¿Puede un vinilo para coche engañar a las cámaras de vigilancia?

Una startup llamada noRecognition afirma haber desarrollado patrones que pueden hacer que los vehículos sean prácticamente invisibles para los sistemas de vigilancia basados en IA. La empresa, fundada por el investigador de ciberseguridad Bill Swearingen, ha creado diseños generados por ordenador que, según se dice, confunden a los sistemas de detección de IA. Estos patrones se están probando como una forma de evadir los lectores de matrículas automáticos (ALPR) de Flock, que se utilizan para recopilar datos personales. La empresa también ha vendido diseños similares para ropa, incluidos camisetas y sudaderas, que se comercializan como herramientas para eludir la tecnología de reconocimiento facial. Swearingen demostró un prototipo de coche en la conferencia de ciberseguridad Def Con en Las Vegas. El coche, un Toyota Yaris de 2009 con un patrón abstracto azul y amarillo, se probó contra 11 algoritmos de detección de código abierto, incluidos los utilizados por Flock y las cámaras corporativas Axon. Explicó que los patrones forman parte de una estrategia conocida como medios adversarios, que explota las vulnerabilidades en los algoritmos de IA para engañar a los sistemas de visión artificial. El enfoque, conocido como 'ruido adversario', implica el uso de arreglos específicos de formas y colores para confundir a los modelos de IA. Esta técnica también ha sido utilizada por manifestantes que aplican maquillaje surrealista en sus rostros para evitar los sistemas de reconocimiento facial. El método se denomina 'dazzle de visión artificial' y fue desarrollado por el investigador Adam Harvey. A pesar del potencial de los patrones adversarios, su eficacia no está garantizada. Cada diseño debe probarse contra sistemas y algoritmos específicos, y la tecnología de IA está en constante evolución. Si bien algunos diseñadores de ropa anti-IA han intentado popularizar estas técnicas, muchos no han realizado pruebas exhaustivas. El desafío sigue siendo garantizar que estos patrones funcionen de forma fiable en escenarios del mundo real.