[論文レビュー] Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations

Thomas Grübl, Harjinder Singh Lallie|arXiv (Cornell University)|Jan 9, 2022

Face recognition and analysis被引用数 5

ひとこと要約

本論文は、児童性虐待・搧発のデジタルフォレンジック調査を改善するために、327枚の顔画像（0–20歳）から構成される新規で多様性のある顔画像データセットを用いて、CNNベースの年齢推定プロトタイプを提案する。DEXアルゴリズムで訓練された本モデルは、10–20歳の思春期において平均絶対誤差（MAE）1.79を達成し、成人の年齢基準に近い領域で優れた性能を示すが、10歳未塔の児童における精度は依然として限定的である。

ABSTRACT

The precise age estimation of child sexual abuse and exploitation (CSAE) victims is one of the most significant digital forensic challenges. Investigators often need to determine the age of victims by looking at images and interpreting the sexual development stages and other human characteristics. The main priority - safeguarding children -- is often negatively impacted by a huge forensic backlog, cognitive bias and the immense psychological stress that this work can entail. This paper evaluates existing facial image datasets and proposes a new dataset tailored to the needs of similar digital forensic research contributions. This small, diverse dataset of 0 to 20-year-old individuals contains 245 images and is merged with 82 unique images from the FG-NET dataset, thus achieving a total of 327 images with high image diversity and low age range density. The new dataset is tested on the Deep EXpectation (DEX) algorithm pre-trained on the IMDB-WIKI dataset. The overall results for young adolescents aged 10 to 15 and older adolescents/adults aged 16 to 20 are very encouraging -- achieving MAEs as low as 1.79, but also suggest that the accuracy for children aged 0 to 10 needs further work. In order to determine the efficacy of the prototype, valuable input of four digital forensic experts, including two forensic investigators, has been taken into account to improve age estimation results. Further research is required to extend datasets both concerning image density and the equal distribution of factors such as gender and racial diversity.

研究の動機と目的

• 人間の判断が認知バイアスと心理的ストレスの影響を受けるため、児童性虐待・搧発（CSAE）調査における年齢推定という重要な課題に取り組む。
• 既存のデータセットが低品質な画像多様性や0–10歳の年齢分布の不足を抱えることへの対応として、デジタルフォレンジックスのニーズに特化した新規で多様性のある顔画像データセットの開発。
• 新規データセット上で事前学習済みのDeep EXpectation（DEX）モデルの性能を評価し、フォレンジックスの文脈における正確性と信頼性を検証する。
• デジタルフォレンジックス専門家のフィードバックを統合し、プロトタイプの使いやすさを向上させ、実際の捜査プロセスに整合するようにする。
• 人間がトラウマ的証拠にさらされるのを減らし、CSAE事例における年齢推定のスピードと一貫性を向上させるAI支援意思決定システムの開発を推進する。

提案手法

• オリジナルの情報源から245枚の画像を収集し、FG-NETデータセットの82枚の画像と統合することで、多様性が高く、年齢分布がバランスの取れた327枚の画像からなる新規データセットを構築した。
• IMDB-WIKIデータセットで事前学習済みの、Deep EXpectation（DEX）畳み込みニューラルネットワーク（CNN）モデルを、新規データセット上の年齢推定に活用した。
• DEXモデルを用いて顔画像から年齢を予測し、フォレンジックス意思決定を支援するため、年齢の確率分布として出力を提示した。
• 特に10–15歳および16–20歳の年齢層に注目し、予測精度を評価するために平均絶対誤差（MAE）を定量的指標として用いた。
• 4名のデジタルフォレンジックス専門家（うち2名は捜査官）を対象にインタビューとソフトウェア評価を通じて、使いやすさを評価し、主な懸念事項を特定した。
• 画像品質、被覆、人種的バイアスといった制限要因に対応するため、専門家の知見をプロトタイプ設計および評価フレームワークに統合した。

実験結果

リサーチクエスチョン

• RQ1 特化したデジタルフォレンジックス調査用に設計された新規で多様性のある顔画像データセット上で、微調整されたDEXモデルは信頼できる年齢推定を達成できるか？
• RQ2 法的成人年齢基準（16–20歳）に近い領域において、年齢推定モデルの性能はどのように年齢層ごとに変化するか？
• RQ3 デジタルフォレンジックス専門家は、AI支援年齢推定をどの程度有益と感じており、精度、バイアス、使いやすさに関する懸念をどのように提起しているか？
• RQ4 実世界のデジタルフォレンジックス文脈に応用する際、既存の顔画像データセットおよび事前学習済みモデルにどのような主な制限があるか？
• RQ5 専門家のフィードバックを効果的にAIプロトタイプ開発に統合することで、フォレンジックスワークフローにおける実用的有用性をどのように向上できるか？

主な発見

• DEXモデルは10–20歳の年齢層で平均絶対誤差（MAE）1.79を達成し、成人の年齢基準に近い領域での優れた性能を示した。
• 特に16–20歳の思春期の高齢層において、性能が最先端のソリューションと同等であり、法的年齢分類の信頼性が非常に高いことが示された。
• 0–10歳の児童における年齢推定の正確性は依然として低く、この年齢層におけるさらなるモデルの最適化とデータセットの拡充の必要性が示された。
• デジタルフォレンジックス専門家はAI支援年齢推定に強く支持を示し、心理的負担の軽減と一貫性の向上を挙げたが、人種的バイアス、画像のぼやけ、顔の被覆に関する懸念を提起した。
• オリジナルとFG-NETデータを統合した327枚の新規データセットは、既存のデータセットと比較して多様性が向上し、年齢範囲の密度が低くなったが、依然としてサイズが限定的である。
• 専門家のフィードバックは、単一の点推定に過剰に自信を持つのを防ぐために、年齢予測を確率分布として可視化することが、フォレンジックス意思決定を支援するために極めて重要であることを強調した。