El Domain Awareness System , el sistema de vigilancia digital más grande del mundo, [2] es parte de la Iniciativa de Seguridad del Bajo Manhattan en asociación entre el Departamento de Policía de Nueva York y Microsoft para monitorear la ciudad de Nueva York . [3] Permite al Departamento de Policía de Nueva York rastrear objetivos de vigilancia y obtener información detallada sobre ellos, y está supervisado por la Oficina Antiterrorista del Departamento de Policía de Nueva York . [4]
El sistema está conectado a 18.000 cámaras de video CCTV en toda la ciudad de Nueva York. [5] También tiene acceso a datos de al menos 2 mil millones de lecturas de matrículas, 100 millones de citaciones, 54 millones de llamadas al 911, 15 millones de quejas, 12 millones de informes de detectives, 11 millones de arrestos y 2 millones de órdenes judiciales. [6] Los datos de las cámaras CCTV se conservan durante 30 días, [6] las lecturas LPR durante al menos 5 años. [7] Los registros de texto se pueden buscar. [6]
El costo inicial del desarrollo fue financiado con $350 millones en subvenciones del Departamento de Seguridad Nacional Federal. [6] El componente de software del sistema también está licenciado a otras ciudades, y la ciudad de Nueva York obtiene el 30% de las ganancias. [8]
Este sistema se destaca en un episodio de mayo de 2013 de Nova de PBS sobre el seguimiento de los terroristas del maratón de Boston Tamerlan y Dzhokhar Tsarnaev . [9]
Según documentos internos del Departamento de Policía de Nueva York, antes de 2002 las capacidades de tecnología de la información del Departamento eran gestionadas por agentes de policía en lugar de profesionales de TI. [10] Después de su nombramiento en 2002, el Comisionado Raymond Kelly puso al profesional de software James Onalfo a cargo de la Oficina de Tecnología de la Información del Departamento de Policía de Nueva York en 2003, iniciando un período de modernización generalizada. [11]
La revisión digital del Departamento de Policía de Nueva York condujo al lanzamiento de un almacén de datos conocido como el Centro de Delitos en Tiempo Real en 2005, y en 2008 al desarrollo de una red de cámaras de seguridad y lectores automáticos de matrículas que componen la Iniciativa de Seguridad del Bajo Manhattan .
Después del intento de atentado con coche bomba en Times Square en 2010 , los funcionarios de la ciudad aumentaron los esfuerzos para expandir el prototipo del sistema de vigilancia desde el Bajo Manhattan a otras áreas de la ciudad. [12] En agosto de 2012, el Departamento de Policía de Nueva York, en asociación con Microsoft, anunció el lanzamiento de un Sistema de Conciencia de Dominio que cubriría los cinco distritos. [13] Aunque el sistema se enmarcó como una medida antiterrorista, se reconoció en ese momento que cualquier dato recopilado podría usarse para fines de aplicación de la ley. [13]
En 2014, después de que la ciudad de Nueva York recibiera 447 millones de dólares en decomisos del banco francés BNP Paribas , se asignó una suma de 160 millones de dólares a la Iniciativa de Movilidad del Departamento de Policía de Nueva York, en la que se distribuyeron dispositivos portátiles a los oficiales y se instalaron tabletas reforzadas en los vehículos policiales. [14] Con estos dispositivos, los oficiales pudieron acceder a una versión móvil del DAS desde cualquier lugar de la ciudad.
La columna vertebral de DAS es una red de miles de sensores físicos.
