Bill Swearingen dedicou os últimos doze meses a realizar milhões de testes com um único objetivo: criar um padrão visual capaz de enganar as câmeras de vigilância que monitoram as ruas norte-americanas. Após conduzir aproximadamente 31 milhões de experimentos, o desenvolvedor anuncia que agora é capaz de gerar padrões sob demanda que, quando aplicados em roupas ou objetos, impedem que leitores de placas e câmeras de vigilância mais comuns identifiquem o que quer que o padrão cubra.
O projeto, batizado pelo criador como noRecognition, oferece às pessoas uma forma de escapar da detecção automática e da vigilância algorítmica adotada em diversas regiões dos Estados Unidos e do mundo. Nos últimos anos, as câmeras de vigilância foram equipadas com recursos avançados que permitem analisar o que acontece nas imagens gravadas, desde rastrear placas de veículos em alta velocidade até utilizar reconhecimento facial para identificar suspeitos, embora com resultados variáveis e, por vezes, preocupantes.
Os algoritmos de detecção que alimentam a maioria das câmeras de vigilância atuais conseguem processar grandes volumes de imagens, possibilitando que forças de segurança identifiquem atividades de interesse específico. Os padrões criados por Swearingen não impedem que as câmeras gravem imagens. Em vez disso, eles confundem a capacidade do equipamento de identificar objetos, pessoas ou rostos, fazendo com que nenhum alerta de detecção seja acionado. Ao bloquear a capacidade da câmera de reconhecer o que o padrão cobre, a pessoa volta a ser um alvo difícil de encontrar.
Em conversa com jornalistas, Swearingen afirmou que a privacidade é um direito fundamental. Ele descreveu seus padrões como uma maneira de permitir que as pessoas optem por não serem rastreadas. Na última sexta-feira, durante a conferência de cibersegurança Def Con em Las Vegas, o criador realizou a primeira demonstração pública do projeto, cobrindo um veículo com um de seus padrões mais recentes e provando que a tecnologia pode ser eficaz no mundo real.
Morador de Kansas City, onde também é fundador do grupo de encontros sobre cibersegurança SecKC, Swearingen relata que sua cidade está repleta de câmeras de vigilância, algumas instaladas a poucos metros umas das outras. Ele explica que tanto ele quanto outros moradores nunca consentiram em serem vigiados, assim como nunca autorizaram o uso de sua carteira de motorista para reconhecimento facial.
Swearingen decidiu agir após querer participar de um protesto no ano passado, mas sentir-se desconfortável com a grande quantidade de câmeras que poderiam rastrear pessoas exercendo seu direito constitucional à liberdade de expressão. Convencido de que outros compartilhavam desse sentimento, ele começou a trabalhar em uma solução.
O projeto evoluiu ao longo dos meses para um modelo de aprendizado por reforço, um sistema automatizado capaz de treinar-se sobre quais padrões funcionam contra quais algoritmos de câmera. Cada vez que um padrão falhava e um algoritmo o detectava, o modelo tentava novamente até conseguir derrotar vários algoritmos simultaneamente. O sistema passou a encontrar receitas perfeitas para padrões capazes de vencer os 11 algoritmos de código aberto testados, incluindo os programas que alimentam leitores de placas da Flock, câmeras corporais da Axon e sistemas que utilizam a tecnologia Clearview AI.
Atualmente, o modelo gera novos padrões a cada minuto, cada versão matematicamente superior à anterior. Na demonstração em Las Vegas, um Toyota Yaris de 2009 foi coberto com um dos padrões mais recentes para verificar se o veículo seria invisível aos olhos de uma câmera da Flock. Swearingen declarou que o teste confirmou a eficácia do método, embora as rodas tenham apresentado desafios adicionais.
O próximo passo do projeto é disponibilizar os padrões para pessoas interessadas. O noRecognition também lançou uma campanha de financiamento coletivo para ajudar a bancar a venda inicial de produtos com os padrões, incluindo camisetas, moletons e, no futuro, adesivos decorativos para veículos. Swearingen afirma que o objetivo é criar padrões de alta qualidade e resolução suficiente para funcionar a distâncias variadas, além de serem visualmente atraentes.
Fonte: TechCrunch
