Default
Door Remote - 09 Aug 2026
Bill Swearingen heeft het afgelopen jaar grotendeels dezelfde test uitgevoerd, keer op keer. Het doel was om een door de computer gegenereerd patroon te produceren dat de bewakingscamera’s langs de Amerikaanse straten zou kunnen verhinderen het te detecteren.
Zo'n 31 miljoen tests later zegt Swearingen dat hij nu on-demand patronen kan produceren die, wanneer toegepast op kleding en objecten, voorkomen dat een aantal van de meest gebruikte kentekenplaatlezers en bewakingscamera's detecteren wat het patroon ook bestrijkt, van mensen tot voertuigen.
Zijn project, dat hij noRecognition noemt, stelt mensen in staat te ontsnappen aan de automatische detectie en algoritmische surveillance die in de VS en daarbuiten wordt gebruikt.
De afgelopen jaren zijn bewakingscamera's steeds beter in staat te detecteren wat er gebeurt in de beelden die worden opgenomen, van het volgen van de kentekenplaten van snel rijdende voertuigen tot het gebruik van gezichtsherkenning om vermoedelijke criminelen te identificeren, zij het met wisselend succes en soms angstaanjagende resultaten. De detectiealgoritmen die tegenwoordig de meeste bewakingscamera's aandrijven, kunnen enorme hoeveelheden beeldmateriaal doorzoeken, waardoor wetshandhavingsinstanties interessante activiteiten kunnen uitkiezen, vergelijkbaar met het trekken van een speld uit een hooiberg.
De computergegenereerde patronen van Swearingen verhinderen niet dat bewakingscamera’s videobeelden opnemen. In plaats daarvan verstoren ze het vermogen van de camera om objecten, mensen of gezichten te identificeren, zodat de camera's geen detectiewaarschuwingen activeren. Door het vermogen van de camera om te detecteren wat het patroon bedekt te blokkeren, wordt de persoon weer een speld in een hooiberg – totdat iemand weet waar hij moet kijken.
“Privacy is een fundamenteel recht”, vertelde Swearingen deze week aan TechCrunch. Hij beschreef zijn patronen als een manier om mensen de mogelijkheid te geven ‘zich af te melden voor tracking’.
Tijdens zijn eerste openbare test vrijdag op de Def Con cybersecurity-conferentie in Las Vegas demonstreerde Swearingen met succes het patroon dat op een voertuig is gedrukt, wat bewijst dat deze patronen effectief kunnen zijn in het omzeilen van surveillancedetectie in de echte wereld.
Een model leren schilderen
In een telefoontje vanuit zijn huis in Kansas City, waar hij medeoprichter was van de cybersecuritybijeenkomst SecKC, vertelde Swearingen aan TechCrunch dat hij zich als cyberprofessional terdege bewust is van de privacy- en veiligheidsrisico's van surveillance.
Hij beschreef hoe zijn stad wordt overspoeld met bewakingscamera's, soms slechts een paar meter van elkaar verwijderd. Hij zei dat hij en anderen er nooit voor hebben gekozen om in de gaten te worden gehouden, net zoals hij er nooit voor heeft gekozen dat de overheid zijn rijbewijs gebruikt voor gezichtsherkenning.
Swearingen omschreef zichzelf als een blanke man van middelbare leeftijd die in het centrum van de Verenigde Staten woont, en erkende dat hij als gevolg daarvan geen ontberingen of discriminatie heeft ondervonden omdat hij is wie hij is of hoe hij eruit ziet. Swearingen vertelde dat hij vorig jaar een protest wilde bijwonen, maar zich ongemakkelijk voelde en bezorgd was dat het enorme aantal camera's mensen kon volgen die hun grondwettelijke rechten op vrije meningsuiting uitoefenden.
Als hij er zo over dacht, zouden anderen dat ongetwijfeld ook doen, inclusief degenen die hun rechten wilden uitoefenen, maar zich daar misschien niet veilig of op hun gemak bij voelen. Swearingen ging aan de slag.
