في تجربة مثيرة للجدل كشفت عن ثغرات غير متوقعة في أنظمة المراقبة الحديثة، نجحت سيارة من طراز تويوتا ياريس موديل 2009 في عبور كاميرات المراقبة الذكية دون أن يتم رصدها أو التعرف عليها. لم يكن السر في تقنية إخفاء عسكرية، بل في نمط بصري مبتكر تم توليده عبر تقنيات الذكاء الاصطناعي المتطورة، مما جعل السيارة تبدو "غير مرئية" للخوارزميات التي تعتمد عليها أنظمة الأمن.
- ✅ استخدام أنماط بصرية مولدة بالذكاء الاصطناعي لتضليل أنظمة رؤية الحاسوب.
- ✅ نجاح التجربة في مؤتمر DEF CON العالمي المتخصص في الأمن السيبراني.
- ✅ التقنية تستهدف طبقة البرمجيات والتحليل لا منع التسجيل البصري الفعلي.
- ✅ مبادرة "noRecognition" تسعى لحماية الخصوصية من التتبع الآلي المستمر.
مشروع noRecognition: ثورة في عالم الخصوصية الرقمية
يقف وراء هذا المشروع الطموح "بيل سويرينجن"، الباحث البارز في مجال الأمن السيبراني ومؤسس شركة SIXCYBER. تهدف مبادرته التي أطلق عليها اسم "noRecognition" إلى استكشاف وتطوير وسائل فعالة تمنع أنظمة كاميرات المراقبة المؤتمتة من تحديد هوية الأشخاص أو المركبات بشكل آلي، مما يعيد تعريف مفهوم الخصوصية في الأماكن العامة.
خلال فعاليات مؤتمر DEF CON الأخير في لاس فيغاس، تعاون سويرينجن مع فريق Donut Media لتطبيق هذه النظرية عملياً. تم تغليف سيارة تويوتا ياريس بالكامل بنمط هندسي معقد تم تطويره خصيصاً بواسطة خوارزميات تعلم الآلة. وعندما قاد الباحث السيارة أمام كاميرات شركة Flock المتطورة، كانت النتيجة مذهلة؛ فقد فشل النظام تماماً في التعرف على الجسم المتحرك كمركبة.
كيف يعمل "الإخفاء البرمجي" ضد خوارزميات الرؤية؟
من الضروري التمييز هنا بين الإخفاء البصري والإخفاء البرمجي. فالكاميرا تستمر في تسجيل لقطات السيارة بشكل طبيعي، وأي إنسان يشاهد الفيديو سيتمكن من رؤية السيارة بوضوح. ومع ذلك، فإن "العقل الإلكتروني" أو الخوارزمية التي تحلل الصور لتصنيف الأجسام (سيارة، إنسان، لوحة ترخيص) تصاب بالارتباك وتفشل في تصنيف السيارة كمركبة، وبالتالي لا يتم تسجيلها في قواعد بيانات التتبع الآلي.
استغرق تطوير نظام noRecognition قرابة عام كامل، تضمن إجراء أكثر من 31 مليون اختبار محاكاة. بدأ المشروع بالاعتماد على خوارزميات مفتوحة المصدر، ثم انتقل إلى استخدام تقنيات "التعلم المعزز" التي تسمح للذكاء الاصطناعي بتوليد أنماط وتعديلها ذاتياً بناءً على مدى نجاحها في تضليل أنظمة الكشف.
التعلم الآلي التنافسي: سلاح ذو حدين
تعتمد هذه التقنية على ما يعرف بـ "التعلم الآلي التنافسي" (Adversarial Machine Learning)، وهو مجال يستغل الفجوة بين الطريقة التي يفسر بها البشر الصور والطريقة التي تعالج بها الآلات البيانات البصرية. من خلال إدخال "ضجيج" بصري مدروس بعناية في التصميم، يمكن التلاعب بقرارات الذكاء الاصطناعي وجعله يتخذ قرارات خاطئة.
ويؤكد سويرينجن أن نظامه نجح في التفوق على 11 خوارزمية كشف عالمية، بما في ذلك التقنيات المستخدمة من قبل شركات كبرى مثل Axon وClearview AI. الهدف ليس مجرد التلاعب، بل تسليط الضوء على مخاطر التتبع الشامل الذي تمارسه أنظمة المراقبة الحديثة دون قيود واضحة.
هل تمنع هذه الأنماط الكاميرات من تصوير السيارة نهائياً؟
لا، الكاميرات تستمر في تسجيل الفيديو بشكل طبيعي جداً. التضليل يحدث فقط في طبقة البرمجيات التي تحلل الفيديو؛ حيث يعجز النظام عن فهم أن هذا الجسم هو "سيارة"، وبالتالي لا يقوم بفهرستها أو تتبع مسارها آلياً.
ما هي الفائدة الحقيقية من مشروع noRecognition؟
يسعى المشروع لمنح الأفراد وسيلة لحماية خصوصيتهم ومنع التتبع الآلي في الأماكن العامة. يرى المبتكر أن الانتشار الكثيف لكاميرات المراقبة الذكية يتطلب وجود تقنيات مضادة تضمن حق الإنسان في عدم التعرض للمراقبة الرقمية المستمرة.
هل سيقتصر هذا الابتكار على السيارات فقط؟
بالطبع لا، يعمل المشروع حالياً على توسيع نطاق تطبيق هذه الأنماط لتشمل الملابس مثل القمصان والسترات الرياضية. الهدف هو تمكين المشاة أيضاً من تجنب أنظمة التعرف على الوجوه والأجسام التي تنتشر في المدن الذكية.
لماذا تظل الأنماط الأكثر فعالية سرية حتى الآن؟
تحافظ شركة SIXCYBER على سرية التصاميم الأكثر قوة لمنع شركات المراقبة من تحليلها وتحديث خوارزمياتها لسد هذه الثغرات بسرعة. الهدف هو الحفاظ على فاعلية التقنية لأطول فترة ممكنة أمام التطور السريع للذكاء الاصطناعي الأمني.
🔎 في الختام، يمثل هذا الابتكار صرخة تقنية في وجه التوسع غير المحدود لأنظمة المراقبة الذكية. وبينما يراه البعض وسيلة للتهرب من القانون، يعتبره المدافعون عن الخصوصية أداة ضرورية لاستعادة التوازن في عصر أصبحت فيه كل حركة مرصودة ومحللة رقمياً. يبقى السؤال الأهم: هل سنشهد مستقبلاً صراعاً مستمراً بين ذكاء اصطناعي يراقب وآخر يسعى للتخفي؟
قم بالتعليق على الموضوع