الگوی تولید شده توسط هوش مصنوعی شما را از دوربین‌های نظارتی پنهان می‌کند—از جمله Flock

بیل سوئرینگن در سال گذشته یک آزمایش را بارها و بارها از خانه‌اش در کانزاس سیتی، جایی که او هم‌بنیان‌گذار ملاقات امنیتی SecKC است، انجام داد. پس از حدود ۳۱ میلیون آزمایش، او می‌گوید که می‌تواند الگوهایی را به‌صورت درخواستی تولید کند که هر چیزی را که پوشش می‌دهد از نرم‌افزار تشخیص متصل به دوربین‌های Flock—سیستم نظارتی جنجالی که در حال گسترش در سراسر آمریکا است—پنهان می‌کند.

او برای اولین بار در روز جمعه در کنفرانس Def Con این موضوع را به‌صورت عمومی نشان داد و با کانال یوتیوب Donut Media همکاری کرد تا یک تویوتا یاریس ۲۰۰۹ را با یکی از جدیدترین الگوهایش پوشش دهد و آن را از کنار دوربین Flock عبور دهد.

"ما ثابت کردیم که این روش مؤثر است،" سوئرینگن به TechCrunch گفت، اگرچه او گفت که چرخ‌ها چالش‌برانگیز بودند. Donut Media گفت که ویدئوی این نمایش در هفته‌های آینده منتشر می‌شود.

این الگو دوربین را کور نمی‌کند. فیلم‌برداری به‌طور عادی ادامه دارد و یک انسان که صفحه را تماشا می‌کند، یک خودرو را می‌بیند. آنچه که مختل می‌شود، لایه‌ای است که بر روی آن قرار دارد—مدل تشخیص شیء که تصمیم می‌گیرد "این یک وسیله نقلیه است، این یک پلاک است، آن را ثبت کن."

بنابراین اساساً، به یک تشخیص‌دهنده هوش مصنوعی با مقدار کافی نویز بصری که بر اساس ریاضیات خود آن طراحی شده، داده می‌شود و هیچ چیزی ثبت نمی‌کند. خودرو دوباره به یک سوزن در کاه تبدیل می‌شود.

این یادگیری ماشین خصمانه است و کار می‌کند زیرا بینایی کامپیوتر آنچه را که شما می‌بینید نمی‌بیند. یک پوشش که به‌عنوان طراحی گرافیکی بلند به یک فرد خوانده می‌شود، می‌تواند برای یک طبقه‌بندی‌کننده به‌عنوان هیچ چیز خوانده شود.

سوئرینگن این الگو را با یک مدل یادگیری تقویتی ساخته است که تکالیف خود را ارزیابی می‌کند. الگو شناسایی می‌شود، مدل تنظیم می‌شود، دوباره تلاش می‌کند—آنچه او به‌عنوان آموزش مدل "چگونه نقاشی کردن" توصیف کرد. اکنون هر دقیقه الگوهای جدیدی تولید می‌کند و او قوی‌ترین آنها را به‌صورت آفلاین نگه می‌دارد تا فروشندگان دوربین نتوانند بر اساس آنها آموزش ببینند.

"حریم خصوصی یک حق اساسی است،" او گفت و الگوها را راهی برای مردم برای "خارج شدن از ردیابی" توصیف کرد. او گفت که این ایده سال گذشته به ذهنش خطور کرد زمانی که می‌خواست در یک اعتراض شرکت کند و نگران بود دوربین‌ها همه کسانی را که حضور داشتند ثبت کنند.

پنهان شدن از ماشین‌ها

مردم سال‌هاست که در برابر سیستم‌های تشخیص به‌صورت بداهه عمل کرده‌اند، معمولاً با راه‌حل‌های فروشگاه‌های سخت‌افزاری. فعالان سان فرانسیسکو مخروط‌های ترافیکی را بر روی کاپوت‌های تاکسی‌های رباتیک Waymo و Cruise قرار دادند تا آنها را در محل ثابت کنند، یک بهره‌برداری که به هیچ کدی نیاز نداشت.

در طول یورش‌های مهاجرتی سال گذشته در لس آنجلس، معترضان فراتر رفتند و چندین Waymo را آتش زدند. ماسک‌ها، هودها و کلاه‌های لبه‌دار همچنان در خطوط اعتراض پیش‌فرض هستند. برچسب‌های لباس خصمانه سال‌هاست که چاپ‌های گیج‌کننده صورت را می‌فروشند و عینک‌های ضد شناسایی با شواهد کمی وارد بازار شده‌اند که نشان دهند کارایی دارند.

آنچه پروژه سوئرینگن را که او آن را noRecognition می‌نامد، متمایز می‌کند، فهرست هدف است. سوئرینگن در برابر انبوه‌های خاصی که به‌طور گسترده‌ای در حال استفاده هستند آزمایش کرد و Flock همان است که تحت فشار قرار دارد. این شرکت با واکنش فزاینده‌ای در کنگره مواجه است و اسناد داخلی نشان می‌دهد که طرحی برای تبدیل ۳۵۰,۰۰۰ دوربین داشبورد اوبر و لیفت به یک ناوگان اسکن پلاک در حال حرکت ارائه کرده است.

خوانندگان خودکار قبلاً رانندگان بی‌گناه را به‌خاطر تطابق‌های بد با سلاح تهدید کرده‌اند و مهاجران و معترضان همچنان در دام هوش مصنوعی ICE گرفتار می‌شوند. قانون‌گذاران در حال فشار به متا در مورد شناسایی چهره در عینک‌های هوشمند آن هستند، بنابراین هر اقدام قانونی برای مقابله با فناوری تشخیص خودکار در حال بررسی است.

پروژه noRecognition سوئرینگن در حال اجرای یک کمپین جمع‌سپاری برای تأمین مالی کالاهای اولیه است—تی‌شرت‌ها و هودی‌ها اکنون، پوشش‌های خودرو بعداً. سوئرینگن گفت هدف این است که وضوح کافی برای کار در فاصله و طراحی خوب باشد که مردم واقعاً آن را بپوشند.

رانندگی با یک خودرو پوشش‌دار در جاده‌های عمومی خود یک سؤال قانونی است و قوانین مسدود کردن پلاک‌ها بسته به ایالت متفاوت است. الگوها بدنه خودرو را پوشش می‌دهند، نه پلاک‌ها.

"هر شکست مدل من را بهبود می‌بخشد و بنابراین [الگوها] هر روز بهتر و بهتر می‌شوند،" سوئرینگن گفت.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.