Investigadores presentan patrones adversos que interfieren con el reconocimiento de vigilancia
CriptoNoticias informa:
Un profesional de ciberseguridad estadounidense presentó un "patrón adverso" en la conferencia Def Con en Las Vegas. Estos patrones generados por computadora pueden imprimirse en ropa, objetos o superficies de vehículos para interferir con los sistemas de reconocimiento automático de algunas cámaras de vigilancia, dificultando la identificación de personas, vehículos o información facial.
Este proyecto se llama noRecognition. El desarrollador Bill Swearingen dijo a TechCrunch que ha estado realizando pruebas repetidas durante el último año, acumulando aproximadamente 31 millones de experimentos, con el objetivo de generar patrones que puedan eludir los algoritmos de detección de vigilancia comunes. Según él, estos patrones no impiden que las cámaras graben, pero perturban la capacidad del sistema para identificar y alertar sobre los objetivos en la imagen.
Def Con completa la primera prueba pública
En su primera demostración pública en Def Con, Swearingen cubrió un Toyota Yaris 2009 con el último patrón, probando un sistema de cámaras Flock. Dijo que la demostración probó que el patrón tiene efectividad en un entorno real, aunque la parte de las ruedas sigue siendo difícil de manejar por completo. Donut Media, que ayudó con la grabación, afirmó que el video de la demostración se publicará en las próximas semanas.
Afirmó que estos patrones ya se pueden generar bajo demanda y pueden usarse en ropa, sudaderas con capucha y, potencialmente, en futuras películas para vehículos. El proyecto también ha lanzado una campaña de crowdfunding para vender productos iniciales con los patrones relacionados.
El objetivo es interferir con la detección automática, no ocultar la imagen
Swearingen dijo que muchos sistemas de vigilancia actuales tienen capacidades de detección de objetivos, que pueden usarse para identificar matrículas, rastrear vehículos o filtrar objetos específicos mediante reconocimiento facial. A diferencia de la obstrucción tradicional, este método no hace que el objetivo desaparezca del video, sino que impide que el algoritmo determine de manera estable qué aparece en la imagen.
Según su descripción, una vez que el sistema no puede activar la detección automática, el objetivo no será fácilmente filtrado por las máquinas de un gran volumen de videos, debiendo depender de la búsqueda manual adicional.
El modelo genera nuevos patrones a través de prueba y error
Swearingen indicó que el proyecto comenzó como una prueba de concepto de algoritmos de detección de video de código abierto, luego expandió gradualmente la capacidad de cálculo y evolucionó hacia un modelo de aprendizaje reforzado. Este modelo sigue intentando diferentes patrones; mientras un patrón sea reconocido por el algoritmo, continúa iterando, hasta eludir múltiples modelos de detección al mismo tiempo.
Dijo que el sistema ha probado 11 algoritmos de detección de código abierto y ha encontrado combinaciones de patrones que pueden interferir simultáneamente con varios algoritmos, incluidos los relacionados con el reconocimiento de matrículas de Flock, dispositivos de grabación de Axon y capacidades de software de Clearview AI. Según él, el modelo ahora puede generar casi un nuevo lote de patrones cada minuto, y la efectividad sigue mejorando.
Swearingen mencionó que aún no ha hecho público el patrón más potente para evitar que las empresas relacionadas reparen rápidamente sus sistemas de reconocimiento. Sin embargo, considera que esta demostración pública ya demuestra que, en espacios públicos reales, el uso de muestras adversas para eludir la detección algorítmica no se limita solo a la fase de laboratorio.
Precio de --
Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.
Te puede gustar

La afirmación sobre la clave privada de 1,096 millones de BTC de Satoshi genera controversia

Las tasas de interés a largo plazo superan silenciosamente, esta vez la Reserva Federal podría no tener poder

La tasa de suscripción de los bonos del gobierno japonés a 5 años alcanza 4,15 veces

¿Por qué los principales creadores de mercado de Wall Street se enfrentan a una gran crisis de inversión en IA?

Morgan Stanley ve un gran potencial de crecimiento futuro para Amazon AWS

El "nuevo petróleo" de la era de la IA: los futuros de capacidad de cómputo están a punto de lanzarse

La UE planea un nuevo paquete de sanciones contra Rusia

La deuda estadounidense se acerca a los 40 billones, Hartnett de Bank of America: invertir en oro es la mejor solución actual

Aumento de la inversión en IA, el impacto del aumento de tasas en las acciones tecnológicas

Wells Fargo prevé que JPMorgan sea el primer banco en alcanzar un valor de mercado de un billón de dólares

Bitcoin oficial en Rusia: miles de millones de rublos pueden llegar al mercado de criptomonedas legal

SanDisk SNDK alcanza un interés abierto de 1.720 millones de dólares, líder en acciones

Los gigantes de TradFi aprueban productos de criptomonedas, poniendo fin a la era de 'largo bitcoin, corto banqueros'

Gastos de capital en IA superan 1 billón de dólares, advertencia sobre la carga de bonos

La mejor estrategia en la burbuja de IA es comprar acciones de tecnología líderes y activos sobrevendidos, mientras se vende en corto bonos de IA

Inversión en infraestructura de IA de 7,6 billones de dólares, presión sobre el flujo de caja de los hiperescaladores

Déficit de 5,731 billones de rublos en Rusia en el primer semestre, superando el plan anual

web3: Empleados de OpenAI afirman que la prisa por lanzar provocó el incidente de fuga del modelo de agente

El salario de Musk en Tesla en 2025 será 1.583 millones de dólares, 2,52 millones de veces el salario medio de los empleados

La apuesta de Bill Ackman: acciones seleccionadas para aumentar los rendimientos

Bill Gates discute la colaboración en SMR en Seúl

Microsoft se retira de China... Estrategia de 'reducción en lugar de retirada' impulsada por la IA - Reuters

Ackman vuelve a invertir en Netflix tras cuatro años, afirmando que ha ganado la competencia en streaming

Japón asegura capacidad de intervención en el yen con 200.000 millones de dólares en activos líquidos

Stablecoin BRLV: Crown y Nexa Finance cierran asociación

Arthur Hayes afirma que un límite de 60 mil millones de dólares de la Fed es el próximo desencadenante de liquidez para Bitcoin y necesario para un aumento de precios

Observación de las dinámicas recientes del mercado de criptomonedas: la intersección de la lógica narrativa, la demanda real y los factores macroeconómicos

El déficit presupuestario de EE. UU. en julio alcanza los 432 mil millones de dólares, los gastos por intereses superan el billón de dólares

El patrón generado por IA te oculta de las cámaras de vigilancia—incluyendo Flock






