এআই ক্যামোফ্লাজ ঝাঁপিয়ে পড়ে পাখির নজরদারি ক্যামেরাগুলোকে

বিল সোয়ারিংগেন বলেন যে তিনি আধুনিক নজরদারির স্বয়ংক্রিয় চোখগুলির থেকে জিনিসগুলি �隠藏 করার একটি সস্তা এবং কার্যকর উপায় খুঁজে পেয়েছেন: একটি এআই-উত্পাদিত ক্যামোফ্লাজ, যা Flock-এর মতো সিস্টেমগুলি দ্বারা ব্যবহৃত অবজেক্ট-ডিটেকশন মডেলগুলিকে বিভ্রান্ত করে। সেককেসি মিটআপের সহ-প্রতিষ্ঠাতা এবং কানসাস সিটির একজন সিকিউরিটি গবেষক হিসেবে, সোয়ারিংগেন গত বছর তার বাড়িতে একই পরীক্ষা বারবার চালিয়েছেন। প্রায় ৩১ মিলিয়নটি পরীক্ষার পর, তিনি বলেন যে তার রিইনফোর্সমেন্ট-লার্নিং মডেলটি অনুরূপ প্যাটার্নগুলি চাহিদা অনুযায়ী আউটপুট দিতে পারে, যা Flock-এর ডিটেকশন সফটওয়্যারকে প্যাটার্নটি দ্বারা ঢাকা যা-কিছুই উপেক্ষা করতে বাধ্য করে। শুক্রবার Def Con-এ প্রথমবারের মতো তিনি এই পদ্ধতিটির প্রদর্শনী করেন, Donut Media-এর সঙ্গে মিলে ২০০৯-এর Toyota Yaris-এর উপরে তার সবচেয়ে নতুন ডিজাইনগুলির একটির সঙ্গে ঢাকা দিয়ে Flock-এর ক্যামেরার সামনে গাড়িটি চালিয়েছেন। “আমরা প্রমাণ করেছি এটি কার্যকর,” তিনি TechCrunch-কে বলেছেন, though he admitted the car’s wheels presented a challenge. Donut Media soon plans to publish video of the demo. গুরুত্বপূর্ণ সতর্কবাণী: এই wrap-টি camera-কে blind-করেনা। Footage-টি 여전히 record-হয়,এবং video-টি watch-করা human-একটি car-কে dekhe। Pattern-টি target-করে machine layer—যা typically “that’s a vehicle” or “that’s a plate” label-করে logging-এর system। AI detector-এর decision boundaries-এর sath match kore visualy engineered noise feed kore, model-টি object-টি register kore na। Short-এ, adversarial machine learning visible design-কে statistical invisibility-তে convert kore. সোয়ারিংগেন noRecognition—নামক system-টিকে “teaching the model how to paint”-এর form-এ describe kore। Reinforcement model-টি har output-কে target detector-এর sath compare kore iterative improvement kore, abar roughly har minute-e fresh candidate pattern generate kore। Tini bolchen, camera vendor-দের system-গুলি training kore dite na, strongest patterns offline rakhe। “Privacy is a fundamental right,” he told reporters, framing the project as a way for people to opt out of ubiquitous tracking. He says the idea sprang from a personal worry: he wanted to attend a protest and feared being logged by nearby cameras. noRecognition projectটি low-tech and high-tech anti-detection tactics-এর long history-এr ekta part। Protesters cones use kore robotaxis confuse kore, masks and hoods protest lines-e common, commercialy sold adversarial clothing and anti-recognition glasses appear kore—though evidence of their real-world effectiveness mixed. সোয়ারিংগেন-এর project-টি different kore—explicitly targeting widely deployed commercial stacks, Flock ke singled out. Company-er surveillance system Capitol Hill-e controversial hoye uthche, internal documents show it once pitched turning up to 350,000 Uber and Lyft dashcams into a rolling plate-scanning fleet. Automated readers already dangerous real-world consequences pathache—mistaken matches led to armed traffic stops—and critics warn immigrant communities and protesters can get swept up in automated enforcement. Lawmakers also scrutinizing facial-recognition features from other companies, like Meta’s smart glasses, meaning legal responses to automated detection are actively being explored. সোয়ারিংগেন crowdfunding campaign launch koreছে early merchandise—T-shirts and hoodies now, vehicle skins later—finance korar jonno, saying the goal is a pattern resolution that works at distance and a look people will actually wear. He notes legal gray areas: driving a wrapped car raises state-by-state questions about plate obstruction, and his patterns explicitly avoid covering license plates, focusing on bodywork only. “Every failure improves my model, and so [the patterns] keep getting better and better,” he said. Projectটি surveillance-এr future, detection systems and evasive tech-এr arms race, and society kivabe security, privacy, and civil liberties balance kore—e bishay-e sharper questions uthay. Swearingen-er demonstration dekhai je, abar ek combination of clever machine learning and graphic design modern AI detectors ke look the other way korte parbe.