الطرق “السرية” التي يمكن أن تحدث خللاً في أنظمة التعرف على المارة

تُشير دراسة جديدة مشتركة بين إسرائيل واليابان إلى أن أنظمة كشف المارة تملك نقاط ضعف متأصلة، مما يسمح للأفراد على دراية جيدة بالتخطي من أنظمة التعرف على الوجه عن طريق الملاحة في مسارات مخططة بعناية عبر المناطق حيث تكون شبكات المراقبة أقل فعالية.

باستخدام مقاطع فيديو متاحة للجمهور من طوكيو ونيويورك وسان فرانسيسكو، طور الباحثون طريقة آلية لحساب هذه المسارات، استنادًا إلى أكثر أنظمة التعرف على الكائنات شعبية التي من المحتمل أن تكون قيد الاستخدام في الشبكات العامة.

العبور الثلاثة المستخدمة في الدراسة: عبور شيبوا في طوكيو، اليابان؛ برودواي، نيويورك؛ ومنطقة كاسترو، سان فرانسيسكو. مصدر: https://arxiv.org/pdf/2501.15653

من خلال هذه الطريقة، من الممكن توليد خريطة حرارة الثقة تحدد المناطق داخل تدفق الكاميرا حيث من غير المرجح أن توفر المارة ضربة إيجابية للتعرف على الوجه:

في اليمين، نرى خريطة حرارة الثقة التي تم إنشاؤها بواسطة طريقة الباحثين. تشير المناطق الحمراء إلى ثقة منخفضة، وتكوين موقف ووضع الكاميرا وعوامل أخرى قد تعيق التعرف على الوجه.

في النظرية، يمكن أن تكون هذه الطريقة أداة في تطبيق ذكي أو منصة لتبادل المسارات الأقل تعرفًا على الوجه من نقطة إلى أخرى في أي موقع محسوب.

يقترح الورقة البحثية هذه المنهجية، بعنوان تقنية تعزيز الخصوصية المبنية على الموقع (L-PET)؛ كما يقترح أيضًا علاجاً بعنوان عتبة التكيف المبنية على الموقع (L-BAT)، الذي يقوم بتشغيل نفس الروتينات، ولكن يستخدم المعلومات لتعزيز وتحسين تدابير المراقبة، بدلاً من وضع طرق للتجنب التعرف.

تُشير الورقة إلى أن هذه الطريقة يمكن أن تؤدي إلى حرب تكنولوجية متصاعدة بين من يبتكر طرقًا لتفادي الكشف ومن قدرة أنظمة المراقبة على استخدام تقنيات التعرف على الوجه.

الطرق السابقة لتعطيل الكشف أقل أناقة، وتعتمد على المنهجيات المعادية، مثل هجمات TnT، واستخدام أنماط مطبوعة لخداع خوارزمية الكشف.

العمل في عام 2019 بعنوان ‘خداع كاميرات المراقبة الآلية: رقاق معادية للهجوم على كشف الأشخاص’ أظهر نمطًا مطبوعًا معاديًا يمكن أن يقنع نظام التعرف بأن لا شخص موجود، مما يسمح بنوع من ‘الاختفاء’.

يشير الباحثون وراء الورقة البحثية الجديدة إلى أن نهجهم يتطلب استعدادًا أقل، دون الحاجة إلى وضع أشياء معادية للاستخدام.

الورقة بعنوان تكنولوجيا تعزيز الخصوصية لتفادي الكشف بواسطة كاميرات الفيديو الشارع بدون استخدام إكسسوارات معادية، وهي من خمسة باحثين من جامعة بن غوريون في النقب وشركة فوجيتسو المحدودة.

المنهج والاختبارات

وفقًا للأعمال السابقة مثل قناع معادي، AdvHat، رقاق معادية، وآخرون، يفترض الباحثون أن الماشي ‘المهاجم’ يعرف نظام كشف الكائنات المستخدم في شبكة المراقبة. هذا افتراض معقول، بسبب انتشار أنظمة مفتوحة المصدر المتقدمة مثل YOLO في أنظمة المراقبة من شركات مثل سيسكو وأولتراليتيكس (التي تعتبر حاليًا القوة الدافعة وراء تطوير YOLO).

تُفترض الورقة أيضًا أن الماشي لديه وصول إلى بث مباشر على الإنترنت يركز على المواقع المحسوبة، وهو افتراض معقول في معظم الأماكن التي من المحتمل أن يكون لها تغطية مكثفة.

المواقع مثل 511ny.org توفر وصولًا إلى العديد من كاميرات المراقبة في منطقة نيويورك. مصدر: https://511ny.or

إضافة إلى ذلك، يحتاج الماشي إلى الوصول إلى الطريقة المقترحة، والمشهد نفسه (أي، العبور والطرقات التي سيتم فيها إنشاء مسار ‘آمن’).

لتحويل L-PET، قيم المؤلفون تأثير زاوية الماشي فيما يتعلق بالكاميرا؛ تأثير ارتفاع الكاميرا؛ تأثير المسافة؛ وتأثير الوقت من اليوم. للحصول على الحقيقة الأرضية، قاموا بتصوير شخص عند الزوايا 0°، 45°، 90°، 135°، 180°، 225°، 270°، و 315°.

ملاحظات الحقيقة الأرضية التي أجريت بواسطة الباحثين.

كرروا هذه الاختلافات عند ثلاثة ارتفاعات كاميرا مختلفة (0.6م، 1.8م، 2.4م)، وبتغييرات في الإضاءة (صباح، بعد الظهر، ليل، و‘ظروف مختبرية’).

