SynFO: triagem forense automatizada por reconhecimento facial com aprendizado de máquina
Artigo publicado no Journal of Digital Forensics, Security and Law (JDFSL) apresenta o SynFO (Synthetic Forensic Omnituens), ferramenta que combina Python, Go e as bibliotecas dlib/face-recognition para automatizar aquisição, extração de arquivos relevantes e triagem inicial de evidência via reconhecimento facial em imagens e vídeos. A proposta ataca diretamente o acúmulo de casos pendentes em laboratórios forenses com poucos peritos disponíveis.
O problema que motiva o SynFO é bem conhecido por qualquer laboratório de perícia digital: o volume de mídia apreendida (celulares, HDs, cartões de memória) cresce mais rápido que o número de peritos qualificados, criando filas de meses ou anos para casos que dependem de identificar rostos específicos em grandes coleções de fotos e vídeos — cenário comum em investigações de exploração infantil, tráfico de pessoas e localização de suspeitos foragidos.
A ferramenta, escrita em Python e Go, usa as bibliotecas dlib (C++) e face-recognition — ambas consolidadas em visão computacional baseada em embeddings faciais — para automatizar um pipeline de triagem: aquisição do material, extração de arquivos de imagem/vídeo relevantes, comparação facial contra um conjunto de referência, e geração de um relatório preliminar exportável para formatos usados no fluxo pericial (Excel, Word, LibreOffice), reduzindo a necessidade de revisão manual de cada arquivo antes de a análise humana começar.
O valor prático de ferramentas de triagem automatizada como o SynFO não está em substituir o perito, mas em priorizar o que ele revisa primeiro — em vez de vasculhar milhares de imagens manualmente, o perito recebe um subconjunto pré-filtrado com maior probabilidade de conter a face de interesse, o que pode reduzir drasticamente o tempo até identificar uma pista relevante em casos urgentes. O ponto de atenção, não abordado no resumo disponível, é a necessidade de validação rigorosa da taxa de falso negativo em reconhecimento facial forense, já que qualquer triagem automatizada que descarte cedo demais material relevante pode comprometer a completude da investigação — motivo pelo qual ferramentas desse tipo tendem a ser usadas como filtro de priorização, não como critério de exclusão definitivo.