研究者が監視認識を妨害する対抗パターンを展示

コイン界ネットの報道：

アメリカのサイバーセキュリティ専門家がラスベガスで開催されたDef Con大会で「対抗パターン」を展示しました。このコンピュータ生成のパターンは、衣服、物体、または車両の表面に印刷され、一部の監視カメラの自動認識システムを妨害し、人や車両、顔情報の識別を困難にします。

このプロジェクトはnoRecognitionと呼ばれています。開発者のビル・スウェアリンゲンはTechCrunchに対し、過去1年間にわたり繰り返しテストを行い、約3100万回の実験を実施したと述べ、一般的な監視検出アルゴリズムを回避できるパターンを生成することを目指しています。彼によれば、これらのパターンはカメラの録画を妨げることはありませんが、システムが画面内の対象を識別し警告する能力を混乱させます。

Def Conで初の公開テストを完了

スウェアリンゲンはDef Conでの初の公開デモで、最新のパターンを2009年製トヨタ・ヤリスの車体に覆い、テスト対象はFlockカメラシステムでした。彼は、デモが現実の環境で効果を持つことを証明したと述べましたが、車輪部分は完全に処理するのが難しいと認めました。撮影を手伝ったDonut Mediaは、デモ動画が今後数週間内に公開されると述べています。

彼は、このようなパターンは必要に応じて生成でき、衣服、フード付きスウェットシャツ、将来的に発売される可能性のある車両のラッピングに使用できると述べました。プロジェクトチームはクラウドファンディングを開始し、関連パターンを持つ初期商品を販売する計画です。

自動検出を妨害することが目的で、画面を隠すことではない

スウェアリンゲンは、現在多くの監視システムが対象検出能力を備えており、ナンバープレートの識別、車両の追跡、または顔認識を組み合わせて特定の対象をスクリーニングするために使用されていると述べました。従来の隠蔽とは異なり、この方法は対象をビデオから消すのではなく、アルゴリズムが画面に何が現れているかを安定して判断できなくします。

彼の説明によれば、システムが自動検出をトリガーできない場合、対象は大量のビデオから機械によって簡単にフィルタリングされず、人工的にさらに探す必要があります。

モデルは反復試行を通じて新しいパターンを生成

スウェアリンゲンは、プロジェクトは最初にオープンソースのビデオ検出アルゴリズムの概念検証から始まり、次第に計算能力の投入を拡大し、強化学習モデルに進化したと述べました。このモデルは異なるパターンを継続的に試み、あるパターンがアルゴリズムによって認識され続ける限り、反復を続け、複数の検出モデルを同時に回避するまで続けます。

彼は、システムは現在11種類のオープンソース検出アルゴリズムをテストしており、Flockのナンバープレート認識、Axonの法執行記録デバイス、Clearview AIに関連するソフトウェア機能を含む複数のアルゴリズムを同時に妨害できるパターンの組み合わせを見つけたと述べました。彼によれば、モデルは現在ほぼ毎分新しいパターンを生成でき、その効果は持続的に向上しています。

スウェアリンゲンは、関連企業がそれに基づいて認識システムを迅速に修正するのを避けるために、最も強力なバージョンのパターンを公開していないと述べました。しかし、彼はこの公開デモが、現実の公共空間において対抗サンプルを利用してアルゴリズムの検出を回避することが実験室の段階を超えていることを示していると考えています。

本コンテンツは、一般的な情報提供のみを目的としたものであり、金融、投資、法律、または税務に関する助言を構成するものではありません。ここに記載されているイベント、報酬、オンラインキャンペーン、またはそれらに関連する情報は、暗号資産の購入、売却、取引、その他いかなる取引の推奨、勧誘、または招待とみなされるべきではありません。暗号資産は価格変動が非常に大きく、損失が発生する可能性があります。WEEXのサービス、プロダクト、および関連イベントの提供状況は、地域によって異なる場合があります。お客様は、ご自身の参加が適用される現地の法令を遵守していることを自ら確認する責任を負うものとします。