比尔·斯威林根在过去一年的时间里，一直在进行几乎相同的测试，反复进行。目标是生成一种计算机生成的模式，能够阻挡美国街道旁的监控摄像头的检测。在进行了大约3100万次测试后，斯威林根表示，他现在可以按需生成模式，当这些模式应用到衣物和物体上时，可以阻止一些最常用的车牌识别器和监控摄像头检测到覆盖模式的对象，从人物到车辆。他的项目被称为noRecognition，允许人们逃避美国及其他地区使用的自动检测和算法监控。近年来，监控摄像头的能力得到了极大增强，可以检测录制视频中发生的事情，从追踪超速车辆的车牌到使用面部识别识别疑似犯罪者，尽管结果时好时坏，甚至有时令人恐惧。支撑当前大多数监控摄像头的检测算法能够筛选大量录像，使执法部门能够挑选出感兴趣的活动，就像在干草堆中抽出一根针。斯威林根的计算机生成模式并不会阻止监控摄像头录制视频。相反，它们干扰摄像头识别物体、人物或面孔的能力，因此摄像头不会触发任何检测警报。通过阻止摄像头检测到模式所覆盖的内容，个人再次成为干草堆中的针——直到有人知道去哪里查找。“隐私是基本权利，”斯威林根在本周与TechCrunch的电话中表示。他形容他的模式是一种让人们“选择不被追踪”的方式。上周五，在拉斯维加斯的Def Con网络安全会议上，他首次公开测试，成功展示了印在车辆上的模式，证明这些模式可以有效击败现实世界中的监控检测。教一个模型如何绘画 在他的家乡堪萨斯城的电话中，斯威林根告诉TechCrunch，作为一名网络专业人士，他对监控所带来的隐私和安全风险有着敏锐的意识。他描述了他所在的小镇被监控摄像头淹没，有时相距仅几英尺。他说，他和其他人从未选择被观察，就像他从未选择让政府利用他的驾照进行面部识别一样。斯威林根自称为一名中年白人男性，生活在美国的中心，并承认因此他并没有因为他是谁或长什么样而面临困难或歧视。斯威林根回忆说，去年他想参加一次抗议，但感觉不舒服，担心大量的摄像头会追踪那些正在行使宪法权利的人。如果他有这种感觉，毫无疑问，其他人也会如此，包括那些希望行使权利但可能感觉不安全或不舒服的人。斯威林根开始着手工作。图片来源：比尔·斯威林根 从有摄像头能够检测事物的那一刻起，就有人在努力对抗这项技术。一些艺术项目和服装品牌推出了旨在帮助人们击败面部识别的服装。一些眼镜制造商也在追随这一趋势，尽管效果不佳。斯威林根表示，他的研究建立在一些早期工作的基础上，这些工作表明阻止摄像头检测是可能的。他去年开始进行概念验证测试实验室，逐步击败一个又一个开源视频摄像头检测算法。在这一年的过程中，他通过增加计算处理能力来完善模式。他感谢那些带着硬件参与该项目的更广泛社区。在这个过程中，他的概念验证逐渐演变为一种强化学习模型，基本上是一个自我包含的系统，可以对哪些模式有效、哪些无效进行自我学习，针对他所测试的特定摄像头算法进行调整。简单来说，斯威林根告诉TechCrunch，他实际上是在教他的模型“如何绘画”。每当一个模式失败并被算法检测到时，模型就会反复尝试，直到最终一举击败多个算法。他的模型很快开始找到能够击败他测试的所有11个开源检测算法的完美模式，包括支持Flock车牌读取器、Axon身体摄像头和运行Clearview AI的软件。现在，模型每分钟创建新模式，每一批的数学表现都好于上一个，他说。上周五，在拉斯维加斯的Def Con网络安全会议上，斯威林根进行了他的第一次真实世界测试。