Vigia Flash 1.0: Triagem Rápida de Aliciamento Infantil Online
O Vigia Flash 1.0 é um modelo neural baseado em moBERTo (Tropic-AI/moBERTo, ~149M parâmetros), otimizado para moderação em tempo real, auditoria forense e triagem de alta vazão com suporte a janelas de contexto de até 8.192 tokens.
Desenvolvido no âmbito da Dissertação de Mestrado Profissional do Programa de Pós-Graduação em Engenharia de Sistemas e Produtos (PPGESP) do IFBA — Campus Salvador, o modelo alinha-se ao marco do ECA Digital (Lei nº 15.211/2025) e à LGPD (Lei nº 13.709/2018). Todos os experimentos derivam estritamente do corpus público internacional PAN-12 (CLEF 2012 / Zenodo 3713280).
🚀 Como Usar o Modelo
1. Forma Mais Simples (via pipeline do Transformers)
from transformers import pipeline
classifier = pipeline("text-classification", model="mateusdata/vigia-flash-1.0")
# Exemplo de verificação com diálogo estruturado (amostra do benchmark acadêmico PAN-12)
dialogo = """SPEAKER_A: Olá! Você vai participar do seminário amanhã?
SPEAKER_B: Sim, estou terminando a apresentação."""
resultado = classifier(dialogo)
print(resultado)
# Saída esperada: [{'label': 'CONVERSA_NORMAL', 'score': 0.98}]
2. Uso com Controle Fino (AutoModel e AutoTokenizer)
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
model_id = "mateusdata/vigia-flash-1.0"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id)
dialogo = """SPEAKER_A: Olá, tudo bem? Você vai na aula amanhã?
SPEAKER_B: Vou sim, preciso entregar o trabalho."""
inputs = tokenizer(dialogo, return_tensors="pt", truncation=True, max_length=8192)
with torch.no_grad():
outputs = model(**inputs)
probs = torch.softmax(outputs.logits, dim=-1)
pred_idx = torch.argmax(probs, dim=-1).item()
pred_label = model.config.id2label[str(pred_idx)]
confianca = probs[0][pred_idx].item()
print(f"Predição: {pred_label} (Confiança: {confianca:.2%})")
📊 Métricas no Benchmark PAN-12 PT-BR (57.773 Diálogos)
| Métrica | Vigia Flash 1.0 (Base) |
|---|---|
| F1-Score (Classe Positiva) | 72,13% |
| Revocação (Recall / Sensibilidade) | 66,45% |
| Precisão (Precision) | 78,87% |
| AUC-ROC | 98,63% |
| Acurácia Global | 98,79% |
⚖️ Termos de Uso e Licença Restrita
AVISO: Este modelo NÃO possui licença aberta permissiva (não é MIT, Apache ou GPL).
- Finalidade Permitida: Estritamente restrito a fins acadêmicos, científicos, auditoria forense e homologação por autoridades periciais e de segurança pública.
- Supervisão Humana Obrigatória (Human-in-the-Loop): O modelo é uma ferramenta de triagem pericial de apoio e não deve ser empregado para acusações automáticas sem validação de um perito humano.
- Vedações: Proibido uso comercial, engenharia reversa para evasão de detectores ou qualquer aplicação que facilite atos ilícitos contra crianças e adolescentes.
- Downloads last month
- 25