باحثون يعرضون أنماط مضادة تعيق التعرف في أنظمة المراقبة

أفادت تقارير من CoinWorld أن أحد المتخصصين في الأمن السيبراني الأمريكيين عرض "أنماط مضادة" في مؤتمر Def Con الذي أقيم في لاس فيغاس. هذه الأنماط التي تم إنشاؤها بواسطة الكمبيوتر يمكن طباعتها على الملابس أو الأشياء أو أسطح المركبات، بهدف إعاقة أنظمة التعرف التلقائي لبعض كاميرات المراقبة، مما يجعل من الصعب عليها التعرف على الأشخاص أو المركبات أو المعلومات الوجهية.

المشروع يسمى noRecognition. وأخبر المطور بيل سويرينجن TechCrunch أنه قام بإجراء اختبارات متكررة على مدار العام الماضي، حيث أجرى حوالي 31 مليون تجربة، بهدف إنشاء أنماط يمكنها تجاوز خوارزميات الكشف عن المراقبة الشائعة. وفقًا له، فإن هذه الأنماط لن تمنع الكاميرات من التسجيل، ولكنها ستعطل قدرة النظام على التعرف على الأهداف في الصورة وإصدار الإنذارات.

Def Con يكمل أول اختبار علني

في العرض العلني الأول له في Def Con، قام سويرينجن بتغطية أحدث الأنماط على هيكل سيارة تويوتا يارس 2009، وكان موضوع الاختبار هو نظام كاميرات Flock. وأشار إلى أن العرض أثبت أن الأنماط فعالة في البيئة الواقعية، على الرغم من أن الجزء الخاص بالعجلات لا يزال صعب المعالجة بالكامل. وذكرت Donut Media، التي ساعدت في التصوير، أن الفيديو الخاص بالعرض سيتم نشره في الأسابيع المقبلة.

قال إن هذه الأنماط يمكن إنشاؤها حسب الطلب، ويمكن استخدامها على الملابس، والسترات ذات القب hood، وكذلك على ملصقات السيارات التي قد يتم طرحها في المستقبل. كما أطلق المشروع حملة تمويل جماعي، يخطط من خلالها لبيع منتجات مبكرة تحمل الأنماط ذات الصلة.

الهدف هو إعاقة الكشف التلقائي، وليس حجب الصورة

قال سويرينجن إن العديد من أنظمة المراقبة الحالية تمتلك القدرة على الكشف عن الأهداف، ويمكن استخدامها للتعرف على لوحات الترخيص، وتتبع المركبات، أو دمج التعرف على الوجه لتصفية الأهداف المحددة. على عكس الحجب التقليدي، فإن هذه الطريقة لا تجعل الهدف يختفي من الفيديو، بل تجعل الخوارزمية غير قادرة على تحديد ما يظهر في الصورة بشكل ثابت.

وفقًا لوصفه، بمجرد أن لا يتمكن النظام من تفعيل الكشف التلقائي، فلن يتمكن الهدف بسهولة من أن يتم تصفيته من بين مقاطع الفيديو الضخمة، وسيكون من الضروري الاعتماد على البحث اليدوي الإضافي.

النموذج يولد أنماط جديدة من خلال التجربة والخطأ

قال سويرينجن إن المشروع بدأ في البداية من إثبات مفهوم خوارزمية الكشف عن الفيديو مفتوحة المصدر، ثم تم توسيع القدرة الحاسوبية تدريجياً، وتطور ليصبح نموذج تعلم معزز. سيستمر هذا النموذج في محاولة أنماط مختلفة، طالما أن نمطًا معينًا لا يزال يتم التعرف عليه بواسطة الخوارزمية، فإنه يستمر في التكرار حتى يتجاوز عدة نماذج كشف في نفس الوقت.

قال إنه تم اختبار النظام حاليًا على 11 خوارزمية كشف مفتوحة المصدر، وقد وجد أنماطًا يمكن أن تعيق عدة خوارزميات في نفس الوقت، بما في ذلك القدرات البرمجية المتعلقة بالتعرف على لوحات Flock، وأجهزة تسجيل إنفاذ القانون Axon، وClearview AI. وفقًا له، فإن النموذج الآن قادر على إنتاج دفعة جديدة من الأنماط تقريبًا كل دقيقة، كما أن الأداء مستمر في التحسن.

قال سويرينجن إنه لم يكشف بعد عن أقوى نسخة من الأنماط، لتجنب قيام الشركات ذات الصلة بإصلاح أنظمة التعرف بسرعة بناءً على ذلك. ومع ذلك، فإنه يعتقد أن هذا العرض العلني قد أوضح أنه في الفضاء العام الحقيقي، فإن استخدام العينات المضادة لتجنب الكشف عن الخوارزميات ليس مجرد مرحلة تجريبية.

يُقدَّم هذا المحتوى لأغراض معلوماتية عامة فقط، ولا يُشكل مشورة مالية أو استثمارية أو قانونية أو ضريبية. ولا ينبغي اعتبار أي فعاليات أو مكافآت أو عروض ترويجية عبر الإنترنت أو أي معلومات ذات صلة واردة فيه توصيةً أو طلبًا أو دعوةً لشراء الأصول المشفرة أو بيعها أو تداولها أو إجراء أي معاملات أخرى عليها. تتميز الأصول المشفرة بتقلبات سعرية مرتفعة وقد تؤدي إلى خسائر. وقد يختلف مدى توفر خدمات WEEX ومنتجاتها والفعاليات المرتبطة بها حسب المنطقة. وتقع على عاتقك مسؤولية التأكد من أن مشاركتك تتوافق مع القوانين واللوائح المحلية المعمول بها.