Beeldcredits: Bill Swearingen
Zolang er camera's zijn die dingen kunnen detecteren, zijn er pogingen ondernomen om de technologie tegen te gaan. Verschillende kunstprojecten en kledingmerken hebben kleding geïntroduceerd die mensen moet helpen gezichtsherkenning te verslaan. Sommige brillenfabrikanten springen in op de trend, zij het niet met veel effectiviteit.
Swearingen zei dat zijn onderzoek voortbouwt op een deel van dit eerdere werk, waaruit bleek dat het mogelijk was cameradetecties te blokkeren.
Hij begon vorig jaar met een proof-of-concept-testlaboratorium dat begon met het stapsgewijs verslaan van het ene open-source videocamera-detectiealgoritme na het andere. In de loop van het jaar verfijnde hij de patronen door zijn tests op te schalen met extra computerverwerkingskracht. Hij bedankte de bredere gemeenschap die met hardware kwam opdagen om het project verder te helpen.
Zijn proof-of-concept evolueerde in de loop van de tijd naar een versterkend leermodel, in wezen een op zichzelf staand systeem dat zichzelf zou kunnen trainen op welke patronen werken en welke niet tegen de specifieke camera-algoritmen die hij test. In eenvoudige bewoordingen vertelde Swearingen aan TechCrunch dat hij zijn model in wezen leerde ‘hoe te schilderen’.
Elke keer dat een patroon faalde en een algoritme het ontdekte, probeerde het model het steeds opnieuw, totdat het uiteindelijk meerdere algoritmen tegelijk versloeg.
Zijn model begon al snel perfecte recepten te vinden voor patronen die alle elf open-source detectie-algoritmen die hij had getest, konden verslaan, inclusief de software die Flock-kentekenplaatlezers aanstuurt, op het lichaam gedragen camera's van Axon en camera's met Clearview AI.
Nu creëert het model elke minuut nieuwe patronen, waarbij elke batch wiskundig beter is dan de vorige, zei hij.
Vrijdag op de cybersecurityconferentie Def Con in Las Vegas voerde Swearingen zijn eerste real-world test uit. Met hulp van Donut Media omvatte de test een Toyota Yaris uit 2009 met een van de nieuwste patronen van Swearingen om te zien of de auto onzichtbaar zou zijn voor detectie door een Flock-camera.
“We hebben bewezen dat het effectief was;” zei Swearingen; hoewel de wielen een uitdaging waren, zei hij. De video van de demo zal in de komende weken verschijnen, aldus Donut Media.
Nu hij een openbare demo in Las Vegas op zijn naam heeft staan, is het project het eerste bewijs dat het mogelijk is om algoritmische detectie in de openbare ruimte te vermijden. De volgende stap is om de patronen in handen te krijgen van mensen die ze willen hebben, zei hij.
Het noRecognition-project heeft ook een crowdsourcing-campagne om de verkoop te helpen financieren van vroege merchandise met de patronen, van T-shirts tot hoodies, met de mogelijkheid voor huiden met patroonbedrukking voor voertuigen in de toekomst. Swearingen zei dat het de bedoeling is dat de patronen van hoge kwaliteit zijn en een resolutie hebben die goed genoeg is om op afstand te werken, terwijl ze er ook esthetisch modieus uitzien.
Hij zei dat hij zijn sterkste patronen van internet houdt om te voorkomen dat de cameramakers ze verslaan, maar dat het werk nog niet klaar is. Zijn modellen blijven nieuwe patronen uitslijpen.
“Elke mislukking verbetert mijn model, en dus worden [de patronen] steeds beter”, zei hij.
