编辑推荐：
为应对每年超千万的儿童性虐待（CSA）报告及人工处理困境，研究人员开展 CSAI 室内场景分类研究。利用自监督学习模型，在室内场景分类中达 71.6% 平衡准确率，优于全监督模型，且评估显示公开场景数据集与敏感材料特征存在差异。
互联网的普及让数字空间成为犯罪温床，儿童性虐待材料（CSAM）的传播尤为触目惊心。美国国家失踪与受虐儿童中心（NCMEC）数据显示，2022 年美国疑似 CSAM 报告达 3200 万例，超 80% 源自网络。面对海量数据，执法部门难以通过人工高效筛查，而传统基于哈希的检测方法（如 PhotoDNA）仅能识别已知内容，无法应对每日新增的新型材料。现有视觉检测方法多聚焦年龄估计和裸体检测，但场景环境等线索尚未被充分挖掘。在此背景下，巴西联邦警察与研究团队合作，探索通过自监督学习（SSL）实现儿童性虐待图像（CSAI）的室内场景分类，旨在开发无需直接接触敏感数据的自动化工具，为案件筛查提供新维度。
巴西研究团队开展了相关研究，论文发表在《Forensic Science International: Digital Investigation》。
研究采用的关键技术方法包括：
- 数据集构建：基于执法部门指导创建 Places8 数据集，模拟 CSAI 场景特征，并设计新的类别划分用于模型训练与调参；
- 自监督模型训练：对比 SwAV、SimCLR、Barlow Twins、SupCon 四种 SSL 方法，在场景中心数据集上预训练模型；
- 实验设计：通过 5 折交叉验证评估模型性能，利用贝叶斯估计（BEST）替代传统 t 检验进行结果分析，并在真实 CSAI 数据上验证模型泛化能力。
模型性能与场景分类结果
在室内场景分类任务中，基于场景中心数据预训练的自监督深度学习模型实现 71.6% 的平衡准确率，平均比全监督模型高出 2.2 个百分点。研究发现，仅在物体中心数据集（如 ImageNet）上进行自监督训练的模型，其知识难以有效迁移至场景中心任务，而结合场景与物体数据的自监督训练可提升性能。此外，引入合成场景数据（Indoors.all）未显著改善结果，表明真实场景数据的重要性。
真实 CSAI 数据验证与域差距分析
通过与巴西联邦警察合作，研究团队在真实 CSAI 数据上测试模型。结果显示，公开场景数据集（如 Places）与敏感材料中的场景特征存在显著差异。尽管模型在部分常见室内场景（如卧室、浴室）分类中表现尚可，但整体泛化能力受限，反映出公开数据与真实犯罪场景之间的域差距问题。
研究结论与未来方向
本研究首次将室内场景分类引入 CSAI 检测领域，证明自监督学习在无需敏感数据训练的前提下，可通过场景特征实现 CSAI 的有效分组与筛查，为执法部门提供了新型辅助工具。然而，公开数据集与真实 CSAI 的场景差异表明，需进一步优化模型对复杂场景（如包含人物元素）的表征能力。未来研究可探索融合物体检测、人体部位分析等多维度特征，构建更全面的 CSAI 检测框架，同时需在合规前提下扩大真实场景数据的获取渠道，以提升模型的实用性与准确性。
该研究不仅拓展了 CSAI 自动化检测的技术路径，也为跨领域利用自监督学习解决敏感数据难题提供了方法论参考，对全球打击儿童性虐待犯罪的数字化警务合作具有重要推动意义。
