Patch könnte Kampfjets vor KI verbergen Erkennungstools

Nein, es handelt sich nicht um ein gelöschtes Q-Gadget aus einem späten Pierce Brosnan 007-Film. Forscher haben tatsächlich einen Patch erstellt, der Luftfahrzeuge effektiv vor KI-Angriffen tarnen könnte. Bilderkennungssysteme zur autonomen Identifizierung militärischer Objekte.

Die von Forschern der niederländischen Organisation für angewandte wissenschaftliche Forschung entwickelte Technologie ist in der Lage, den Stand der Technik konsequent zu täuschen YOLO (Man schaut nur einmal hin) Echtzeit-Objekterkennungssystem. Und möglicherweise auch andere. Es könnte daran gewöhnt sein Helfen Sie mit, Kampfflugzeuge zu verteidigen von feindlichen Drohnen.

Empfohlene Videos

„Wir haben gezeigt, dass ein relativ kleiner Fleck, etwa 10 % der Größe des Flugzeugs, bei der Tarnung wirksam ist „Das ganze Flugzeug gegen die automatische Erkennung schützen“, sagte Ajaya Adhikari, einer der Forscher des Projekts, gegenüber Digital Trends. „Diese kleinen Flecken scheinen eine praktischere Lösung zur Tarnung zu sein, als das gesamte Flugzeug abzudecken.“

Verwandt

  • Wie der USPS Nvidia-GPUs und KI nutzt um fehlende Post zu verfolgen
  • Clevere neue K.I. Das System verspricht, Ihren Hund zu trainieren, während Sie nicht zu Hause sind
  • Dieser bahnbrechende neue Stil der K.I. lernt Dinge auf eine ganz andere Art und Weise

Die High-Tech-Patches sind eine andere Variante der Tarnung: Eine Art Tarnung, die eher die maschinelle als die menschliche Sicht täuschen soll. In den letzten Jahren hat die Forschung auf dem Gebiet der „kontradiktorischen KI“ begonnen. ist weiter gewachsen. Gegnerische KI ist in der Lage, Schwachstellen auf die Art und Weise auszunutzen, wie K.I. Systeme betrachten Bilder und klassifizieren sie. Frühere Beispiele umfassen Arbeiten von Forschern, denen es gelang, ein Bilderkennungssystem zu entwickeln klassifizieren Sie eine 3D-gedruckte Schildkröte als Waffe und einen Baseball als Espresso, indem Sie einfach das Oberflächenmuster anpassen.

„Nach unserem besten Wissen sind wir die ersten, die sich mit gegnerischer KI beschäftigt haben.“ Techniken zur Tarnung in Luftüberwachung“, sagte Richard den Hollander, der andere leitende Forscher dieses neuesten Projekts, gegenüber Digital Trends. „Die Ergebnisse unserer Arbeit zeigen, dass gegnerische Tarnung als potenzielle Alternative zur herkömmlichen Tarnung angesehen werden kann, wenn Deep-Learning-Modelle für die automatische Analyse verwendet werden.“

In einer Zusammenfassung ihrer Arbeit stellen die Forscher Folgendes fest: „Unsere Ergebnisse zeigen, dass gegnerische Patch-Angriffe eine realistische Möglichkeit darstellen.“ Alternative zu herkömmlichen Tarnaktivitäten und sollte daher bei der automatisierten Analyse der Luftüberwachung berücksichtigt werden Bilder.“

Erwarten Sie jedoch nicht, dass das Militär jetzt schon damit beginnt, Flugzeuge und Drohnen mit diesen Patches zu versehen. Die Forscher sagten, dass noch weitere Forschung erforderlich sei, um den Ansatz zu validieren. Dazu gehört die Durchführung von Feldtests mit einem gedruckten gegnerischen Patch auf tatsächlichen Objekten in Luftaufnahmen sowie die Untersuchung der Wirkung der Tarnung auf andere Erkennungsmodelle.

Ein Artikel mit dem Titel „Adversarial Patch Camouflage against Aerial Detection“ beschreibt die Arbeit zum Online-Lesen verfügbar.

Empfehlungen der Redaktion

  • Googles LaMDA ist eine intelligente Sprach-KI. zum besseren Verständnis des Gesprächs
  • Wie Nintendo K.I. nutzen könnte um 4K-Gaming auf die Switch Pro zu bringen
  • Wie hoch ist der CO2-Fußabdruck von KI? Dieses clevere Tool macht es kaputt
  • Deine K.I. Der intelligente Assistent könnte eines Tages erkennen, ob Sie einsam sind
  • Google holt Menschen zurück, um die Moderation von YouTube-Inhalten von der KI zu übernehmen.

Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.