HeadlinesBriefing favicon HeadlinesBriefing.com

Moda adversarial contra vigilância IA

Hacker News •
×

Câmeras alimentadas por IA pontilham as ruas em todo o mundo, equipadas para identificar rostos ou placas de veículos. Mas uma reação pública está ganhando força. Preocupações com a privacidade — falta de consentimento, armazenamento e uso de dados, e riscos de uso indevido — estão motivando as pessoas a revidar. O projeto De Flock mapeia leitores automáticos de placas de veículos (ALPRs) para aumentar a conscientização. Alguns recorrem ao vandalismo de ALPRs, enquanto outros criam "moda adversarial" para evadir câmeras de vigilância, como o projeto Kickstarter no Recognition, apresentado na DEF CON.

Em 2025, o especialista em cibersegurança Bill Swearingen começou a experimentar um fuzzer baseado em Python direcionado ao YOLO, uma estrutura popular de detecção de objetos. Ele desenvolveu um algoritmo de aprendizado por reforço gerando padrões geométricos coloridos, testados contra 11 modelos de detecção de objetos. Padrões bem-sucedidos frustram os sistemas, reduzindo os escores de confiança, às vezes até a não detecção. "Privacidade é um direito humano", diz Swearingen.

Cap_able e Urban Privacy vendem roupas físicas. O método patenteado da Cap_able tece motivos em malhas jacquard, interferindo na visão computacional para classificar os usuários como animais ou objetos. "Se formos capazes de camuflar uma pessoa como outra coisa, então estamos obtendo nosso objetivo", diz a fundadora Rachele Didero. O Faception Reloaded da Urban Privacy confunde o reconhecimento facial baseado em Open CV com impressões faciais abstraídas, retardando os detectores. "A ideia é criar dados falsos", diz o cofundador Daniel Preuß.

A moda anti-vigilância remonta a peças de arte da década de 2010 de Adam Harvey e à linha Adversarial Fashion de Kate Bertash em 2019. "Roupas são algo que você pode realmente comprar e vestir, ao contrário de políticas", diz Niloofar Mireshghallah da Universidade Carnegie Mellon. Condições do mundo real podem reduzir a eficácia.

Entidades-chave: Empresas: De Flock, no Recognition, Cap_able, Urban Privacy, YOLO, Open CV, Carnegie Mellon University | Pessoas: Bill Swearingen, Rachele Didero, Daniel Preuß, Adam Harvey, Kate Bertash, Niloofar Mireshghallah | Locais: DEF CON, Free University of Bozen-Bolzano, Italy