Bill Swearingen, geçen bir yılı büyük ölçüde aynı testi tekrar tekrar yaparak geçirdi. Amaç, ABD sokaklarını donatan gözetleme kameralarının kendisini tespit etmesini engelleyebilecek, bilgisayar üretimi bir desen ortaya çıkarmaktı.
Yaklaşık 31 milyon testin ardından Swearingen, artık talep üzerine yeni desenler üretebildiğini söylüyor. Bu desenler kıyafetlere veya nesnelere uygulandığında, yaygın olarak kullanılan bazı plaka okuyucuların ve gözetim kameralarının, desenin kapladığı şeyi, ister insan ister araç olsun, tespit etmesini engelleyebiliyor.
noRecognition adını verdiği projesi, insanların ABD genelinde ve ötesinde kullanılan otomatik algılama ve algoritmik gözetimden kaçınmasını sağlıyor.
Son yıllarda gözetleme kameraları, kaydedilen görüntülerde ne olup bittiğini tespit etme yeteneğiyle donatıldı. Bu sistemler, hızı aşan araçların plakalarını takip etmekten şüpheli suçluları teşhis etmek için yüz tanıma kullanmaya kadar geniş bir alanda, her ne kadar karışık başarı oranları ve bazen korkutucu sonuçlar doğursa da, görev yapıyor. Bugün çoğu gözetleme kamerasına güç veren algılama algoritmaları, muazzam miktardaki görüntüyü tarayarak şüpheli faaliyetleri ayıklamasına imkân tanıyor.
Swearingen’ın bilgisayarla ürettiği desenler, gözetleme kameralarının video kaydı almasını engellemiyor. Bunun yerine kameraların nesneleri, insanları veya yüzleri tanımlama yeteneğini bozarak herhangi bir algılama uyarısı tetiklemesini önlüyor. Kameranın desenin örttüğü şeyi tespit etmesini engelleyen bu yöntem, kişiyi, biri nereye bakacağını bilene kadar, yeniden samanlıktaki iğneye dönüştürüyor.
Swearingen bu hafta TechCrunch ile yaptığı telefon görüşmesinde, “Gizlilik temel bir haktır.” dedi. Geliştirdiği desenleri, insanların “takip edilmemeyi seçebilmesine” imkân tanıyan bir yol olarak tanımladı.
Cuma günü Las Vegas’taki Def Con siber güvenlik konferansında yapılan ilk halka açık testte Swearingen, bir aracın üzerine basılan deseni başarıyla sergiledi. Böylece bu desenlerin gerçek dünyada algılama yeteneğini etkisiz hâle getirmede işe yarayabileceğini gösterdi.
Bir Modele Resim Yapmayı Öğretmek
Siber güvenlik buluşması SecKC’nin kurucularından olduğu Kansas City’deki evinden TechCrunch’a konuşan Swearingen, bir siber güvenlik uzmanı olarak gözetimin getirdiği gizlilik ve güvenlik risklerinin son derece farkında olduğunu belirtti.
Swearingen, yaşadığı şehrin bazen aralarında yalnızca birkaç metre mesafe bulunan gözetleme kameralarıyla dolup taştığını anlattı. Tıpkı ehliyetinin hükümet tarafından yüz tanıma için kullanılmasına onay vermediği gibi, kendisinin ve diğer insanların izlenmeyi hiçbir zaman kabul etmediğini söyledi.
Kendisini ABD’nin merkezinde yaşayan orta yaşlı beyaz bir adam olarak tanımlayan Swearingen, bu nedenle kim olduğu ya da nasıl göründüğü yüzünden bir zorlukla veya ayrımcılıkla karşılaşmadığını söyledi. Geçen yıl bir protestoya katılmak istediğini fakat kamerayla dolu çevrenin, anayasal ifade özgürlüğü haklarını kullanan insanları takip edebileceği düşüncesiyle endişe duyup rahatsız hissederek vazgeçtiğini aktardı.
Kendisi böyle hissediyorsa haklarını kullanmak isteyen ancak bunu yaparken kendini güvende veya rahat hissetmeyen başkalarının da kuşkusuz aynı şekilde hissedeceğini düşündü ve işe koyuldu.
