NoRecognition: Wie ein Sicherheitsforscher Muster entwickelt, die Menschen, Gesichter und Fahrzeuge vor KI-Überwachung verstecken

Swearingens Kernmethode ist ein selbstlernender Fuzzer, der gegnerische Muster generiert und sie gegen Open-Source-Objekterkennungsalgorithmen testet . Muster, die immer noch eine Erkennung auslösen, werden modifiziert und in einer iterativen Schleife erneut getestet. Nach etwa 31 Millionen Testiterationen konvergierte das System zu Mustervarianten, die alle 11 KI-Überwachungsmodelle in Swearingens Testsuite besiegten .

„Es ist ein genetischer Algorithmus, der gegnerische Textilmuster züchtet, die auf gewöhnlichen Stoff gedruckt werden und kaskadierende Fehler in der gesamten Gesichtserkennungspipeline verursachen – Personenerkennung, Gesichtserkennung und Identitätsabgleich – ohne Elektronik und ohne dass etwas für eine neben dir stehende Person ungewöhnlich aussieht“, sagte Swearingen in einer Vorschau auf die Black Hat .

Systeme, die von NoRecognition überlistet werden

Swearingens Projekt wurde gegen 11 verschiedene KI-Überwachungsmodelle getestet und soll diese besiegen, darunter:

• Flock – Kennzeichenleser und Überwachungskameras
• Axon – Körperkameras und Überwachungssysteme der Strafverfolgungsbehörden
• Clearview AI – Gesichtserkennung
• Verschiedene andere Modelle zur Personen-, Fahrzeug- und Gesichtserkennung

Bemerkenswert ist, dass Swearingen erklärt hat, sein System teste gegen „die echten Modelle. Nicht akademische Benchmarks. Die tatsächlichen Systeme, die bei Clearview AI, Polizei-Körperkameras und Flughafensicherheit laufen“ .

Der öffentliche Test auf der Def Con 34

Auf der Def Con Cybersecurity-Konferenz in Las Vegas am Freitag, den 7. August 2026, führte Swearingen den ersten öffentlichen Test unter realen Bedingungen der NoRecognition-Muster durch . Mit Hilfe des Automobil-Medienunternehmens Donut Media wurde ein Toyota Yaris Baujahr 2009 mit dem computergenerierten Muster beklebt und an einer Flock-Überwachungskamera vorbeigefahren .

Laut Swearingen entging das Fahrzeug der automatischen Erkennung des Flock-Systems – die Kamera löste keinen Erkennungsalarm aus . Dies war das erste Mal, dass die Muster in einer Live-Umgebung gegen eine physische Kamera und nicht nur in der digitalen Simulation validiert wurden . Unabhängige Berichterstatter merkten jedoch an, dass es sich bei der Demonstration um einen einzelnen, nicht verblindeten Test handelte und eine breitere, von Fachkollegen überprüfte Validierung noch aussteht .

Der Aufstieg der gegnerischen Mode

Parallel zu Swearingens technischer Arbeit hat sich eine Bewegung namens „Adversarial Clothing“ oder „Adversarial Fashion“ zu einem Mainstream-Trend entwickelt .

The Guardian berichtete im Juli 2026, dass Designer „gegnerische Muster“ – sorgfältig angeordnete Formen, Farben und Motive – in Kleidungsstücke einarbeiten, um speziell die KI-Gesichtserkennung zu verwirren . Marken wie Cap_able, Urban Privacy und Vollebak bringen Bekleidungslinien auf den Markt, die angeblich Schwachstellen in Computer-Vision-Modellen ausnutzen .

Der in Berlin ansässige Künstler Simon Weckert präsentierte eine konzeptionelle Kollektion namens „Digital Camouflage“ – Kleidungsstücke, die mit generativen gegnerischen Mustern bedruckt sind, die so konzipiert sind, dass sie die Erkennung durch KI-Überwachung aus jedem Winkel und bei jeder Stofffalte verhindern . Die Bewegung wird als „Privatsphäre könnte der nächste große Modetrend sein“ beschrieben, wobei die Träger ein sichtbares Statement für die Bedeutung der Privatsphäre abgeben und gleichzeitig möglicherweise der automatisierten Gesichtserkennung entgehen .

Cap_able, ein italienisches Fashion-Startup, stellt Strickwaren mit gegnerischen Mustern her und konstruiert die Kleidungsstücke so, dass sie wendbar sind, sodass der Benutzer wählen kann, ob er von der KI erkannt werden möchte oder nicht . Das patentierte Verfahren entwickelt algorithmisch gegnerische Muster und schafft das, was das Unternehmen „KI-Tarnung“ nennt .

Grenzen und Auswirkungen des Wettrüstens

Die Technologie ist kein Allheilmittel. Experten weisen auf mehrere wichtige Einschränkungen hin:

• Begrenzte Wirksamkeit: Die Muster machen eine Person oder ein Fahrzeug nicht für menschliche Betrachter oder für die Videoaufzeichnung unsichtbar – sie stören nur die automatischen Erkennungsalgorithmen . Ein Mensch, der das Filmmaterial betrachtet, kann die Person immer noch sehen .
• Modellspezifisch: Die Muster sind gegen die spezifischen Architekturen in Swearingens Testsuite optimiert. Überwachungsunternehmen können ihre Modelle aktualisieren, um die Muster zu erkennen und zu ignorieren, was zu einem klassischen gegnerischen Wettrüsten führt .
• Fragilität in der realen Welt: Die eingesetzten Muster wurden unter kontrollierten Bedingungen auf flachen Stoff gedruckt. Reale Faktoren wie Lichtverhältnisse, Winkel, Entfernung, Stofffalten und Wetter können die Wirksamkeit beeinträchtigen – und der Def Con Test war eine einzige Vorbeifahrt an einer Kamera .
• Risiko des Nachtrainierens: Wie The Guardian anmerkt, warnen Experten, dass gegnerische Muster nur so lange funktionieren, bis das Überwachungsmodell mit den gegnerischen Beispielen nachtrainiert wird, wonach der Schutz verschwinden kann .
• Rechtliche und ethische Grauzone: Während Swearingen die Technologie als Mechanismus zum Opt-out aus der Überwachung darstellt, könnten Strafverfolgungsbehörden sie als Umgehungsinstrument betrachten, was möglicherweise zu Regulierung oder rechtlichen Herausforderungen führt .
• Unzureichende unabhängige Überprüfung: Unabhängige Berichterstatter stellten fest, dass es sich bei der Def Con-Demonstration um einen einzelnen, nicht verblindeten Test handelte und eine breitere, von Fachkollegen überprüfte Validierung der Wirksamkeit der Muster in der realen Welt noch aussteht .

Was das für die Privatsphäre bedeutet

NoRecognition stellt einen der gründlichsten Versuche dar, eine praktische, tragbare Abwehr gegen KI-Überwachung zu schaffen. Mit 31 Millionen Tests und einer Live-Demonstration gegen eine Flock-Kamera hat sich das Projekt über den akademischen Proof-of-Concept hinausbewegt. Ob gegnerische Muster das Wettrüsten gegen sich schnell entwickelnde Überwachungs-KI überleben können – und ob die breitere Bewegung der gegnerischen Mode einen echten Datenschutz in großem Maßstab bieten wird – bleibt eine offene Frage.

Wie Swearingen selbst sagte, lautet die Kernfrage: „Können physische Stoffe wirklich hochmoderne Gesichtserkennung unter realen Bedingungen besiegen?“ Die Antwort lautet vorerst: Ja – bis die KI aufholt.