Een foto van een Toyota Yaris uit 2009 op de Def Con-conferentie in Las Vegas, bedekt met een patroon gemaakt door Bill Swearingen, als onderdeel van een test om te zien of deze de detectie van bewakingscamera's kan omzeilen. Image Credits: Bill Swearingen / Donut Media (gebruikt met toestemming)
Zo'n 31 miljoen tests later zegt Swearingen dat hij nu on-demand patronen kan produceren die, wanneer toegepast op kleding en objecten, voorkomen dat een aantal van de meest gebruikte kentekenplaatlezers en bewakingscamera's detecteren wat het patroon ook bestrijkt, van mensen tot voertuigen.
Zijn project, dat hij noRecognition noemt, stelt mensen in staat te ontsnappen aan de automatische detectie en algoritmische surveillance die in de VS en daarbuiten wordt gebruikt.
De afgelopen jaren zijn bewakingscamera's steeds beter in staat te detecteren wat er gebeurt in de beelden die worden opgenomen, van het volgen van de kentekenplaten van snel rijdende voertuigen tot het gebruik van gezichtsherkenning om vermoedelijke criminelen te identificeren, zij het met wisselend succes en soms angstaanjagende resultaten. De detectiealgoritmen die tegenwoordig de meeste bewakingscamera's aandrijven, kunnen enorme hoeveelheden beeldmateriaal doorzoeken, waardoor wetshandhavingsinstanties interessante activiteiten kunnen uitkiezen, vergelijkbaar met het trekken van een speld uit een hooiberg.
De computergegenereerde patronen van Swearingen verhinderen niet dat bewakingscamera’s videobeelden opnemen. In plaats daarvan verstoren ze het vermogen van de camera om objecten, mensen of gezichten te identificeren, zodat de camera's geen detectiewaarschuwingen activeren. Door het vermogen van de camera om te detecteren wat het patroon bedekt te blokkeren, wordt de persoon weer een speld in een hooiberg – totdat iemand weet waar hij moet kijken.
“Privacy is een fundamenteel recht”, vertelde Swearingen deze week aan TechCrunch. Hij beschreef zijn patronen als een manier om mensen de mogelijkheid te geven ‘zich af te melden voor tracking’.
Tijdens zijn eerste openbare test vrijdag op de Def Con cybersecurity-conferentie in Las Vegas demonstreerde Swearingen met succes het patroon dat op een voertuig is gedrukt, wat bewijst dat deze patronen effectief kunnen zijn in het omzeilen van surveillancedetectie in de echte wereld.
Een model leren schilderen
In een telefoontje vanuit zijn huis in Kansas City, waar hij medeoprichter was van de cybersecuritybijeenkomst SecKC, vertelde Swearingen aan TechCrunch dat hij zich als cyberprofessional terdege bewust is van de privacy- en veiligheidsrisico's van surveillance.
Hij beschreef hoe zijn stad wordt overspoeld met bewakingscamera's, soms slechts een paar meter van elkaar verwijderd. Hij zei dat hij en anderen er nooit voor hebben gekozen om in de gaten te worden gehouden, net zoals hij er nooit voor heeft gekozen dat de overheid zijn rijbewijs gebruikt voor gezichtsherkenning.
Swearingen omschreef zichzelf als een blanke man van middelbare leeftijd die in het centrum van de Verenigde Staten woont, en erkende dat hij als gevolg daarvan geen ontberingen of discriminatie heeft ondervonden omdat hij is wie hij is of hoe hij eruit ziet. Swearingen vertelde dat hij vorig jaar een protest wilde bijwonen, maar zich ongemakkelijk voelde en bezorgd was dat het enorme aantal camera's mensen kon volgen die hun grondwettelijke rechten op vrije meningsuiting uitoefenden.
Als hij er zo over dacht, zouden anderen dat ongetwijfeld ook doen, inclusief degenen die hun rechten wilden uitoefenen, maar zich daar misschien niet veilig of op hun gemak bij voelen. Swearingen ging aan de slag.
