Así es como funciona noRecognition, qué demostró realmente la prueba de Def Con y cómo cualquiera puede comprar estos patrones en forma de prendas de vestir.

¿Qué es noRecognition?

noRecognition es un proyecto de investigación contra la vigilancia creado por Bill Swearingen, un profesional de la ciberseguridad de Kansas City y fundador del encuentro SecKC y de SIXCYBER. Produce patrones visuales adversarios diseñados para impedir que los sistemas de vigilancia automatizada detecten personas, rostros, vehículos y objetos . Los patrones se imprimen en tela o vinilo y se aplican a la ropa o a la superficie de los vehículos. No bloquean la grabación de video ordinaria; engañan específicamente al software de detección y clasificación de objetos que ejecutan esas cámaras .

Swearingen describió su enfoque a TechCrunch: los patrones explotan la capa de clasificación de las redes neuronales, creando una señal visual que el modelo no puede interpretar como una categoría reconocible . Para un observador humano, el patrón parece un diseño abstracto y caótico. Para una IA, es efectivamente invisible.

Cómo se entrenó el sistema de aprendizaje por refuerzo con 31 millones de pruebas

Swearingen construyó un modelo de aprendizaje por refuerzo que generaba patrones de forma iterativa y los probaba contra 11 algoritmos de detección de visión por computadora de código abierto . Con cada prueba, el modelo aprendía qué características visuales provocaban el fallo de la detección y refinaba el patrón en consecuencia.

Después de aproximadamente 31 millones de pruebas (algunas fuentes reportan 31.7 millones) realizadas durante aproximadamente un año, el modelo convergió en diseños que hacían que esos algoritmos fallaran consistentemente al clasificar cualquier cosa que el patrón cubriera . Swearingen ha descrito el proceso como enseñarle al modelo "cómo pintar": el sistema aprendió a generar texturas que maximizan la confusión en el software de detección .

En pruebas digitales controladas que utilizaron pesos de modelos reales extraídos, una textura noRecognition de cobertura total llevó al detector de vigilancia f-YOLOv5 a una tasa de no detección del 61.7% en 240 imágenes de prendas de vestir retenidas en el umbral de detección de 0.25, con una mejora de +0.537 sobre la línea base sin textura .

Lo que los patrones derrotaron en las pruebas de laboratorio:

• Lectores de placas Flock
• Cámaras corporales Axon
• Sistemas de reconocimiento facial Clearview AI
• Los 11 algoritmos de detección de código abierto en el conjunto de pruebas de Swearingen

La demostración en Def Con 34: un Toyota Yaris del 2009 que las cámaras no pudieron ver

El viernes 7 de agosto de 2026, Swearingen realizó la primera prueba pública en el mundo real de un patrón noRecognition en la conferencia de ciberseguridad Def Con en Las Vegas . Trabajando con el medio automotriz Donut Media, cubrió un Toyota Yaris del 2009 con uno de sus patrones generados por computadora y lo condujo frente a un lector de placas Flock .

Swearingen informó que el Yaris escapó por completo de la detección automatizada: la cámara Flock no pudo identificar el vehículo ni leer su placa, mientras que la grabación de video normal continuó sin problemas . Las ruedas presentaron un desafío, pero la prueba general se consideró efectiva .

Advertencia importante sobre la demostración: La verificación independiente de la afirmación ha sido limitada. TechCrunch señaló que el resultado es más limitado que un vehículo que se vuelve "invisible": la cámara aún grabó imágenes, mientras que el video de la demostración y los registros no son públicos . El registro físico actual se limita a una prueba en Def Con contra un solo modelo de cámara, y la prueba sigue siendo un punto de discusión .

Cómo comprar patrones noRecognition: camisetas, sudaderas y cuellos

El objetivo declarado de Swearingen es convertir noRecognition en una herramienta práctica para la privacidad pública: una forma para que las personas opten por no participar en la vigilancia algorítmica sin necesidad de conocimientos técnicos .

Lanzó una campaña de Kickstarter que se activó simultáneamente con sus presentaciones de investigación en Black Hat y Def Con a principios de agosto de 2026 . Anunció en LinkedIn: "Camisetas, sudaderas y cuellos estampados con los patrones que realmente funcionan", lanzados al mismo tiempo que la investigación .

Mercancía actual y planificada:

A mediados de agosto de 2026, la campaña de Kickstarter había recaudado más de $40,000 . Los patrocinadores que pagan una prima pueden solicitar patrones personalizados que fueron "generados, probados y nunca publicados, mostrados o impresos para nadie más" . La aplicación de láminas para vehículos se describe como el siguiente paso una vez que la línea de ropa esté en marcha .

Advertencias legales y prácticas importantes

El proyecto sigue siendo una iniciativa de investigación de privacidad más que un producto comercial probado . Las pruebas de laboratorio mostraron éxito contra algoritmos específicos, pero el rendimiento en el mundo real contra la gama completa de sistemas de vigilancia implementados no ha sido auditado ni garantizado de forma independiente .

Swearingen también ha reconocido áreas grises legales: conducir un automóvil envuelto plantea preguntas sobre la obstrucción de la placa de matrícula que varían según el estado, y sus patrones evitan explícitamente cubrir las áreas de la placa .

Por ahora, noRecognition ofrece un vistazo a un futuro posible donde las personas pueden optar por no participar en la vigilancia algorítmica usando el patrón correcto. Pero el propio Swearingen, junto con múltiples medios de comunicación, ha sido cuidadoso en señalar que esto es investigación, no una capa mágica, y que la base de evidencia sigue siendo una única prueba de cámara no documentada públicamente .

