探索使用人工智能檢測 3D 打印幽靈槍的可行性

幽靈槍（無法追蹤且如果用于傷害他人可能會對公眾構成安全風險的槍支）在新聞中越來越引人注目。從 2022 年日本前首相安倍晉三遇刺到最近聯(lián)合健康保險首席執(zhí)行官布萊恩·湯普森遇刺，兩起事件都涉及幽靈槍，據(jù)報道后者涉及一把 3D 打印gun和消音器：槍殺美保險CEO槍支或為3D打印制造，禁止“幽靈槍”槍支暴力已成各國共識-南極熊3D打印網(wǎng) - 平臺

△在開放網(wǎng)絡上找到的 3D 打印槍支部件模型（圖片來自作者）

幽靈槍因其可獲得性和匿名性而大受歡迎。與需要背景調查和序列號的傳統(tǒng)槍支不同，幽靈槍可以使用套件或 3D 打印部件在家中組裝，從而繞過現(xiàn)有的槍支法規(guī)。槍支零件 3D 模型的在線資源激增，使這個問題變得更加緊迫，因為任何擁有 3D 打印機和最低限度的技術知識的人都可以制造無法追蹤的武器。執(zhí)法機構和政策制定者越來越受到這種新興威脅的挑戰(zhàn)。

在本期文章中，國外博主彼得·雷比津斯基（Peter Lebiedzinski）討論了解決 3D 打印幽靈槍部件問題的技術方法，并提出有關實際實施的問題。

技術背景

使用傳統(tǒng)算法處理 3D 數(shù)據(jù)非常復雜，計算成本也非常高 — 任何使用過 CAD 軟件的人都明白這一點。因此，采用基于變壓器的編碼器的機器學習方法從 3D 模型中提取重要特征。這樣就可以對槍支部件進行準確分類，而不必考慮 3D 模型的幾何形狀、旋轉或平移是否發(fā)生變化以逃避檢測。

基于 Transformer 的編碼器在處理 3D 數(shù)據(jù)方面表現(xiàn)出色，因為它們能夠學習 3D 空間中點之間的空間關系。與依賴像素的 2D 圖像分類不同，3D 模型需要分析點云、網(wǎng)格或體素數(shù)據(jù)，這些數(shù)據(jù)本質上更為復雜。該模型對旋轉和平移等對抗性變化的魯棒性是通過在訓練期間利用數(shù)據(jù)增強來實現(xiàn)的，確保它能夠在各種輸入配置中很好地推廣。此外，該模型能夠對嘈雜或部分模糊的數(shù)據(jù)進行分類，這使其成為現(xiàn)實世界中完美 3D 模型罕見的可靠工具。

△槍支部件分類的基本模型架構（作者彼得·雷比津斯基提供）

所用的機器學習模型已在超過 1000 萬個 3D 模型的數(shù)據(jù)集上進行了訓練，從而提供了一個能夠可靠地提取有意義特征的編碼器。然后，這個預先訓練的模型在單個槍支部件的數(shù)據(jù)集上進行微調，以將 3D 模型分類為“槍支部件”或“非槍支部件”，置信度值為 0-100%。

結果

出于本文的目的，使用了 10,000 個隨機 3D 模型作為測試數(shù)據(jù)，其中 400 個包含槍支部件，包括頂部滑套、槍管、底部框架和彈匣。我測試的第一個項目是gun的頂部滑套：

△頂部幻燈片分類結果（作者提供圖片）

頂部滑蓋被準確識別，置信度高達約 98.4%。我測試了不同代和不同型號gun的多個頂部滑蓋，其中一些包括出于功能和外觀目的的修改。接下來，我測試了gun的下部框架：

△底部框架分類結果（作者提供圖片）

槍支的底部框架是受管制的部件——這意味著如果有人用 3D 打印技術打印出這個部件，然后在商店或網(wǎng)上購買其他部件（例如頂部滑架、槍管和彈匣），他們實際上就擁有了一支功能齊全的槍支，但無法追蹤。最后，我檢查了隨機 10,000 個非槍支部件型號中的一個：

△隨機模型分類結果（作者提供圖片）

這個特定示例對于 ML 模型來說并不難正確分類。接下來，我分析了本文中包含的所有 10,000 個示例的結果：

△輸出10,000 個示例的對數(shù)（圖片來自作者）

如上圖所示，ML 模型生成的槍支部件值與非槍支部件值線性可分。在對數(shù)據(jù)集較小子集進行初步訓練時，我在正確分類槍支部件方面取得了 96.4% 的準確率。所有錯誤分類都來自彈匣或槍管等部件，而不是槍支的下框架。單獨檢測下框架時，該模型的準確率為 100%。

對抗性案例（例如玩具槍或與槍支部件相似但無功能的 3D 模型）代表著一項獨特的挑戰(zhàn)。雖然該模型在區(qū)分功能性槍支部件方面非常有效，但它可能難以區(qū)分欺騙性輸入，例如 Nerf 槍架或無功能的道具槍。

合理性

用人工智能檢測槍支部件是一回事，但實際可行性和實施又是另一回事。實施這樣的人工智能系統(tǒng)帶來了一個主要挑戰(zhàn)：分布。也就是說，我們?nèi)绾我园踩�有效的方式將該系統(tǒng)集成到 3D 打印流程中？我將對這個問題持開放態(tài)度，同時專注于實際應用的技術方面。

該 ML 模型既可以在云端（可通過API 訪問）運行，也可以在 Raspberry Pi 4B 等邊緣設備上運行。由于整個行業(yè)都在向 Klipper 和 RepRap 等固件系統(tǒng)過渡，Raspberry Pi 在 3D 打印機 OEM 中越來越受歡迎。然而，在撰寫本文時，該模型還無法在 3D 打印機主板中常見的小型處理器上運行。通過修改架構、微調、修剪和量化，該模型最終可以在幾乎所有 3D 打印機的主板上運行。

將這款系統(tǒng)集成到 3D 打印流程中引發(fā)了道德責任問題。一種方法是將模型直接嵌入到流行 3D 打印機的固件更新中，確保槍支組件在打印前得到標記。然而，這引起了 3D 打印愛好者的隱私擔憂，他們重視開源原則和設備自主權。行業(yè)領導者、監(jiān)管機構和制造商社區(qū)之間的協(xié)作努力對于在公共安全和用戶自由之間取得平衡至關重要。此外，必須采取保護措施，防止濫用這項技術，例如錯誤地標記良性對象或針對特定用戶群。

文章來源：Peter Lebiedzinski