Benn Jordan pivots to investigating surveillance and AI ethics

•Benn Jordan 的調查具體揭露了 Flock Safety 監控攝影機系統的嚴重漏洞，包括其運行於過時的 Android 設備上，且存在可輕易存取影片、數據及伺服器憑證的弱點，甚至有執法部門的帳戶在暗網上被出售。
•他開發了一種「對抗性噪音」技術，旨在使 AI 在未經授權的情況下訓練受版權保護的音樂時，會將其識別為亂碼，以此作為藝術家對抗數據抓取的工具。
•Jordan 的工作範圍擴展到探討監控數據被武器化的廣泛影響，例如德州警方利用數據追蹤涉嫌出州墮胎的女性，或保險公司使用 AI 抓取的數據悄然拒絕承保。
•他還深入研究了數據中心產生的次聲波（infrasound），指出這些低頻噪音可能對人體造成不適，並積極開發透過紅外光學感測器和準直光源來精確捕捉壓力波的便攜式設備。
•Jordan 共同創立了 Voice-Swap 公司，該公司致力於在確保法律合規性的前提下，為藝術家提供客製化的 AI 語音克隆模型，讓藝術家能控制並從其聲音智慧財產權中獲利。

Flock Safety 攝影機漏洞：
- 舊款「Falcons」型號用於識別車牌並透過 LTE 上傳數據；新款「Condors」型號則能識別、追蹤人物和車輛，並儲存上傳影片。
- 漏洞包括運行於 2021 年已棄用的 Android 版本，允許攻擊者輕易建立 WiFi 存取點，進而滲透設備以存取影片、數據和伺服器憑證，甚至取得設備的「root」控制權。
- 執法部門的帳戶曾在暗網上被發現出售，意味著駭客、跟蹤者和外國行為者可以輕易存取警方數據。
對抗性噪音技術：
- 旨在「混淆 AI 的數據」，使其在訓練受保護音樂時聽到亂碼。
- 這是一種「創造性的反擊」，利用原本用於剝削藝術家的工具來保護他們。
次聲波調查：
- 針對數據中心產生的次聲波（低於 20 Hz 的次聽覺低頻）進行研究，Jordan 聲稱這些噪音可能導致身體和精神不適。
- 他正在積極開發一種透過紅外光學感測器和準直光源，在獨立便攜單元內精確捕捉全頻譜壓力波的方法。
Voice-Swap 平台：
- 建立客製化的 AI 語音克隆模型，其核心在於「合意性 AI」，確保藝術家作為權利持有人，對其聲音智慧財產權擁有控制權並能從中獲利。
- 區分了可能使用抓取數據的「基礎模型」與經藝術家明確同意訓練的「客製化模型」。

個人創作者和獨立研究者將在揭露科技巨頭的隱私漏洞方面扮演更關鍵的角色。

Benn Jordan 的成功案例表明，具備技術專長和獨立性的個人能夠有效揭露大型監控系統的嚴重缺陷，並引起公眾關注。

藝術家將積極採用對抗性技術和合法途徑來保護其智慧財產權免受未經授權的 AI 訓練。

隨著 AI 訓練數據集對版權內容的依賴日益增加，Jordan 開發的「對抗性噪音」和 Voice-Swap 等工具將激勵更多創作者主動防禦和管理其數位權利。

對於 AI 倫理和數據隱私的公眾討論將更加側重於技術漏洞和實際的濫用案例，而非僅限於抽象的哲學辯論。

Jordan 的調查具體揭露了監控技術的弱點及其被濫用的方式（例如追蹤墮胎），這將促使公眾和立法者關注更具體的技術安全和政策制定。

1999

Benn Jordan 以 The Flashbulb 等化名開始發行音樂，開啟其音樂生涯。

2020

Jordan 的 YouTube 頻道開始轉向科技相關內容，並因發布關於 LRADs 的影片而受到法律威脅。

2023-04

Jordan 的頻道因法律問題和高昂的法律費用而面臨內容凍結，影響了其科學影片的預算。

2024-07

Jordan 參與討論 AI 音樂的倫理和法律問題，並共同創立了 Voice-Swap，一家專注於合法語音克隆 AI 模型的公司。

2025-11

Jordan 開發並討論了「對抗性噪音」技術，旨在保護音樂免受未經授權的 AI 訓練。

2026-01

Jordan 與 404 Media 合作，揭露 Flock Safety Condor 攝影機存在直播到開放網路的嚴重漏洞。

Benn Jordan 轉向調查監控技術與 AI 倫理