KI soll Hotels als Orte von Menschenhandel identifizieren
Menschenhandel findet häufig in Hotelzimmern statt. KI soll aus Fotos von Escort-Anzeigen ermitteln, um welche Hotels es sich handelt.
US-Forscher der George Washington University und Temple University haben zusammen mit Adobe Research eine Künstliche Intelligenz (KI) mit einem Datensatz von mehr als einer Million Fotos von weltweit etwa 50.000 Hotels trainiert, um Hotels zu identifizieren, in denen Sexsklaven gehandelt werden. Das berichtet The Register.
Das bei den AAAI Conferences auf Hawaii vorgestellte System soll demnach beispielsweise aus Fotos von Escort-Anzeigen erkennen, in welchen Hotels die Aufnahmen erfolgt sind. Die Polizeibehörden sollen so Menschenhändler schneller ermitteln und den Opfern helfen können.
Moderne Sklaverei
Jedes Jahr werden hunderttausende Menschen, meist junge Frauen, gegen ihren Willen in andere Länder verschleppt, um sie zur Prostitution zu zwingen. Menschenhändler nehmen dabei Fotos ihrer Opfer in Hotels auf, um die Bilder in Online-Escort-Börsen einzustellen. Nach Angaben der US-Forscher greifen die Menschenhändler für ihre Aktivitäten häufig auf die gleichen Hotels zurück, sodass bei einer genauen Identifizierung eines Hotels die Möglichkeit besteht, die Täter zu ermitteln und dingfest zu machen.
Die Forscher haben als Basis ein Datenset von etwas mehr als eine Million Fotos mit Innenaufnahmen von Zimmern in weltweit 50.000 Hotels erstellt. Die Fotos stammen von Hotel- und Reise-Websites sowie von Hotelnutzern aus öffentlichen Quellen.
Letztere Fotos ermöglichen eine genauere Lokalisierung als die professionellen Zimmeraufnahmen der Hotels, da sie eher örtliche Eigenheiten eines Hotelzimmers aus unterschiedlichen Blickwinkeln im bewohnten Zustand widerspiegeln. Zusätzlich enthält die Bilddatenbank Fotos, die Unterstützer zur Verfügung gestellt haben, um den Menschenhandel zu bekämpfen. Die Fotos des Datensets sind mit den Namen der Hotels, der Hotelkette und den Geodaten verknüpft.
Hotelerkennung
Die Wissenschaftler stehen bei der Erkennung der Hotels vor zwei großen Herausforderungen: Zunächst ist das Ausgangsfoto mit den Opfern häufig nicht besonders hochauflösend. Das Opfer wird zudem vor der Erkennung komplett aus dem Bild maskiert, sodass nur ein Teil des Bildes zur Identifikation des Hotels genutzt werden kann. Außerdem weisen Zimmer von Hotelketten meist eine ähnliche Inneneinrichtung auf, sodass eine genaue Zuordnung zu einem spezifischen Hotel schwierig ist. Deshalb setzen die Forscher darauf, lokale Eigenheiten der Hotelzimmer wie spezielle Bilder an den Wänden, Möbel und individuelle Teppich-Dekore zu erkennen, um eine genaue Zuordnung vornehmen zu können.
"Unser Ansatz zur Bestimmung von Hotels aus Hotelzimmern besteht darin, ein konvolutionäres neuronales Netzwerk so zu trainieren, dass für jedes Bild ein kurzer Code erstellt wird, bei dem Bilder aus gleichen Hotels sehr ähnliche Codes haben, Bilder aus verschiedenen Hotels unterschiedliche Codes aufweisen", sagt die Erstautorin Abby Stylianou, Doktorandin an der George Washington University, gegenüber The Register. "Wir schließen dann die Hotelidentität aus den Bildern mit den ähnlichsten Codes."
Eingeschränkte Erkennungsleistung
Bisher haben die Forscher die beiden trainierten neuronalen Netzwerke (ResNet-50 und VCG) nur mit Testdaten gefüttert. Das Problem: Den Forschern fehlen schlicht Fotos von Opfern von Menschenhandel, die sich gesichert einem speziellen Hotel zuordnen lassen. Deshalb arbeiten die Wissenschaftler mit Testfotos, die mit Maskierungen für Menschen versehen sind. Das System mit Künstlicher Intelligenz kann damit derzeit zu 80 Prozent die richtige Hotelkette ermitteln. Um allerdings das richtige Hotel aus einem Foto zu erkennen, scheint es noch ein längerer Weg zu sein. Bisher liegt die Erkennungsleistung lediglich bei 24 Prozent – zu wenig, um das System schon jetzt den Polizeibehörden als Hilfe zur Ermittlung von Menschenhandel an die Hand zu geben.
Stylianou stellt deshalb das Datenset und die bisherigen Forschungsergebnisse anderen Forschern zur Verfügung, um darauf aufbauend ein System mit einer höheren Erkennungsleistung entwickeln zu können. (olb)
