la zona de los ojos. «De esta manera, trabajamos con dos versiones del conjunto de imágenes: el original y otra versión con ojos ocultos», destaca. El experimento se centró en buscar la imagen del conjunto LFW original para cada rostro con los ojos ocultos. Los resultados se midieron en términos de la tasa de aciertos (número de aciertos entre número de imágenes evaluadas) y el método obtuvo un rango de aciertos de 91,94%. Un récord.

Además, los ingenieros compararon los resultados obtenidos por su método con los resultados obtenidos por técnicas de reconocimiento de rostros como Facenet, desarrollada por investigadores de Google, o una evolución de esta, llamada OpenFace. Estas técnicas se basan en técnicas de deep learning, y funcionan extremadamente bien reconociendo rostros cuando estos no están ocultos. Sin embargo, en el experimento de la Universidad de León estos algoritmos obtuvieron una tasa de aciertos de 38,75% y 23,25% respectivamente. Desarrollado para Asasec y otras herramientas de Ciberseguridad.

Durante seis meses, tanto los dos investigadores citados anteriormente como Rubel Biswas y Eduardo Fidalgo, han trabajado en este sistema. «Se puede usar también como ayuda en la detección de Phishing y para encontrar los paneles de pago usados por malware, como fue el caso de WannaCry. Así se pueden asociar páginas de Tor dedicadas a la ciberdelincuencia».

Este desarrollo ya ha sido entregado a Incibe para que el Instituto lo integre en sus servicios y herramientas de Ciberseguridad y la policía pueda usarlo posteriormente.

La capacidad de computación de la tecnología de análisis de datos de imágenes puede ayudar en gran medida a reconocer más ágilmente a las víctimas de delitos, a partir de la comparación de detalles en fotografías que antes costaba mucho tiempo interrelacionar.

El programa se integrará en breve en Asasec —Sistema de aviso contra la explotación sexual infantil—, el programa que Incibe ha desarrollado para la Policía en la lucha contra las grandes redes de pederastia.

Una de las características de este software es que opera como un cerebro, que va aprendiendo y desarrollándose, que tiene plasticidad, con lo cuando le alimentan, se vuelve más efectivo, mejor.

El sistema tiene varios módulos. El principal gestiona todos los datos relacionados con una operación policial: número de expediente, evidencias que se encuentran en relación a las víctimas y a los agresores.

La herramienta es capaz de notificar y alertar a la policía. Si en un archivo encuentra un dato que ya consta en su memoria, es capaz de ponerlo en relación y advertir a la policía. La virtualidad del proyecto es poner en contacto los datos de Asasec con los que la Interpol tiene en su base ICSE —International Child Sexual Exploitation image database—.