Gözetim Kamerasını Atlatabilen Desen Geliştirildi

Güvenlik araştırmacısı Bill Swearingen, Amerika sokaklarını kaplayan gözetim kameralarının tespit sistemlerini atlatabilen bilgisayar üretimi bir desen geliştirdi. Yaklaşık bir yıl boyunca aynı testi tekrar tekrar çalıştıran ve 31 milyon deneme yapan Swearingen, talep üzerine üretebildiği bu desenlerin kıyafet ve nesnelere uygulandığında en yaygın kullanılan plaka okuyucular ile gözetim kameralarının desenin kapladığı insan, yüz ve araçları tespit etmesini engellediğini açıkladı. noRecognition adını verdiği proje, ABD ve ötesinde kullanılan otomatik tespit ve algoritmik gözetlemeden kaçış imkanı sunmayı hedefliyor.
Swearingen'ın desenleri kameraların video kaydetmesini engellemiyor. Bunun yerine kameranın nesne, insan veya yüzü tanımlama yeteneğini karıştırarak hiçbir tespit uyarısının tetiklenmemesini sağlıyor. Böylece desenin kapladığı kişi, kamera için samanlıkta iğneye dönüşüyor. Swearingen, TechCrunch'a yaptığı açıklamada "Mahremiyet temel bir haktır" dedi ve desenleri insanların "takip edilmekten vazgeçmesi" için bir yol olarak tanımladı.

31 Milyon Test ve noRecognition Projesi​

Swearingen, son bir yılda büyük ölçüde aynı testi defalarca çalıştırdı. Amaç, sokaklardaki gözetim kameralarının tespitinden kaçabilen bir desen üretmekti. 31 milyon testin sonunda, desenlerin kıyafet ve nesnelere uygulandığında bazı yaygın plaka okuyucuların ve gözetim kameralarının algılamasını engelleyebildiğini belirtti.
Son yıllarda gözetim kameraları, kaydedilen görüntülerde ne olduğunu tespit etme yeteneğiyle güçlendirildi. Bu sistemler hız yapan araçların plakalarını takip etmekten yüz tanıma ile şüpheli kişileri belirlemeye kadar kullanılıyor. Swearingen, bu tespit algoritmalarının günümüzde çok büyük miktardaki görüntüyü tarayabildiğini ve kolluk kuvvetlerinin ilgi çekici faaliyetleri samanlıkta iğne arar gibi bulmasına olanak sağladığını hatırlatıyor. noRecognition desenleri ise bu iğneyi yeniden görünmez kılmayı amaçlıyor.

Model Nasıl Eğitildi: Boyamayı Öğretmek​

Kansas City'deki evinden TechCrunch'a konuşan ve siber güvenlik buluşması SecKC'nin kurucularından olan Swearingen, bir siber profesyonel olarak gözetimin mahremiyet ve güvenlik risklerinin son derece farkında olduğunu söyledi. Kasabasının gözetim kameralarıyla dolu olduğunu, bazen kameraların birbirinden sadece birkaç metre uzakta bulunduğunu anlattı. Kendisinin ve başkalarının izlenmeye hiçbir zaman onay vermediğini, aynı şekilde ehliyetinin hükümet tarafından yüz tanıma için kullanılmasına da onay vermediğini ifade etti.
Kendisini Amerika'nın merkezinde yaşayan orta yaşlı beyaz bir erkek olarak tanımlayan Swearingen, bu nedenle kim olduğu veya nasıl göründüğü nedeniyle zorluk ya da ayrımcılıkla karşılaşmadığını kabul etti. Geçen yıl bir protestoya katılmak istediğini ancak çok sayıdaki kameranın anayasal ifade özgürlüğü haklarını kullanan insanları takip edebileceği düşüncesiyle kendini rahatsız ve endişeli hissettiğini aktardı. Kendisi böyle hissediyorsa, haklarını kullanmak isteyen ancak kendini güvende hissetmeyen başkalarının da aynı şekilde hissedeceğini düşündü ve çalışmaya başladı.
Kameralar var olduğundan beri tespit teknolojisine karşı koyma çabaları da bulunuyor. Birkaç sanat projesi ve giyim markası, insanların yüz tanımayı atlatmasına yardımcı olmayı amaçlayan kıyafetler sundu. Bazı gözlük üreticileri de bu akıma katılıyor ancak çok fazla etkinlik göstermiyor. Swearingen, araştırmasının bu önceki çalışmalar üzerine inşa edildiğini ve kamera tespitlerini engellemenin mümkün olduğunu gösteren bulgulardan yararlandığını söyledi.
Geçen yıl bir kavram kanıtlama test laboratuvarıyla başlayan süreçte, açık kaynaklı video kamera tespit algoritmalarını tek tek aşarak ilerledi. Yıl boyunca ek bilgisayar işlem gücüyle testlerini ölçeklendirerek desenleri rafine etti. Projeyi ilerletmek için donanım desteğiyle gelen daha geniş topluluğa teşekkür etti. Kavram kanıtı zamanla bir pekiştirmeli öğrenme modeline dönüştü. Bu, hangi desenlerin işe yarayıp hangilerinin yaramadığını test ettiği belirli kamera algoritmalarına karşı kendi kendini eğitebilen bağımsız bir sistemdi. Swearingen, basit bir ifadeyle modeline "nasıl boyanacağını" öğrettiğini söyledi. Bir desen başarısız olup algoritma tarafından tespit edildiğinde model tekrar denedi, ta ki birden fazla algoritmayı aynı anda atlatana kadar. Model kısa sürede test ettiği 11 açık kaynaklı tespit algoritmasının tamamını atlatabilen desenler için mükemmel formüller bulmaya başladı. Bu algoritmalar arasında Flock plaka okuyucularına, Axon vücut kameralarına ve Clearview AI ile çalışan kameralara güç veren yazılımlar da bulunuyor. Swearingen, modelin artık her dakika yeni desenler ürettiğini ve her partinin matematiksel olarak bir öncekinden daha iyi olduğunu belirtti.