Así es como funciona noRecognition, qué demostró realmente la prueba de Def Con y cómo cualquiera puede comprar estos patrones en forma de prendas de vestir.

¿Qué es noRecognition?

noRecognition es un proyecto de investigación contra la vigilancia creado por Bill Swearingen, un profesional de la ciberseguridad de Kansas City y fundador del encuentro SecKC y de SIXCYBER. Produce patrones visuales adversarios diseñados para impedir que los sistemas de vigilancia automatizada detecten personas, rostros, vehículos y objetos . Los patrones se imprimen en tela o vinilo y se aplican a la ropa o a la superficie de los vehículos. No bloquean la grabación de video ordinaria; engañan específicamente al software de detección y clasificación de objetos que ejecutan esas cámaras .

Swearingen describió su enfoque a TechCrunch: los patrones explotan la capa de clasificación de las redes neuronales, creando una señal visual que el modelo no puede interpretar como una categoría reconocible . Para un observador humano, el patrón parece un diseño abstracto y caótico. Para una IA, es efectivamente invisible.

Cómo se entrenó el sistema de aprendizaje por refuerzo con 31 millones de pruebas

Swearingen construyó un modelo de aprendizaje por refuerzo que generaba patrones de forma iterativa y los probaba contra 11 algoritmos de detección de visión por computadora de código abierto . Con cada prueba, el modelo aprendía qué características visuales provocaban el fallo de la detección y refinaba el patrón en consecuencia.

Después de aproximadamente 31 millones de pruebas (algunas fuentes reportan 31.7 millones) realizadas durante aproximadamente un año, el modelo convergió en diseños que hacían que esos algoritmos fallaran consistentemente al clasificar cualquier cosa que el patrón cubriera . Swearingen ha descrito el proceso como enseñarle al modelo "cómo pintar": el sistema aprendió a generar texturas que maximizan la confusión en el software de detección .

En pruebas digitales controladas que utilizaron pesos de modelos reales extraídos, una textura noRecognition de cobertura total llevó al detector de vigilancia f-YOLOv5 a una tasa de no detección del 61.7% en 240 imágenes de prendas de vestir retenidas en el umbral de detección de 0.25, con una mejora de +0.537 sobre la línea base sin textura .

Lo que los patrones derrotaron en las pruebas de laboratorio:

• Lectores de placas Flock
• Cámaras corporales Axon
• Sistemas de reconocimiento facial Clearview AI
• Los 11 algoritmos de detección de código abierto en el conjunto de pruebas de Swearingen

La demostración en Def Con 34: un Toyota Yaris del 2009 que las cámaras no pudieron ver

El viernes 7 de agosto de 2026, Swearingen realizó la primera prueba pública en el mundo real de un patrón noRecognition en la conferencia de ciberseguridad Def Con en Las Vegas . Trabajando con el medio automotriz Donut Media, cubrió un Toyota Yaris del 2009 con uno de sus patrones generados por computadora y lo condujo frente a un lector de placas Flock .

Swearingen informó que el Yaris escapó por completo de la detección automatizada: la cámara Flock no pudo identificar el vehículo ni leer su placa, mientras que la grabación de video normal continuó sin problemas . Las ruedas presentaron un desafío, pero la prueba general se consideró efectiva .

Advertencia importante sobre la demostración: La verificación independiente de la afirmación ha sido limitada. TechCrunch señaló que el resultado es más limitado que un vehículo que se vuelve "invisible": la cámara aún grabó imágenes, mientras que el video de la demostración y los registros no son públicos . El registro físico actual se limita a una prueba en Def Con contra un solo modelo de cámara, y la prueba sigue siendo un punto de discusión .

Cómo comprar patrones noRecognition: camisetas, sudaderas y cuellos

El objetivo declarado de Swearingen es convertir noRecognition en una herramienta práctica para la privacidad pública: una forma para que las personas opten por no participar en la vigilancia algorítmica sin necesidad de conocimientos técnicos .

Lanzó una campaña de Kickstarter que se activó simultáneamente con sus presentaciones de investigación en Black Hat y Def Con a principios de agosto de 2026 . Anunció en LinkedIn: "Camisetas, sudaderas y cuellos estampados con los patrones que realmente funcionan", lanzados al mismo tiempo que la investigación .

Mercancía actual y planificada:

A mediados de agosto de 2026, la campaña de Kickstarter había recaudado más de $40,000 . Los patrocinadores que pagan una prima pueden solicitar patrones personalizados que fueron "generados, probados y nunca publicados, mostrados o impresos para nadie más" . La aplicación de láminas para vehículos se describe como el siguiente paso una vez que la línea de ropa esté en marcha .

Advertencias legales y prácticas importantes

El proyecto sigue siendo una iniciativa de investigación de privacidad más que un producto comercial probado . Las pruebas de laboratorio mostraron éxito contra algoritmos específicos, pero el rendimiento en el mundo real contra la gama completa de sistemas de vigilancia implementados no ha sido auditado ni garantizado de forma independiente .

Swearingen también ha reconocido áreas grises legales: conducir un automóvil envuelto plantea preguntas sobre la obstrucción de la placa de matrícula que varían según el estado, y sus patrones evitan explícitamente cubrir las áreas de la placa .

Por ahora, noRecognition ofrece un vistazo a un futuro posible donde las personas pueden optar por no participar en la vigilancia algorítmica usando el patrón correcto. Pero el propio Swearingen, junto con múltiples medios de comunicación, ha sido cuidadoso en señalar que esto es investigación, no una capa mágica, y que la base de evidencia sigue siendo una única prueba de cámara no documentada públicamente .