Moda Adversarială Contestă Normele de Supraveghere AI

Pe măsură ce camerele de supraveghere bazate pe AI devin omniprezente, apare o contra-mișcare prin 'moda adversarială', creând articole vestimentare concepute pentru a induce în eroare aceste sisteme. Proiecte precum noRecognition și companii precum Cap_able și Urban Privacy dezvoltă articole cu modele și designuri specifice care interferează cu algoritmii de detecție a obiectelor și recunoaștere facială. Acest trend subliniază o dorință publică crescândă de a recâștiga confidențialitatea într-o lume din ce în ce mai monitorizată, oferind o formă vizibilă de protest împotriva capturii de date omniprezente.

Din punct de vedere tehnic, aceste modele adverse sunt adesea generate folosind tehnici de machine learning, cum ar fi algoritmi de reinforcement learning, antrenați pe framework-uri populare de detecție a obiectelor precum YOLO. Expertul în cybersecurity Bill Swearingen a dezvoltat un fuzzer bazat pe Python pentru a descoperi vulnerabilități și apoi a creat modele adverse care scad scorurile de încredere ale modelelor de detecție, uneori prevenind complet detecția. Aceste modele sunt de obicei abstracții geometrice colorate testate împotriva diverselor modele pentru detecția feței, recunoaștere și detecția generală a persoanelor, având ca scop clasificarea greșită a purtătorilor ca animale sau obiecte, sau inducerea în eroare a sistemelor de recunoaștere facială prin prezentarea de date false.

Deși această modă adversarială reprezintă o abordare creativă și tangibilă pentru apărarea confidențialității, eficacitatea sa este limitată de factori din lumea reală, cum ar fi unghiurile camerei, iluminatul și mișcarea. Mai mult, pe măsură ce sistemele de supraveghere evoluează și sunt antrenate pe aceste modele, capacitatea articolelor vestimentare de a evita detecția poate diminua. În ciuda acestor limitări, mișcarea semnifică o cerere crescândă pentru confidențialitate și o modalitate tangibilă prin care indivizii își pot exprima dezacordul față de supravegherea constantă, chiar dacă este un scut fragil împotriva unei amenințări în continuă îmbunătățire.