Исследователи демонстрируют противодействующие узоры для нарушения распознавания наблюдения

Согласно сообщению CoinWorld:

Специалист по кибербезопасности из США на конференции Def Con в Лас-Вегасе продемонстрировал так называемые "противодействующие узоры". Эти узоры, созданные с помощью компьютера, могут быть напечатаны на одежде, предметах или поверхности автомобилей, чтобы нарушить автоматические системы распознавания некоторых камер наблюдения, затрудняя идентификацию людей, автомобилей или лиц.

Проект называется noRecognition. Разработчик Билл Суэринген сообщил TechCrunch, что в течение последнего года он неоднократно проводил тесты, в результате которых было выполнено около 31 миллиона экспериментов, цель которых заключалась в создании узоров, способных обойти распространенные алгоритмы обнаружения наблюдения. По его словам, эти узоры не препятствуют записи камер, но нарушают способность системы идентифицировать и сигнализировать о целях на изображении.

Def Con завершил первый публичный тест

На первом публичном показе на Def Con Суэринген наложил последние узоры на кузов автомобиля Toyota Yaris 2009 года, тестируя систему камер Flock. Он заявил, что демонстрация подтвердила эффективность узоров в реальных условиях, хотя с колесами все еще было сложно полностью справиться. Участвующая в съемке компания Donut Media сообщила, что видео демонстрации будет опубликовано в ближайшие недели.

Он отметил, что такие узоры уже могут быть сгенерированы по запросу и могут использоваться для одежды, толстовок, а также для будущих автомобильных пленок. Команда проекта также запустила краудфандинг, планируя продавать ранние товары с соответствующими узорами.

Цель — нарушить автоматическое обнаружение, а не скрыть изображение

Суэринген сказал, что в настоящее время многие системы наблюдения обладают способностью обнаруживать цели, что позволяет распознавать номерные знаки, отслеживать автомобили или использовать распознавание лиц для фильтрации определенных объектов. В отличие от традиционного сокрытия, этот метод не заставляет цель исчезать из видео, а делает так, что алгоритм не может стабильно определить, что изображено на экране.

По его словам, как только система не может активировать автоматическое обнаружение, цель не будет легко отфильтрована из огромного объема видео, и необходимо будет полагаться на ручной поиск.

Модель генерирует новые узоры через проб и ошибок

Суэринген сообщил, что проект изначально начинался с концептуальной проверки алгоритмов обнаружения с открытым исходным кодом, затем постепенно увеличивались вычислительные мощности, и он эволюционировал в модель обучения с подкреплением. Эта модель будет постоянно пробовать различные узоры, и пока какой-либо узор все еще распознается алгоритмом, она продолжает итерацию, пока не обойдет несколько моделей обнаружения одновременно.

Он отметил, что система в настоящее время протестировала 11 алгоритмов обнаружения с открытым исходным кодом и уже нашла комбинации узоров, которые могут одновременно нарушать несколько алгоритмов, включая программные возможности, связанные с распознаванием номерных знаков Flock, устройствами записи правопорядка Axon и Clearview AI. По его словам, модель сейчас почти каждую минуту может генерировать новую партию узоров, и эффективность продолжает улучшаться.

Суэринген заявил, что он пока не раскрывал самую мощную версию узора, чтобы соответствующие компании не смогли быстро исправить свои системы распознавания. Однако он считает, что эта публичная демонстрация уже показывает, что использование противодействующих образцов для обхода алгоритмического обнаружения в реальных общественных пространствах не ограничивается только лабораторными условиями.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.