noRecognition: Los Patrones de Bill Swearingen que Desafían a las Cámaras de Vigilancia

Los patrones generados por computadora —también conocidos como patrones adversariales— se han convertido en una de las herramientas más llamativas para esquivar la vigilancia algorítmica. Bill Swearingen ha pasado el último año ejecutando casi la misma prueba una y otra vez: producir un patrón capaz de impedir que las cámaras de vigilancia que vigilan las calles de Estados Unidos lo detecten. Tras unos 31 millones de pruebas, Swearingen asegura que ya puede generar patrones a demanda que, aplicados sobre ropa y objetos, impiden que algunos de los lectores de matrículas y cámaras de seguridad más utilizados identifiquen lo que cubren, desde personas hasta vehículos.

Personas vistiendo prendas con patrones noRecognition para evitar la detección de cámaras
¿Puede la ropa hacerte invisible al reconocimiento facial?

¿Qué es noRecognition?

noRecognition es el proyecto con el que Swearingen busca ofrecer una vía para escapar de la detección automática y de la vigilancia algorítmica utilizada en Estados Unidos y más allá. En los últimos años, las cámaras de vigilancia se han potenciado con la capacidad de detectar qué ocurre en el material que graban, desde rastrear las matrículas de vehículos que superan la velocidad hasta usar el reconocimiento facial para identificar a sospechosos, aunque con éxito desigual y resultados que en ocasiones resultan alarmantes.

Los algoritmos de detección que impulsan la mayoría de las cámaras actuales pueden examinar grandes volúmenes de grabaciones, lo que permite a las fuerzas del orden localizar actividad de interés, algo similar a sacar una aguja de un pajar. Sin embargo, los patrones de noRecognition funcionan de otro modo: no bloquean la grabación, sino que alteran la capacidad de la cámara para identificar objetos, personas o rostros, evitando que se activen alertas de detección.

La privacidad es un derecho fundamental. — Bill Swearingen

Swearingen describe sus patrones como una forma de permitir que las personas se excluyan de ser rastreadas. Al bloquear la capacidad de detección de la cámara, la persona vuelve a ser una aguja en un pajar, hasta que alguien sepa exactamente dónde mirar.

31 millones de intentos para crear el patrón perfecto

El camino hacia el patrón definitivo no fue inmediato. Swearingen comenzó con un laboratorio de prueba de concepto que fue derrotando, de forma incremental, un algoritmo de detección de video de código abierto tras otro. Durante el año fue refinando los diseños con más potencia de procesamiento y agradeció a la comunidad que aportó hardware para impulsar el proyecto.

Con el tiempo, la prueba de concepto evolucionó hasta convertirse en un modelo de aprendizaje por refuerzo: un sistema autónomo que se entrena a sí mismo sobre qué patrones funcionan y cuáles no frente a los algoritmos específicos que está probando. En términos sencillos, Swearingen enseñó a su modelo «cómo pintar». Cada vez que un patrón fallaba y un algoritmo lo detectaba, el modelo lo intentaba de nuevo, una y otra vez, hasta que consiguió derrotar a varios algoritmos a la vez.

  • Pruebas realizadas: 31 millones
  • Algoritmos de código abierto vencidos: 11
  • Sistemas incluidos: software que impulsa los lectores de matrículas Flock, cámaras corporales Axon y cámaras que ejecutan Clearview AI
  • Producción actual: nuevos patrones cada minuto

El modelo encontró recetas de patrones capaces de vencer a los 11 algoritmos de código abierto que probó, incluido el software que impulsa los lectores de matrículas Flock, las cámaras corporales Axon y las cámaras que ejecutan Clearview AI. Ahora el modelo crea nuevos patrones cada minuto y cada lote es matemáticamente mejor que el anterior.

Primera prueba real en el Def Con

El viernes, durante la conferencia de ciberseguridad Def Con en Las Vegas, Swearingen realizó su primera prueba pública real. Con la ayuda de Donut Media, el equipo cubrió un Toyota Yaris 2009 con uno de sus patrones más recientes para comprobar si el vehículo sería invisible a la detección de una cámara Flock.

«Demostramos que fue efectivo», afirmó Swearingen, aunque reconoció que las ruedas fueron un desafío. El video de la demostración estará disponible en las próximas semanas, según Donut Media.

Con esta prueba pública, el proyecto representa una evidencia temprana de que es posible evitar la detección algorítmica en espacios públicos. El siguiente paso es poner los patrones en manos de las personas que los quieran.

Vigilancia, privacidad y libertad de expresión

Desde su casa en Kansas City, donde cofundó el encuentro de ciberseguridad SecKC, Swearingen explicó que, como profesional de la ciberseguridad, es muy consciente de los riesgos de la vigilancia para la privacidad y la seguridad. Describió su ciudad como un lugar repleto de cámaras, a veces ubicadas a pocos pies unas de otras, y señaló que él y otras personas nunca aceptaron ser observados, del mismo modo que nunca aceptó que el gobierno utilizara su licencia de conducir para el reconocimiento facial.

Swearingen se describió como un hombre blanco de mediana edad que vive en el centro de Estados Unidos y reconoció que no ha enfrentado dificultades ni discriminación por su identidad o apariencia. Sin embargo, el año pasado quiso asistir a una protesta y sintió preocupación por la cantidad de cámaras que podían rastrear a personas que ejercían su derecho constitucional a la libre expresión. Pensó que si él se sentía así, otros también podrían sentirse incómodos o inseguros, así que se puso a trabajar.

Su investigación se apoya en trabajos previos que demostraron que era posible bloquear la detección de las cámaras. Varios proyectos artísticos y marcas de ropa han presentado prendas para burlar el reconocimiento facial, y algunos fabricantes de gafas se han sumado a la tendencia, aunque con poca eficacia.

Próximos pasos: moda, vehículos y más patrones

El proyecto noRecognition cuenta con una campaña de financiación colectiva para ayudar a financiar la venta de los primeros productos con los patrones, desde camisetas hasta sudaderas. Tampoco se descarta que más adelante haya fundas con patrones para vehículos. El objetivo es que los diseños tengan la calidad y resolución suficientes para funcionar a distancia y que, además, resulten estéticamente atractivos.

Por ahora, Swearingen mantiene sus patrones más potentes fuera de internet para evitar que los fabricantes de cámaras puedan neutralizarlos. El trabajo aún no ha terminado y sus modelos continúan generando nuevos patrones. «Cada falla mejora mi modelo, por lo que los patrones siguen mejorando cada vez más», concluyó.

Comparte este artículo

Otras notas de tu interés:

Para Inmigrantes

Tribunal de inmigración en los suburbios de Virginia refleja la saturación del sistema en EE.UU.

Economia

Situational Awareness invierte $400 millones en Source Foundry para transformar la fabricación de chips

Negocios

Anthropic activa el modo automático por defecto en Claude Code

Politica

Las cámaras de Flock Safety generan rechazo bipartidista entre funcionarios locales en EE.UU.

Bienestar y Salud Mental

El director de los NIH y el reto de la confianza pública en la salud de Estados Unidos

Politica

AOC y la marea generacional del movimiento progresista en EE.UU.

Politica

Darline Graham hace historia como primera senadora de Carolina del Sur

Politica

Obama y la carrera al Senado en Michigan: el fact-check que marcó las primarias demócratas

Politica

Wisconsin: la batalla entre el establishment demócrata y el socialismo democrático

Politica

Abdul El-Sayed desautoriza a Hasan Piker por sus comentarios sobre el 9/11