.jpg/1280px-Manhattan,_New_York_-_USA_(7510095592).jpg)
La red más extendida es la de aproximadamente 9.000 cámaras de CCTV, propiedad del NYPD o de actores privados, que se utilizan para generar un flujo de vídeo agregado de toda la ciudad, que se mantiene durante 30 días y que los agentes pueden buscar en tiempo real. Las consultas de búsqueda pueden incluir características físicas como el color de la camisa. Los resultados de la búsqueda incluyen transmisiones de vídeo en directo de todos los individuos que encajan en una consulta determinada dentro de una región determinada. [6] The Intercept ha afirmado que la funcionalidad de búsqueda se extiende a características raciales como el tono de piel. [15] Helinet Technologies emitió un comunicado de prensa en 2014 en el que afirmaba que habían sido seleccionados por el NYPD para implementar un conjunto de tecnología personalizada en cuatro de los helicópteros Bell 429 GlobalRanger del NYPD que "superpone instantáneamente información crítica como direcciones, puntos de interés y otros datos sobre el vídeo en directo y luego transmite el vídeo y los datos en tiempo real a través de un enlace descendente de microondas seguro" a los dispositivos portátiles de los agentes en el campo. [16]
.jpg/1280px-NYPD_Police_Helicopter_N917PD_Bell_429_GlobalRanger_(27642407020).jpg)
También hay varios cientos de lectores automáticos de matrículas (LPR) desplegados por toda la ciudad, con 50 cámaras fijas en puentes y túneles que ingresan a Manhattan y recorren toda la longitud de Canal Street . Estos sensores registran cada detección de matrículas en una "lista de vigilancia" definida por el Departamento de Policía de Nueva York, lo que genera aproximadamente 3 millones de registros por día. Sin embargo, todas las lecturas de matrículas se almacenan durante un mínimo de cinco años [7], independientemente de si la matrícula está o no en alguna lista de vigilancia. [17]
Los oficiales pueden recibir alertas cuando se observa un patrón de visitas repetidas al mismo lugar o ruta, con el objetivo declarado de facilitar que los oficiales intercepten y detengan a los conductores de vehículos monitoreados de manera más eficiente que con el rastreo por GPS. [6]
Una solicitud FOIL por parte de la NYCLU reveló un contrato de $442,500 con Vigilance Solutions para brindar acceso a registros de matrículas históricas y en tiempo real de todo el país. [18]
Además, el DAS recopila datos de docenas de sensores químicos y de radiación ubicados en infraestructuras clave y techos de distritos, detectores de disparos y simuladores de torres de telefonía celular repartidos por toda la ciudad. [6] [19]
El DAS incluye un algoritmo de aprendizaje automático conocido como Patternizr, que conecta crímenes similares sin resolver para acelerar los arrestos y cerrar casos antiguos. [20] [21] El algoritmo se entrena con una década de datos policiales históricos de patrones delictivos identificados manualmente. [22] [20] Patternizr comenzó a usarse en 2017 cuando el Departamento de Policía de Nueva York contrató a cien analistas civiles para usarlo. [20] El algoritmo ahora procesa más de seiscientos informes por semana. [20] Cuando se le preguntó sobre el potencial de racismo incorporado en el algoritmo, el Departamento de Policía de Nueva York respondió que el algoritmo no proporciona resultados diferentes a los de una muestra aleatoria de informes policiales. [8] Sin embargo, los críticos han expresado escepticismo, argumentando que los informes policiales históricos ya demuestran sesgo racial. [23] [24] Patternizr se lanzó públicamente con la intención de que se usara y replicara en otros departamentos de policía. [20]
Las transmisiones en vivo de las cámaras pasan a través de algoritmos que detectan comportamientos sospechosos, como bolsos abandonados o ingreso a áreas restringidas, y elevan estas transmisiones a la atención del oficial a través de una alerta si se detectan. [9] [6]
Desde 2011, el Departamento de Policía de Nueva York también ha utilizado el DAS para realizar reconocimiento facial tanto de adultos como de jóvenes. [25] La declaración de privacidad del DAS especifica que no utiliza reconocimiento facial [26]
Desde el anuncio inicial del Sistema de Conciencia de Dominio para toda la ciudad en 2012, los críticos han sugerido que el sistema representa una posible violación de la privacidad y debería ser supervisado por una entidad no policial. [27]
En 2014, Justice Quarterly publicó un artículo que afirmaba que existía evidencia estadística de que el Departamento de Policía de Nueva York manipulaba los datos de CompStat , [28] que el Sistema de Conciencia de Dominio utiliza para diversos fines, incluida la vigilancia predictiva. [6] Varias organizaciones, como la NAACP , han sugerido que los algoritmos de vigilancia predictiva que se basan en el aprendizaje automático y en datos policiales históricos para tomar decisiones refuerzan el sesgo policial existente, en lugar de corregirlo. [29] [24] [23]