بتغذية هذه المقاطع إلى Faster R-CNN وYOLOv3 كاشفين للكائنات، وجدوا أن ثقة الكائن تعتمد على حدة زاوية الماشي، ومسافة الماشي، وارتفاع الكاميرا، وشرط الإضاءة.

ثم اختبروا مجموعة أوسع من كاشفي الكائنات في نفس السيناريو: Faster R-CNN؛ YOLOv3؛ SSD؛ DiffusionDet؛ وRTMDet.

يقول المؤلفون:

‘وجدنا أن جميع هياكل كشف الكائنات الخمسة تتأثر بموقع الماشي والضوء المحيط. بالإضافة إلى ذلك، وجدنا أن ثلاثة من هذه النماذج (YOLOv3، SSD، وRTMDet) يظل تأثيرها عبر جميع مستويات الإضاءة المحيطة.’

لتمديد نطاقهم، استخدم الباحثون مقاطع فيديو من كاميرات مرور عامة في ثلاثة مواقع: عبور شيبوا في طوكيو، برودواي في نيويورك، ومنطقة كاسترو في سان فرانسيسكو.

كل موقع زود بين خمس وست تسجيلات، مع حوالي أربع ساعات من الفيديو لكل تسجيل. لتحليل أداء الكشف، تم استخراج إطار واحد كل ثانيتين، ومعالجته باستخدام كاشف Faster R-CNN.

لتحويل طريقة L-PET، قاموا بتغيير خوارزمية ديكسترا لتحديد مسارات مثالية للمشي لتجنب الكشف.

بدلاً من العثور على المسار الأقصر، تم تعديل الخوارزمية لتقليل ثقة الكشف، معاملة مناطق الثقة العالية كمناطق ذات ‘تكلفة’ أعلى. سمح هذا التعديل للخوارزمية بتحديد مسارات تمر عبر مناطق عمياء أو مناطق كشف منخفض، مما يوجه المارة عبر مسارات ذات رؤية منخفضة لأنظمة المراقبة.

تجسيد يظهر تحويل مشهد خريطة الحرارة من مصفوفة قائم على البكسل إلى تمثيل قائم على الرسم البياني.

قيم الباحثون تأثير نظام L-BAT على كشف الماشي باستخدام مجموعة بيانات بنيت من تسجيلات المرور العامة.

من كل إطار، تم تحديد صندوق تحديد واحد يحتوي على شخص تم الكشف عنه كعينة إيجابية، وتم استخدام منطقة عشوائية بدون أشخاص كعينة سلبية. شكلت هذه العينات التوأم مجموعة بيانات لتقييم نموذجين من Faster R-CNN.

تم تقييم أداء النماذج من خلال التحقق من كيفية تحديد العينات الإيجابية والسلبية بدقة.

الأدوات المستخدمة لتحديد موثوقية الكشف بواسطة L-BAT كانت مساحة تحت المنحنى (AUC)؛ معدل الإيجابية الحقيقية (TPR)؛ معدل الإيجابية الكاذبة (FPR)؛ ومتوسط ثقة الإيجابية الحقيقية.

يزعم الباحثون أن استخدام L-BAT قد حسّن من ثقة الكشف مع الحفاظ على معدل إيجابية حقيقي مرتفع (مع زيادة طفيفة في الإيجابيات الكاذبة).

في الختام، يشير المؤلفون إلى أن النهج له بعض القيود. واحدة منها هي أن خرائط الحرارة التي تم إنشاؤها بواسطة طريقةهم特يّة لوقت معين من اليوم.

هم يلاحظون أيضًا أن خرائط الحرارة لن تنتقل إلى هياكل نماذج مختلفة، وترتبط بنموذج كاشف كائنات معين. منذ أن تم اقتراح العمل كبرهان概念ي، يمكن تطوير هياكل معمارية أكثر رقيًا لتحسين هذا الدين التكنولوجي.

الخاتمة

أي طريقة هجوم جديدة التي يكون الحل فيها ‘دفع ثمن كاميرات مراقبة جديدة’ لها بعض المزايا، لأن توسيع شبكات الكاميرات المدنية في المناطق المرتقبة بشدة يمكن أن يكون تحديًا سياسيًا، بالإضافة إلى كونه إنفاقًا مدنيًا كبيرًا سيحتاج عادة إلى تفويض الناخبين.

ربما يكون السؤال الأكبر الذي تطرحه هذه الأعمال هو ‘هل تستخدم أنظمة المراقبة المغلقة المصدر المفتوح إطارات SOTA مثل YOLO؟’. هذا بالطبع غير معروف، لأن مصنعي الأنظمة الاحتكارية التي تعمل في العديد من شبكات الكاميرات الحكومية والمدينة (على الأقل في الولايات المتحدة) سوف يجادلون بأن الكشف عن استخدامها قد يفتحهم للهجوم.

على أي حال، من المرجح أن هجرة تكنولوجيا المعلومات الحكومية والرموز الداخلية إلى الرموز المفتوحة العالمية قد تشير إلى أن أي شخص يختبر ادعاء المؤلفين (على سبيل المثال) مع YOLO قد يفوز بالجائزة على الفور.

* أنا عادة ما أدرج نتائج الجداول ذات الصلة عندما يتم توفيرها في الورقة، ولكن في هذه الحالة، تعقيد جداول الورقة يجعلها غير مضيافة للقارئ العادي، وبالتالي فإن الملخص أكثر فائدة.

نشر لأول مرة يوم الثلاثاء، 28 يناير 2025