Hackerkonferenz rC3: Big Brother automatisch lokalisieren

Das Projekt unsurv bietet eine App zum automatischen Erkennen von Videokameras im öffentlichen Raum sowie einen Offline-Begleiter für Überwachungsberichte.

Lesezeit: 5 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 28 Beiträge

(Bild: sxc.hu)

Von
  • Stefan Krempl

Immer mehr Überwachungskameras nehmen vor allem in Städten den öffentlichen Raum in den Fokus. Viele beherrschen bereits biometrische Gesichtserkennung, andere könnten relativ einfach mit entsprechender Technik nachgerüstet werden. Martin Wieland vom Projekt unsurv hat es sich daher gemeinsam mit Unterstützern zur Aufgabe gemacht, eine möglichst aktuelle Datenbank bereits installierter Videokameras anzufertigen. Dabei sollen Werkzeuge zur weitgehend automatischen Kartierung solcher elektronischer Augen helfen.

Auf dem rC3 stellt Martin Wieland drei Methodenn vor, um Überwachungskamerapositionen zu erfassen: zu Fuß per OpenStreetMap-Editor, mit einer speziellen Android-App oder einer 360-Grad-Kamera.

(Bild: Chaosstudio Hamburg )

Als Dokumentationsverzeichnis für die digitale Gegenwehr biete sich der freie Kartendienst OpenStreetMap (OSM) an, erklärte Wieland am Donnerstag auf der Online-Hackerkonferenz rC3 (remote Chaos Communication Congress). Darin ließen sich eigene Objekte wie Kameras unter dem Tag "man_made=surveillance" darstellen. Die meisten auf OSM aufsetzenden Kartendienste zeigten diese Einträge zwar nicht an. Das globale Projekt Surveillance under Surveillance tut dies aber. Die meisten Kameras sind demnach bereits in Deutschland, Frankreich und den USA registriert, obwohl die Dichte in Großbritannien deutlich höher sein dürfte. Dort fordern offizielle Stellen zur Denunziation auf, wenn Personen die Big-Brother-Instrumente etwa mit dem Handy ablichten.

Generell gebe es noch einiges zu tun, um die Datenbank zum Überwachen der Überwacher zu vervollständigen, betonte Wieland. 2012 seien viele Kameras eingetragen worden, dann wieder 2018. Die Daten könnten daher teils veraltet sein. Es gebe auch eine Programmierschnittstelle (API) mit dem Namen Overpass dazu, um sich Daten ausgeben zu lassen. Händisch könne man über den OpenStreetMap-Editor Verspucci für Android-Smartphones selbst Kameras eintragen.

Um den Prozess zu vereinfachen, entwickelte der IT-Experte eine eigene unsurv-App für das mobile Betriebssystem von Google. Er baute dazu die TensorFlow-Objekterkennung des Suchmaschinenriesen ein, die er darauf trainierte, Videokameras zu entdecken. Die App befindet sich noch im Beta-Stadium, sodass sie noch nicht über den Play Store oder das alternative Open-Source-Register F-Droid verfügbar ist. Über die Github-Seite von unsurv lässt sie sich aber herunterladen und installieren. Für eine kommende Version will Wieland die TensorFlow-Implementierung noch entschlacken und die Künstliche Intelligenz (KI) so besser machen.

Die erkannten Kameras ließen sich dann filtern etwa nach Typ und der überwachten Zone, führte der Hacker aus. Er habe dafür einen neueren Editor eingebaut. Die Daten ließen sich dann in CSV exportieren und so in den OSM-Editor importieren. Eine Internetverbindung sei dafür nicht erforderlich, um möglichst wenig Spuren wie Funkzellendaten zu hinterlassen. Die Objekterkennung laufe direkt auf dem Handy.

Funktionen für Gruppenaktivitäten hat Wieland mittlerweile auch hinzugefügt. So sei es möglich, ein Gitter über eine Karte zu legen und die Arbeit etwa für einzelne damit erkennbare Quadrate aufzuteilen. Die Resultate könnten die Teilnehmer dann gemeinsam am Abend in einem Café hochladen, um nicht ihre heimischen IP-Adressen zu verraten.

Der Tüftler kam zudem auf die Idee, die unsurv-App mit einer 360-Grad-Kamera, die in Semi-Profi-Qualität etwa 300 Euro kostet, einem auf Maschinenlernen ausgerichteten Coral Dev Board Mini von Google als "KI-Beschleuniger" und einem günstigen ESP32-Mikrocontroller von Espressif zur Positionserfassung zu verbinden. Letzterer kommuniziert mit einem GPS-Board und protokolliert darüber den Standort, wenn ein Foto ausgegeben wird.

Der Anschluss erfolge über ein USB-Kabel, das dann etwa aus dem Rucksack herausrage, in dem man es mitführen könne, erläuterte Wieland. Die KI-Einheit mache es teils noch erforderlich, ein Panoramafoto nachzubearbeiten und die Proportionen zurechtzurücken. Die Objekterkennung mit dem Mini brauche dann für ein Bild nur etwa 25 Millisekunden, sodass sich 40 Frames pro Sekunde durcharbeiten ließen.

Das Gadget protokolliert die Geo-Lokation des Trägers und gleicht sie mit einer Datenbank von Überwachungskameras ab.

(Bild: https://github.com/unsurv/unsurv-offline)

Mit unsurv-offline hat der Bastler ferner ein kleines eigenständiges Gerät entwickelt, das über den Tag hinweg potenzielle Überwachungs- und Trackingvorfälle protokolliert. Eine Android-App fasst die in einem Bericht für den Nutzer zusammen. Kern des unauffälligen Begleiters ist eine kleine Leiterplatte (PCB) mit GPS-Chip. Sie kann mit einem Akku betrieben werden, der sich bei Bewegung über einen Sensor aktiviert. Dazu kommt ein dynamischer NFC-Tag zur Nahfeldkommunikation mit dem Smartphone. Die Kamerapositionen werden auf einer SD-Karte gespeichert. Auf dem Bericht lässt sich dann laut Wieland erkennen, "welche Kameras euch gefilmt haben mit welchem Blickwinkel". Ein Download und Importieren bei OSM ist auch hier möglich.

Als künftige Forschungsansätze und Anwendungsfelder kann sich Wieland vorstellen, einer repräsentativ ausgewählten Personengruppe die Tracker in die Hosentasche zu geben und zu schauen, "wer von Überwachungsmaßnahmen überproportional betroffen ist". Denkbar sei auch ein "Routing-Service" nach dem Motto: "Wie viele Kameras möchte ich auf dem Weg treffen?". Für den Sommer plant der Aktivist, den vor allem das Pilotprojekt zur automatisierten Gesichtserkennung am Berliner Bahnhof Südkreuz aufschreckte, "Mapping Partys" in einigen Städten zusammen mit der EU-Initiative "Reclaim your Face", die sich gegen Kameras mit biometrischen Analysefähigkeiten stark macht.

(ps)