Nesneleri tespit edebilen kameralar var olduğundan beri, bu teknolojilere karşı koymaya yönelik girişimler de oldu. Çeşitli sanat projeleri ve giyim markaları, insanların yüz tanımayı atlatmasına yardımcı olmayı hedefleyen kıyafetler sundu. Çok etkili olmasa da bazı gözlük üreticileri de bu akıma katılıyor.
Swearingen, araştırmasının kamera tespitlerini engellemenin mümkün olduğunu gösteren bu önceki çalışmalara dayandığını söyledi.
Geçen yıl işe kavram kanıtlama amaçlı bir test laboratuvarıyla başladı. Açık kaynaklı video kamera algılama algoritmalarını adım adım etkisiz hâle getirdi. Yıl boyunca ek bilgisayar işlem gücüyle testleri ölçeklendirerek desenleri geliştirdi. Projeyi daha da ileriye taşımak için donanım desteği sağlayan geniş topluluğa teşekkür etti.
Kavram kanıtlama çalışması zamanla bir pekiştirmeli öğrenme modeline dönüştü. Bu sistem, test ettiği özel kamera algoritmalarına karşı hangi desenlerin işe yarayıp hangilerinin yaramadığı konusunda kendi kendini eğitebilen bağımsız bir yapı kazandı. Basit bir ifadeyle Swearingen, TechCrunch’a modeline esasen “nasıl resim yapılacağını” öğrettigini aktardı.
Bir desen her başarısız olduğunda ve bir algoritma onu tespit ettiğinde model, aynı anda birden fazla algoritmayı alt edene kadar tekrar tekrar denedi.
Modeli kısa süre sonra, Flock plaka okuyucularına, Axon vücut kameralarına ve Clearview AI çalıştıran kameralara güç veren yazılımlar da dâhil olmak üzere, test ettiği 11 açık kaynaklı algılama algoritmasının tamamını etkisiz hâle getiren desenler için mükemmel reçeteler bulmaya başladı.
Swearingen, modelin artık her dakika yeni desenler oluşturduğunu ve her bir grubun matematiksel olarak bir öncekinden daha iyi olduğunu söyledi.
Cuma günü Las Vegas’taki Def Con siber güvenlik konferansında Swearingen, ilk gerçek dünya testini gerçekleştirdi. Donut Media yardımıyla yapılan testte, 2009 model bir Toyota Yaris Swearingen’ın en yeni desenlerinden biriyle kaplandı ve aracın bir Flock kamerasının tespitine karşı görünmez olup olmayacağı denendi.
Swearingen, tekerleklerin zorluk çıkardığını belirtse de “Etkili olduğunu kanıtladık.” dedi. Donut Media ise gösteri videosunun önümüzdeki birkaç hafta içinde yayımlanacağını bildirdi.
Las Vegas’taki halka açık gösterinin ardından proje, kamusal alanlarda algoritmik algılamadan kaçınmanın mümkün olduğuna dair erken bir kanıt niteliği taşıyor. Swearingen, bir sonraki adımın desenleri talep eden insanlara ulaştırmak olduğunu söyledi.
noRecognition projesi, tişörtlerden kapüşonlu üstlere kadar desenleri taşıyan ilk ürünlerin satışını fonlamak amacıyla bir kitle kaynaklı kampanya da yürütüyor. Gelecekte araçlar için desen baskılı kaplamaların sunulması da ihtimaller arasında. Swearingen, amacın desenlerin uzaktan çalışacak kadar yüksek kaliteli ve çözünürlüklü olması, aynı zamanda estetik açıdan şık görünmesi olduğunu ifade etti.
Swearingen, kamera üreticilerinin bu desenlere karşı önlem geliştirmesini engellemek için en güçlü desenlerini internette yayımlamadığını söyledi. Ancak çalışma henüz tamamlanmış değil ve modeller yeni desenler üretmeye devam ediyor.
Swearingen, “Her başarısızlık modelimi geliştiriyor, bu yüzden [desenler] sürekli daha iyi hâle geliyor.” dedi.
Kaynak: https://techcrunch.com/2026/08/09/this-adversarial-pattern-can-prevent-surveillance-cameras-from-detecting-you/
