Badacz poinformował o stworzeniu wzorów mających na celu uniemożliwienie wykrycia przez kamery
Specjalista ds. cyberbezpieczeństwa Bill Swiringen opracował projekt noRecognition, który generuje komputerowe wzory na ubrania, przedmioty i samochody. Jak twierdzi, wzory te mogą utrudniać systemom monitoringu automatyczne wykrywanie osób, twarzy, obiektów lub pojazdów. Informację tę podaje serwis TechCrunch.
Swiringen twierdzi, że w ciągu roku przeprowadził około 31 mln testów. Wzory te nie uniemożliwiają kamerze nagrywania wideo, ale zgodnie z zamysłem twórcy utrudniają działanie algorytmów, które analizują obrazy i wysyłają automatyczne powiadomienia o wykrytych obiektach, osobach lub twarzach.
Badacz rozpoczął od testów z wykorzystaniem algorytmów wykrywania obiektów typu open source, a następnie stworzył model uczenia się z wzmocnieniem. System wielokrotnie sprawdzał utworzone wzory i modyfikował je w przypadkach, gdy algorytm mimo wszystko wykrywał obiekt. Według Sviringena model znalazł warianty zdolne do przeciwdziałania wszystkim 11 algorytmom, które testował, w tym oprogramowaniu stosowanemu w czytnikach tablic rejestracyjnych Flock, kamerach na klatce piersiowej Axon oraz kamerach z Clearview AI.
Więcej aktualnych wiadomości można znaleźć na kanale Telegram UA.News.
Pierwsze publiczne testy odbyły się podczas konferencji poświęconej cyberbezpieczeństwu Def Con w Las Vegas. Jeden z nowych wzorów naniesiono na Toyotę Yaris z 2009 roku i sprawdzono jego działanie przed kamerą Flock. Swiringen stwierdził, że test potwierdził skuteczność tego podejścia, chociaż koła samochodu okazały się trudnym elementem do zamaskowania. W przeprowadzeniu testu pomagała firma Donut Media, która planuje opublikować film demonstracyjny w najbliższych tygodniach.
W ramach projektu prowadzona jest również kampania crowdfundingowa mająca na celu wypuszczenie na rynek koszulek i bluz z takimi wzorami. Swiringen poinformował, że nie publikuje w Internecie najskuteczniejszych wariantów, aby producenci kamer nie mogli opracować środków przeciwdziałających im.
Czytaj nas na Telegram i Sends
