研究者展示可干擾監控識別的對抗圖案

幣界網報導：

一名美國網路安全從業者在拉斯維加斯舉行的 Def Con 大會上展示了一種"對抗圖案"。這類由計算機生成的圖案可印在衣物、物體或車輛表面，用來干擾部分監控攝像頭的自動識別系統，使其難以識別人、車輛或面部信息。

這項專案名為 noRecognition。開發者 Bill Swearingen 對 TechCrunch 表示，他在過去一年裡反覆進行測試，累計運行約 3100 萬次實驗，目標是生成能繞過常見監控檢測算法的圖案。按他的說法，這些圖案不會阻止攝像頭錄影，但會打亂系統對畫面中目標的識別與警報能力。

Def Con 完成首次公開測試

Swearingen 在 Def Con 的首次公開演示中，將最新圖案覆蓋在一輛 2009 款豐田 Yaris 車身上，測試對象是一套 Flock 攝像頭系統。他表示，演示證明圖案在現實環境中具備效果，不過車輪部分仍較難完全處理。參與協助拍攝的 Donut Media 稱，演示視頻將在未來幾周公布。

他稱，這類圖案已經可以按需生成，並可用於衣物、連帽衫以及未來可能推出的車輛貼膜。專案方還發起眾籌，計劃銷售帶有相關圖案的早期商品。

目標是干擾自動檢測，不是遮擋畫面

Swearingen 說，當前大量監控系統已具備目標檢測能力，可用於識別車牌、追蹤車輛，或結合人臉識別篩查特定對象。與傳統遮擋不同，這套方法並不讓目標從視頻中消失，而是讓算法無法穩定判斷畫面裡出現了什麼。

按他的描述，一旦系統無法觸發自動檢測，目標就不會輕易從海量視頻中被機器篩出，必須依賴人工進一步查找。

模型通過反覆試錯生成新圖案

Swearingen 表示，專案最初從開源視頻檢測算法的概念驗證開始，隨後逐步擴大算力投入，並演變成一個強化學習模型。這個模型會持續嘗試不同圖案，只要某種圖案仍被算法識別，就繼續迭代，直到同時繞過多個檢測模型。

他稱，系統目前測試過 11 種開源檢測算法，並已找到可同時干擾多種算法的圖案組合，其中包括與 Flock 車牌識別、Axon 執法記錄設備以及 Clearview AI 相關的軟體能力。按他的說法，模型現在幾乎每分鐘都能生成一批新圖案，而且效果還在持續提升。

Swearingen 表示，他暫未公開最強版本的圖案，以免相關廠商據此快速修補識別系統。不過他認為，這次公開演示已說明，在現實公共空間中，利用對抗樣本規避算法檢測並非只停留在實驗室階段。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。