Facebook lanza herramienta para detectar coincidencias en fotos

La red social Facebook anunció el día de hoy dos tecnologías de código abierto que pueden detectar videos y fotos similares o casi idénticos, con la finalidad de combatir abusos en dentro de su plataforma.
"Estos algoritmos serán de código abierto en GitHub para que nuestros socios de la industria, desarrolladores pequeños y organizaciones sin fines de lucro, puedan utilizarlos para identificar de manera más fácil contenido abusivo y compartir funciones hash o huellas digitales de diferentes tipos de contenido dañino. Para aquellos que ya utilizan su propia tecnología para detectar coincidencias, estas tecnologías que anunciamos hoy, son una capa adicional de defensa y permiten que los sistemas de intercambio de hash se comuniquen entre sí, lo que los hace mucho más poderosos" indicó la plataforma en un comunicado.
"En solo un año, hemos sido testigos de un aumento del 541% en la cantidad de videos de abuso sexual infantil reportados por la industria tecnológica a CyberTipline. Confiamos en que la generosa contribución de Facebook de esta tecnología de código abierto en última instancia conducirá a la identificación y rescate de más víctimas de abuso sexual infantil", dijo John Clark, presidente y CEO del Centro Nacional de Niños Desaparecidos y Explotados.
Conocidas como PDQ y TMK + PDQF, estas tecnologías son parte de un conjunto de herramientas utilizadas en Facebook para detectar contenido dañino. También, existen otros algoritmos e implementaciones disponibles como pHash, PhotoDNA, aHash y dHash de Microsoft.
La tecnología de coincidencia de video, TMK + PDQF, fue desarrollada conjuntamente por el equipo de Investigación de Inteligencia Artificial de Facebook (FAIR) y académicos de la Universidad de Módena y Reggio Emilia en Italia.
Estas tecnologías crean una manera eficiente de almacenar archivos como hashes digitales cortos que pueden determinar si dos archivos son iguales o similares, incluso sin la imagen o el video original. Los hashes también se pueden compartir más fácilmente con otras compañías y organizaciones sin fines de lucro. Por ejemplo, cuando identificamos propaganda terrorista en nuestras plataformas, la eliminamos y la analizamos utilizando una variedad de técnicas, incluidos los algoritmos que compartimos hoy. Después, compartimos los hashes con socios de la industria, incluidas las empresas más pequeñas, a través de GIFCT para que también puedan eliminar el mismo contenido si aparece en alguno de sus servicios.
PDQ y TMK + PDQF fueron diseñados para operar a gran escala, admitiendo aplicaciones de video-hashing de cuadros y en tiempo real.