Clasificación CSAM
Descripción general
La identificación y clasificación de contenido sexual en medios incautados es central en las investigaciones de explotación infantil. La revisión manual es lenta, traumática para los investigadores e inconsistente a escala.
La capacidad de Clasificación de Medios de Rigr AI utiliza detección de objetos basada en aprendizaje profundo para identificar contenido sexual, partes del cuerpo, actividades e indicadores contextuales en imágenes — y luego mapea esas detecciones a una clasificación de gravedad estructurada alineada con marcos de revisión establecidos.
Capacidades de detección
Nuestros modelos de IA detectan elementos visuales en las siguientes categorías:
Partes del cuerpo y anatomía
Genitales, pechos, glúteos, manos, pies — cada uno clasificado por etapa de desarrollo (de lactante a adulto).
Actividades sexuales
Coito, sexo oral, penetración, masturbación, posado y contacto no penetrante — detectados y etiquetados con precisión.
Demografía por edad
Rostros y figuras de cuerpo entero clasificados por etapa de desarrollo: lactante, niño pequeño, prepúber, púber y adulto.
Indicadores contextuales
Selfies (teléfono/cámara), capturas de pantalla, logos de redes CSAM, ropa, joyería, ataduras y otros marcadores probatorios.
Clasificación de gravedad
Cada imagen recibe una clasificación de gravedad a nivel de fotograma basada en el contenido más grave detectado. La clasificación se mapea a una escala estructurada diseñada para el triaje investigativo:
| Gravedad | Clasificación | Descripción |
|---|---|---|
| 0 | Sin contenido sexual | Nada de interés investigativo detectado |
| 1 | Adulto — benigno (veredicto del revisor) | Material adulto explícito, asignado por un analista durante la revisión. El clasificador nunca emite el nivel 1: su escala es 0, 2, 3, 4, 5. |
| 2 | Explotador / sugestivo | Desnudez, anatomía expuesta o contexto sexualizado sin actividad explícita |
| 3 | Posado abiertamente sexualizado | Presentación genital deliberada o posicionamiento abiertamente sexualizado |
| 4 | Actividad sexual no penetrante | Masturbación, lamer u otro contacto sexual no penetrante |
| 5 | Actividad sexual penetrante | Coito, sexo oral, penetración anal o vaginal |
Cada detección se enriquece además con marcadores contextuales — como Autogenerado, Sadomasoquismo o Elementos CG — proporcionando contexto investigativo adicional. Es una escala de triaje, no una escala legal. Las categorías y los umbrales varían según la jurisdicción, y VST Teams asigna la escala a las normas locales que rigen al equipo.
Pruébelo
Suba una imagen para ver la clasificación de medios en acción. Se acepta contenido adulto con fines de prueba.
El contenido adulto es válido para pruebas — no suba material de abuso sexual infantil.
Las imágenes que envíe se conservan hasta 7 días para su revisión de confianza y seguridad, y luego se eliminan. No suba imágenes de personas identificables sin su consentimiento. Cómo tratamos los datos de la demostración →
Uso operativo
Dentro de los flujos de trabajo de investigación, la Clasificación de Medios se utiliza para:
- Triar grandes volúmenes de medios incautados por gravedad
- Identificar actividades sexuales específicas, partes del cuerpo e indicadores contextuales
- Marcar contenido autogenerado, logos de redes CSAM y otros marcadores probatorios
- Priorizar las colas de revisión para que los investigadores se centren en el material más grave
Esta capacidad también está disponible como API independiente o aplicación containerizada que puede desplegarse en un entorno aislado.
Despliegue y control
- Totalmente containerizado
- Operación on-premise y air-gapped
- Sin retención de datos
- El cliente mantiene el control total de las entradas y salidas
Para desarrolladores
La API de clasificación acepta imágenes mediante carga multipart y devuelve una clasificación de gravedad, marcadores contextuales y detecciones por objeto con cuadros delimitadores y puntuaciones de confianza.
La estimación facial de edad se ejecuta en la misma pasada. Añada estimate_age=true y cada detección de rostro incluirá una edad aparente y su incertidumbre calibrada, junto con la clasificación de gravedad y las detecciones por objeto: una imagen, una llamada a la API. La edad aparente y la etapa de desarrollo son estimaciones visuales: no verifican la identidad ni establecen la edad legal de una persona.
POST /classify curl -X POST https://api.mes.rigr.ai/classify \
-H "X-API-KEY: $API_KEY" \
-F "[email protected]" \
-F "model=VisualyzeV2" \
-F "estimate_age=true"{
"classification": {
"key": "rigr-penetrative",
"display_name": "Penetrative sexual activity",
"severity": 5
},
"flags": ["Self-Generated"],
"detections": [{
"class_name": "Male Receive Oral",
"score": 0.87,
"bbox": {"x": 0.12, "y": 0.45, "w": 0.31, "h": 0.62},
"ucs_sexual_content": "Penetrative Sexual Activity",
"ucs_flags": []
}, {
"class_name": "Pubescent Female Face",
"score": 0.92,
"bbox": {"x": 0.50, "y": 0.17, "w": 0.09, "h": 0.18},
"age": 14.8,
"age_uncertainty": 2.1,
"original_class_name": "Prepubescent Female Face"
}]
}