El investigador de Cybersecurity Bill Swearingen afirma haber desarrollado patrones generados por ordenador capaces de impedir que algunos sistemas de vigilancia detecten automáticamente personas, vehículos y otros objetos.
El proyecto, llamado **noRecognition**, no impide que una cámara grabe vídeo. Los patrones interfieren con los algoritmos de Computer Vision utilizados para interpretar las imágenes.
Swearingen afirma haber realizado alrededor de **31 millones de pruebas** durante el último año y ahora utiliza Reinforcement Learning para generar continuamente nuevos diseños.
El objetivo es la detección algorítmica
Los sistemas modernos de vigilancia pueden detectar vehículos, matrículas, personas y, en algunos casos, realizar Facial Recognition.
noRecognition intenta confundir esa capa automática.
La cámara sigue grabando, pero el Detection Model puede dejar de clasificar correctamente aquello que cubre el patrón.
Leer más
31 millones de pruebas
El proyecto comenzó como un Proof of Concept contra algoritmos Open Source.
Con más capacidad informática terminó evolucionando hacia un sistema de Reinforcement Learning.
Cada fallo genera información para producir y probar un nuevo diseño.
Swearingen asegura que logró patrones eficaces contra los **11 algoritmos Open Source** incluidos en sus pruebas.
Entre ellos hay software asociado con lectores de matrículas Flock Safety, cámaras corporales Axon y Clearview AI.
Nuevos patrones cada minuto
El modelo puede generar nuevos diseños cada minuto.
Cada generación utiliza información de pruebas anteriores para mejorar matemáticamente el siguiente conjunto.
Los patrones más potentes no se publican para dificultar que los fabricantes entrenen sus cámaras específicamente contra ellos.
Prueba con un Toyota Yaris en DEF CON
En DEF CON, Swearingen y **Donut Media** cubrieron un **Toyota Yaris de 2009** con uno de los patrones.
El objetivo era comprobar si una cámara Flock podía detectar automáticamente el vehículo.
Swearingen dijo que la prueba fue efectiva, aunque las ruedas resultaron problemáticas.
Ropa orientada a la privacidad
noRecognition ha iniciado una campaña de Crowdfunding para producir camisetas y sudaderas con los patrones.
También podrían desarrollarse Skin para vehículos.
Los diseños deben conservar suficiente resolución para funcionar a distancia y, al mismo tiempo, resultar utilizables como productos cotidianos.
Una nueva fase en la carrera de Surveillance AI
La ropa contra Facial Recognition y otros métodos de evasión existen desde hace años.
La diferencia de noRecognition es el uso de Reinforcement Learning y millones de pruebas automáticas para buscar diseños capaces de funcionar frente a múltiples algoritmos.
Mientras los sistemas de Surveillance AI continúan evolucionando, el modelo de Swearingen seguirá generando y probando nuevos patrones.