Def Con'da Araç Üzerinde İlk Gerçek Dünya Testi​

Projenin ilk halka açık testi, Las Vegas'taki Def Con siber güvenlik konferansında cuma günü gerçekleştirildi. Test, Donut Media'nın yardımıyla yapıldı ve Swearingen'ın en yeni desenlerinden biriyle kaplanan 2009 model Toyota Yaris'in bir Flock kamerası tarafından tespit edilip edilemeyeceğini görmek amaçlandı.
Swearingen, "Etkili olduğunu kanıtladık" dedi ancak tekerleklerin bir zorluk oluşturduğunu ekledi. Donut Media, demo videosunun önümüzdeki birkaç hafta içinde yayınlanacağını açıkladı. Las Vegas'taki bu halka açık demo, kamusal alanlarda algoritmik tespitten kaçınmanın mümkün olduğuna dair erken bir kanıt olarak görülüyor.

Desenler Nasıl Yaygınlaştırılacak​

Swearingen'a göre bir sonraki adım, desenleri talep eden insanların eline ulaştırmak. noRecognition projesi, desenleri içeren ilk ürünlerin satışını finanse etmeye yardımcı olmak için bir kitlesel fonlama kampanyası da yürütüyor. Kampanya kapsamında T-shirt ve kapüşonlu ürünler planlanıyor, ileride araçlar için desen baskılı kaplamalar da gündemde.
Swearingen, desenlerin uzaktan da çalışacak kadar yüksek kaliteli ve yüksek çözünürlüklü olmasını, aynı zamanda estetik olarak da şık görünmesini hedeflediğini söyledi. En güçlü desenlerini kamera üreticilerinin bunları etkisiz hale getirmesini önlemek için internette paylaşmadığını belirtti ancak çalışmanın henüz bitmediğini vurguladı. Modelleri yeni desenler üretmeye devam ediyor. Swearingen, "Her başarısızlık modelimi geliştiriyor ve bu yüzden desenler giderek daha iyi hale geliyor" dedi.

Sıkça Sorulan Sorular​

noRecognition deseni ne işe yarıyor?​

Desen, gözetim kameralarının video kaydetmesini engellemiyor, kameranın desenin kapladığı insan, yüz veya aracı tespit etme ve uyarı tetikleme yeteneğini karıştırıyor. Böylece kişi veya araç algoritmik olarak görünmez hale geliyor.

Deseni kim geliştirdi ve ne kadar test yapıldı?​

Deseni Kansas City'de yaşayan güvenlik araştırmacısı ve SecKC kurucularından Bill Swearingen geliştirdi. Swearingen, yaklaşık bir yıl boyunca aynı testi tekrarlayarak 31 milyon deneme yaptığını açıkladı.

Desen hangi sistemlere karşı test edildi?​

Kaynağa göre desenler, test edilen 11 açık kaynaklı tespit algoritmasının tamamını atlatabildi. Bu algoritmalar arasında Flock plaka okuyucuları, Axon vücut kameraları ve Clearview AI ile çalışan kameralara güç veren yazılımlar bulunuyor.

Def Con'daki gerçek dünya testi nasıl yapıldı?​

İlk halka açık test, Las Vegas'taki Def Con siber güvenlik konferansında cuma günü Donut Media iş birliğiyle yapıldı. 2009 model Toyota Yaris, Swearingen'ın yeni desenlerinden biriyle kaplanarak bir Flock kamerası tarafından tespit edilip edilemeyeceği denendi. Swearingen testin etkili olduğunu, ancak tekerleklerin zorluk çıkardığını söyledi.

Desenler nasıl temin edilebilecek?​

Proje için T-shirt ve kapüşonlu gibi ürünlerin satışını finanse etmek amacıyla bir kitlesel fonlama kampanyası yürütülüyor. İleride araçlar için desen baskılı kaplamalar da planlanıyor. Swearingen, en güçlü desenleri kamera üreticileri etkisiz hale getirmesin diye internette paylaşmadığını belirtti.