Beeldcredits: Bill Swearingen
Zolang er camera's zijn die dingen kunnen detecteren, zijn er pogingen ondernomen om de technologie tegen te gaan. Verschillende kunstprojecten en kledingmerken hebben kleding geïntroduceerd die mensen moet helpen gezichtsherkenning te verslaan. Sommige brillenfabrikanten springen in op de trend, zij het niet met veel effectiviteit.
Swearingen zei dat zijn onderzoek voortbouwt op een deel van dit eerdere werk, waaruit bleek dat het mogelijk was cameradetecties te blokkeren.
Hij begon vorig jaar met een proof-of-concept-testlaboratorium dat begon met het stapsgewijs verslaan van het ene open-source videocamera-detectiealgoritme na het andere. In de loop van het jaar verfijnde hij de patronen door zijn tests op te schalen met extra computerverwerkingskracht. Hij bedankte de bredere gemeenschap die met hardware kwam opdagen om het project verder te helpen.
Zijn proof-of-concept evolueerde in de loop van de tijd naar een versterkend leermodel, in wezen een op zichzelf staand systeem dat zichzelf zou kunnen trainen op welke patronen werken en welke niet tegen de specifieke camera-algoritmen die hij test. In eenvoudige bewoordingen vertelde Swearingen aan TechCrunch dat hij zijn model in wezen leerde ‘hoe te schilderen’.
Elke keer dat een patroon faalde en een algoritme het ontdekte, probeerde het model het steeds opnieuw, totdat het uiteindelijk meerdere algoritmen tegelijk versloeg.
Zijn model begon al snel perfecte recepten te vinden voor patronen die alle elf open-source detectie-algoritmen die hij had getest, konden verslaan, inclusief de software die Flock-kentekenplaatlezers aanstuurt, op het lichaam gedragen camera's van Axon en camera's met Clearview AI.
Nu creëert het model elke minuut nieuwe patronen, waarbij elke batch wiskundig beter is dan de vorige, zei hij.
Vrijdag op de cybersecurityconferentie Def Con in Las Vegas voerde Swearingen zijn eerste real-world test uit. Met hulp van Donut Media omvatte de test een Toyota Yaris uit 2009 met een van de nieuwste patronen van Swearingen om te zien of de auto onzichtbaar zou zijn voor detectie door een Flock-camera.
“We hebben bewezen dat het effectief was;” zei Swearingen; hoewel de wielen een uitdaging waren, zei hij. De video van de demo zal in de komende weken verschijnen, aldus Donut Media.
Nu hij een openbare demo in Las Vegas op zijn naam heeft staan, is het project het eerste bewijs dat het mogelijk is om algoritmische detectie in de openbare ruimte te vermijden. De volgende stap is om de patronen in handen te krijgen van mensen die ze willen hebben, zei hij.
Het noRecognition-project heeft ook een crowdsourcing-campagne om de verkoop te helpen financieren van vroege merchandise met de patronen, van T-shirts tot hoodies, met de mogelijkheid voor huiden met patroonbedrukking voor voertuigen in de toekomst. Swearingen zei dat het de bedoeling is dat de patronen van hoge kwaliteit zijn en een resolutie hebben die goed genoeg is om op afstand te werken, terwijl ze er ook esthetisch modieus uitzien.
Hij zei dat hij zijn sterkste patronen van internet houdt om te voorkomen dat de cameramakers ze verslaan, maar dat het werk nog niet klaar is. Zijn modellen blijven nieuwe patronen uitslijpen.
“Elke mislukking verbetert mijn model, en dus worden [de patronen] steeds beter”, zei hij.
Een foto van een Toyota Yaris uit 2009 op de Def Con-conferentie in Las Vegas, bedekt met een patroon gemaakt door Bill Swearingen, als onderdeel van een test om te zien of deze de detectie van bewakingscamera's kan omzeilen. Image Credits: Bill Swearingen / Donut Media (gebruikt met toestemming)