一位安全研究员设计了一种算法，可以生成计算机生成的图案，这些图案能够隐藏人体、面部和车辆，使其不被监控摄像头检测到。经过3100万次测试，该算法可按需生成图案，应用于衣物和物体上时，可防止最常用的车牌识别器和监控摄像头检测到图案覆盖的任何物体。
Bill Swearingen过去一年一直在反复进行基本相同的测试。目标是生成一种计算机生成的图案，能够阻挡美国街头林立的监控摄像头对其的检测。
经过3100万次测试后，Swearingen表示他现在可以按需生成图案，当应用于衣物和物体上时，这些图案能够防止最常用的车牌识别器和监控摄像头检测到图案覆盖的任何物体，从人体到车辆。
他的项目名为noRecognition，让人们能够躲避美国及其他地区使用的自动检测和算法监控。
近年来，监控摄像头被赋予了检测录制视频中内容的能力，从追踪超速车辆的车牌到使用面部识别识别犯罪嫌疑人，尽管成功率参差不齐，有时甚至效果令人担忧。
Swearingen的计算机生成图案并不会阻止监控摄像头录制视频。相反，它们会扰乱摄像头识别物体、人体或面部的能力，使摄像头不会触发任何检测警报。通过阻止摄像头检测物体的能力，该图案有效地使监控摄像头"失明"。
"我认为，如果人们能够选择自己的监控状态，那就太好了，"Swearingen告诉TechCrunch。"我设计这个项目的基本理念是，你可以选择你的隐私水平。"
Swearingen使用了一种称为对抗性机器学习的技术，在这种技术中，算法会生成旨在欺骗其他机器学习模型的输入。具体来说，他的算法生成的图案经过微调，能够欺骗算法监控摄像头使用的计算机视觉模型，使它们无法检测到图案覆盖的物体。
这些图案类似于复杂的几何万花筒图案。乍一看，它们看起来像不规则的电脑生成艺术，但经过精心设计，能够利用监控摄像头算法特定弱点进行攻击。
Swearingen说他测试了这些图案的韧性，包括在雨中、不同光照条件下，以及通过摄像头以不同角度和距离的测试。"其中一些图案在极端角度下同样有效，"他说。Swearingen还测试了带有数字扭曲的图案，使手机摄像头无法拍摄到可识别的图案图像，从而防止图案被复制和识别。
Swearingen表示，他使用了一台价值约5万美元的定制计算机来生成图案，并使用了来自实际监控摄像头的公开可用数据，包括车牌识别器数据，来训练他的算法。他目前正在运行一个Kickstarter众筹活动，以帮助资助早期使用这些图案的商品销售，从T恤到连帽衫，未来还可能为车辆提供图案贴膜。Swearingen表示，目标是让这些图案具有高分辨率和清晰度。
他说，他目前将其最强的图案保密，不发布到互联网上，以防止摄像头制造商破解它们，但这项工作尚未完成。他的模型仍在继续生成新的图案。
"每次失败都能改进我的模型，所以这些图案会越来越好，"他说。
来源：TechCrunch
