Avaliação do uso de quantificadores de teoria da informação para identificação de conversas online de pedofilia

• Ano de defesa: 2017
• Autor(a) principal: Postal, Juliana Gorayeb
• Outros Autores: http://lattes.cnpq.br/7896351441674519
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Pedófilos; Chats; Teoria da Informação; Redes sociais on-line; CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: http://tede.ufam.edu.br/handle/tede/5980

Redes sociais privativas de mensagens instantaneas, como Whatsapp, representam uma ameaca para criancas e adolecentes que podem se tornar alvos de pedofilos. Portanto, a identificacao automatica de conversas de pedofilia representa uma importante ferramenta para prote¸c˜ao de jovens usuarios destas redes. Contudo, estas redes possuem como particularidades: (1) as mensagens s˜ao tipicamente armazenadas apenas localmente; e (2) dispositivos moveis de capacidade limitada de processamento sao os principais veıculos de utilizacao. Neste contexto, as solucoes de estado-da-arte possuem um custo computacional proibitivo para execucao em dispositivos m´oveis. Em contrapartida, a natureza da comunicacao ponto-a-ponto destas redes torna, em muitos casos, inviavel o processamento em nuvem sem correr o risco de expor as vıtimas de pedofilia. Neste trabalho, apresentamos um metodo para extracao de caracterısticas de texto baseado em dois quantificadores de teoria da informacao, que utilizam histogramas individuais de palavras que representam as conversas e tres histogramas medios que representam o padrao de discurso dos possıveis tipos de autores presentes na base de dados: Predador (pedofilo), vıtima e regular (nem vıtima e nem predador). O primeiro quantificador ´e a entropia de Shannon que indica repeticao de assunto dos tipos de autor em conversas, o segundo e a divergencia de Jensen-Shannon que mede a similaridade entre o discurso em uma conversa em relacao ao padrao de discurso dos tipos de autor. O metodo proposto e capaz de resumir as conversas consideradas no estudo em tres caracterısticas de entropia e tres caracterısticas de divergencia independente da quantidade de conversas consideradas nos experimentos. Este vetor de caracteristicas compacto permite que um classificador seja capaz de identificar conversas de pedofilia com um desempenho próximo a 90%, considerando as medidas F1 e F0,5, e que chega a ser 72,8% mais rápido que o estado-da-arte.