Обычный смартфон можно использовать для поиска скрытых шпионских камер
Обычный смартфон можно использовать для поиска скрытых шпионских камер

Обычный смартфон можно использовать для поиска скрытых шпионских камер

Исследователи из Национального университета Сингапура и Университета Йонсей в Южной Корее разработали способ обнаружения скрытых шпионских камер с помощью современных смартфонов, оснащенных датчиками времени пролета (Time of flight).

Time of flight — метод измерения, основанный на отраженном свете для быстрого определения расстояния до объектов. ToF-датчики используются в технологии лидар и приложениях на базе алгоритмов SLAM (simultaneous localization and mapping), которые включают анализ видимого и почти видимого спектра.

«Крошечные скрытые шпионские камеры, размещенные в гостиничных номерах или туалетах, представляют собой все большую угрозу конфиденциальности во всем мире. Например, только в Южной Корее за один год было зафиксировано более 6,8 тыс. таких случаев», — пояснили ученые.

Существуют специальные устройства обнаружения сигналов для поиска скрытых камер и другой электроники, такие как CC308 + и K18, не говоря уже о том, что можно сделать с помощью программного обеспечения для анализа Wi-Fi с открытым исходным кодом. Однако подобные устройства трудно использовать правильно. Сегодня смартфоны стали обычным явлением, поэтому новая разработка под названием LAPD (Laser-Assisted Photography Detection), вероятно, будет более удобной, чем постоянное ношение специального детектора сигналов.

По результатам экспериментов, LAPD достигает уровня обнаружения скрытых камер 88,9%, по сравнению с невооруженным глазом, который дает только 46% обнаружения скрытых камер. Специализированный детектор сигналов K18 обеспечил уровень обнаружения 62,3% и 57,7% при использовании непрерывного и мигающего методов соответственно.

Метод LAPD дал самый низкий общий уровень ложных срабатываний (16,67%) по сравнению с двумя режимами K18 (26,9% и 35,2%) и человеческим зрением (54,9%). Подобных результатов удалось достичь благодаря использованию фильтра глубокого обучения, который призван удалять ложные срабатывания.

Джерело матеріала
loader
loader