Chineses criam ‘capa de invisibilidade’ que ‘cega’ câmeras de segurança

Durante o dia, o casaco usa um padrão para efetivamente cegar as câmeras, enquanto à noite emite sinais de calor incomuns para confundi-las

Estudantes da Universidade de Wuhan na China desenvolveram uma “capa de invisibilidade” projetada para esconder os usuários das câmeras de segurança. O InvisDefense é um casaco de baixo custo de produção que pode ser usado dia ou noite para evitar a detecção de sistemas de segurança monitorados por inteligência artificial.

Durante o dia, o casaco usa um padrão para efetivamente cegar as câmeras, enquanto à noite emite sinais de calor incomuns para confundir as câmeras infravermelhas.

O casaco parece comum aos olhos humanos e é ineficaz para esconder os usuários das câmeras de segurança monitoradas por humanos. Seu design significa que também poderia confundir alguns dos sistemas de detecção usados ​​em carros autônomos, mas não os motoristas humanos.

“Atualmente, muitos dispositivos de vigilância podem detectar corpos humanos”, disse o professor Wang Zheng, da escola de ciência da computação da Universidade de Wuhan, que supervisionou a invenção, ao South China Morning Post .

“As câmeras na estrada têm funções de detecção de pedestres e carros inteligentes podem identificar pedestres, estradas e obstáculos. Nosso Invisdefense permite que a câmera capture você, mas não pode dizer se você é humano.”

O casaco ganhou o primeiro prêmio em um concurso patrocinado pela Huawei Technologies, com um artigo descrevendo a tecnologia que será apresentado na conferência AAAI 2023 AI nos EUA em fevereiro.

O estudante de doutorado da Universidade de Wuhan, Wei Hui, que criou o algoritmo que gerou o padrão do casaco, estimou que custa cerca de R$ 380,00 para confeccionar o InvisDefense.

O professor Wang disse que o casaco pode ser usado para uniformes militares furtivos para evitar a detecção de drones ou unidades controladas por IA no campo de batalha.

Os pesquisadores também poderiam usar o algoritmo de geração de padrões para entender melhor e corrigir brechas na inteligência artificial e na tecnologia de reconhecimento de computador.