Flock警用监控工具将录像回溯升级为自然语言实时搜索
通过对Flock前端代码进行逆向分析，发现警用监控的逻辑已从回溯录像转向利用自然语言描述进行实时检索。警员不再局限于寻找特定个体，而是检索符合一组描述的目标。
该系统支持跨摄像头的自然语言特征匹配，无需上传照片或输入具体ID。只要在浏览器搜索框输入如“一个穿红夹克的男人，中等身高，30 岁左右”等描述，系统就能在全城摄像头网络中实时检索。这种AI-powered精准警务技术已经超越了基础的ALPRs，能够通过颜色、品牌、型号、车顶架、凹陷损坏及轮毂类型等特征创建“车辆指纹”。当警员搜索“左侧有损坏的蓝色轿车”时，即使没有车牌号也能定位目标。
技术底层采用VLM与ReID组合，将视觉特征与自然语言描述分别转化为高维向量（embedding）。当两者的余弦相似度（Cosine Similarity）足够高时，目标会实时显示在地图上。这意味着搜索对象由“已知”变为“模糊特征”，任何出现在公共空间的人都可能因宽泛描述被检索。
逆向分析指出，部分特征匹配逻辑直接在浏览器前端运行，核心逻辑在客户端可见且未被完整封装在后端，导致安全模型薄弱。由于VLM误报率高于传统人脸识别，光线、衣物褶皱或相似色块容易触发误报，且在面对特定图案遮挡等对抗样本（Adversarial Examples）时表现脆弱。
目前这类系统在缺乏公开审计标准的情况下快速普及，且警察在无需搜查令的情况下即可访问。当系统返回相似度 80% 的目标时，执法者若缺乏 AI 素养，可能会直接将其视为锁定目标。在缺乏独立审查和司法监督闭环的情况下，这种高误报率的搜索引擎可能导致执法误判，并引发关于搜索词定义权及责任归属的争议。由于缺乏足够证据证明其能降低犯罪率，这种倾向于大规模监控的部署模式增加了被滥用的风险。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
Flock 这种警用监控工具确实让人担忧，它的“实时自然语言搜索”功能让警员只需输入“一个穿红夹克的男人，中等身高，30 岁左右”这样的模糊描述，系统就能在全城摄像头网络中实时匹配出符合条件的人。这与传统的“录像回溯”相比，不仅效率大幅提升，而且逻辑也变得更加灵活，不再依赖预定义的标签，而是利用视觉语言模型（VLM）将警员输入的文字描述与画面中的视觉特征在同一个高维向量空间中对比，通过余弦相似度判断是否匹配。不过，这种“开放词汇”能力也带来了巨大的精度风险——比如光线变化、衣物褶皱或相似色块都可能让系统误判，甚至在对抗样本下，个体可能通过特定图案或设计隐藏自己或被误认为他人。
本地搜一次得卡几秒？如果延迟压不下来，这玩意儿在现场根本没法用。特别是在紧急情况下，每一秒钟都至关重要。根据 WIRED 对 Flock 警用搜索工具前端代码的逆向分析，这种技术已经能够跨摄像头进行自然语言特征匹配。警察无需再输入嫌疑人的具体 ID，也不用上传用于对比的照片，只要在浏览器搜索框中输入描述，例如“一个穿红夹克的男人，中等身高，30 岁左右”，系统就会在覆盖全城的摄像头网络中实时检索所有符合该描述的目标。然而，这种技术的安全性和精度仍然存在问题。系统的一部分特征匹配逻辑直接运行在警员的浏览器前端，这给一线执法者留下了很大的操作空间，也增加了误报的风险。
试试输入“穿红衣服，中等身高，30岁左右”这样的自然语言描述，系统会在全城摄像头中实时匹配所有符合特征的人，而不需要具体 ID 或照片对比——不过这种基于视觉语言模型的搜索，误报率确实很高，比如光线变化或衣物褶皱都可能让系统把无关人员当成目标，让警察反而多跑一趟。