CIENTÍFICO ESTADOUNIDENSE CREA PATRONES QUE ENGAÑAN A LAS CÁMARAS DE VIGILANCIA

🔍 Bill Swearingen, experto en ciberseguridad, presentó en la conferencia Def Con de Las Vegas un sistema que genera diseños capaces de bloquear la detección algorítmica de los sistemas de videovigilancia más utilizados en Estados Unidos.

📌 El proyecto, denominado noRecognition, es el resultado de más de 31 millones de pruebas realizadas durante un año. Su objetivo: permitir que personas y vehículos pasen inadvertidos ante lectores de placas y cámaras con reconocimiento facial.

🧠 Swearingen desarrolló un modelo de aprendizaje por refuerzo que entrena patrones visuales. Cada vez que un diseño falla ante un algoritmo de detección, el sistema aprende y genera una nueva versión más efectiva. Actualmente, el modelo produce patrones mejorados cada minuto.

🛡️ Los patrones no inutilizan las cámaras ni borran las grabaciones. Lo que hacen es confundir los sistemas de identificación, impidiendo que activen alertas sobre personas, rostros u objetos cubiertos. Así, el usuario recupera el anonimato en el flujo masivo de datos visuales.

📹 Las pruebas incluyeron 11 algoritmos de código abierto utilizados por fabricantes como Flock (lectores de placas), Axon (cámaras corporales) y Clearview AI (reconocimiento facial). Todos fueron superados en entornos controlados.

🚗 En el primer ensayo público, realizado el pasado viernes, un automóvil Toyota Yaris 2009 cubierto con uno de los patrones logró evadir la detección de una cámara Flock, aunque las llantas representaron un desafío técnico. El video será difundido en las próximas semanas.

Swearingen, originario de Kansas City, señaló que su motivación surge al constatar la saturación de cámaras en su ciudad y la falta de consentimiento ciudadano para ser monitoreado. Mencionó también su incomodidad al asistir a protestas, ante el temor de que los asistentes fueran rastreados.

👕 El proyecto contempla una campaña de financiamiento colectivo para producir prendas (camisetas, sudaderas) y, posteriormente, láminas para vehículos con estos diseños. Swearingen asegura que los patrones más efectivos no serán publicados en internet para evitar que los fabricantes de cámaras los contrarresten.

🔬 El investigador afirma que el sistema sigue mejorando: «Cada fracaso hace mejor a mi modelo, y los patrones son cada vez más eficaces».