Terobosan Pola 'Adversarial' Buatan Riset: Jadi Ninja Digital di Zaman Kamera AI, Begini Cara Kerjanya

Metode inti Swearingen adalah self-learning fuzzer yang menghasilkan pola adversarial dan mengujinya terhadap algoritma deteksi objek open-source . Pola yang masih memicu deteksi akan dimodifikasi dan diuji ulang dalam putaran berulang. Setelah sekitar 31 juta iterasi pengujian, sistem berhasil menemukan varian pola yang dapat mengalahkan seluruh 11 model AI pengawas dalam rangkaian uji Swearingen .

"Ini adalah algoritma genetika yang membiakkan pola tekstil adversarial, dicetak pada kain biasa, yang menyebabkan kegagalan berantai di seluruh pipeline pengenalan wajah—deteksi orang, deteksi wajah, dan pencocokan identitas—tanpa elektronik dan tanpa terlihat aneh bagi orang di samping Anda," kata Swearingen dalam pratinjau Black Hat .

Sistem yang Dikalahkan NoRecognition

Proyek Swearingen telah diuji dan diklaim mampu mengalahkan 11 model AI pengawas yang berbeda, termasuk:

• Flock — pembaca plat nomor dan kamera pengawas
• Axon — kamera tubuh polisi dan sistem pengawasan
• Clearview AI — pengenalan wajah
• Berbagai model deteksi orang, deteksi kendaraan, dan pengenalan wajah lainnya

Yang menarik, Swearingen menyatakan bahwa sistemnya diuji terhadap "model asli. Bukan patokan akademis. Model yang benar-benar berjalan di Clearview AI, kamera tubuh polisi, keamanan bandara" .

Uji Coba Publik Def Con 34

Di konferensi keamanan siber Def Con di Las Vegas pada hari Jumat, 7 Agustus 2026, Swearingen melakukan uji coba dunia nyata publik pertama pola NoRecognition . Dengan bantuan media otomotif Donut Media, sebuah Toyota Yaris 2009 ditutupi dengan pola buatan komputer dan dikemudikan melewati kamera pengawas Flock .

Menurut Swearingen, kendaraan tersebut berhasil menghindari deteksi otomatis sistem Flock—kamera tidak memicu peringatan deteksi . Ini menandai pertama kalinya pola-pola tersebut divalidasi terhadap kamera fisik di lingkungan nyata, bukan hanya dalam simulasi digital . Namun, jurnalis independen mencatat bahwa demo tersebut adalah satu pengujian tanpa blind test, dan validasi yang lebih luas melalui tinjauan sejawat masih tertunda .

Maraknya 'Fesyen Adversarial'

Sebuah gerakan paralel yang disebut "pakaian adversarial" atau "fesyen adversarial" telah muncul sebagai tren utama bersamaan dengan karya teknis Swearingen .

The Guardian melaporkan pada Juli 2026 bahwa para desainer mulai memasukkan "pola adversarial"—susunan bentuk, warna, dan motif yang dirancang dengan hati-hati—ke dalam pakaian khusus untuk membingungkan AI pengenal wajah . Merek seperti Cap_able, Urban Privacy, dan Vollebak memproduksi lini pakaian yang mengklaim dapat mengeksploitasi kelemahan model visi komputer .

Seniman asal Berlin, Simon Weckert, meluncurkan koleksi konseptual bernama "Digital Camouflage"—pakaian yang dicetak dengan pola adversarial generatif yang dirancang untuk mencegah deteksi AI dari sudut atau lipatan kain mana pun . Gerakan ini digambarkan sebagai "privasi bisa menjadi tren mode besar berikutnya," di mana pemakainya membuat pernyataan visual tentang pentingnya privasi sambil berpotensi menghindari pengenalan wajah otomatis .

Cap_able, sebuah startup fesyen asal Italia, menciptakan pakaian rajut dengan pola adversarial dan membuat pakaiannya dapat dibalik, sehingga pengguna bisa memilih apakah akan terdeteksi AI atau tidak . Prosesnya yang dipatenkan mengembangkan pola adversarial secara algoritmik, menciptakan apa yang disebutnya sebagai "AI-camouflage" .

Keterbatasan dan Implikasi Perlombaan Senjata

Teknologi ini bukanlah peluru ajaib. Para ahli menunjukkan beberapa peringatan penting:

• Efektivitas sempit: Pola tidak membuat orang atau kendaraan tidak terlihat oleh mata manusia atau rekaman video—hanya mengganggu algoritma deteksi otomatis . Manusia yang menonton rekaman masih bisa melihat orang tersebut .
• Spesifik model: Pola dioptimalkan untuk arsitektur spesifik dalam rangkaian uji Swearingen. Perusahaan pengawas dapat memperbarui model mereka untuk mengenali dan mengabaikan pola, menciptakan perlombaan senjata adversarial klasik .
• Kerapuhan di dunia nyata: Pola dicetak pada kain datar dalam kondisi terkendali. Faktor dunia nyata seperti pencahayaan, sudut, jarak, lipatan kain, dan cuaca dapat menurunkan efektivitas—dan uji Def Con hanyalah satu kali jalan melewati satu kamera .
• Risiko pelatihan ulang: Seperti dicatat The Guardian, para ahli memperingatkan bahwa pola adversarial hanya berfungsi sampai model pengawas dilatih ulang pada contoh adversarial tersebut, setelah itu perlindungan bisa hilang .
• Area abu-abu hukum dan etika: Meskipun Swearingen membingkai teknologi ini sebagai mekanisme opt-out privasi, lembaga penegak hukum mungkin melihatnya sebagai alat untuk menghindari pengawasan, yang berpotensi menyebabkan regulasi atau tantangan hukum .
• Verifikasi independen yang belum memadai: Jurnalis independen mencatat bahwa demo Def Con adalah satu pengujian tanpa blind test, dan validasi tinjauan sejawat yang lebih luas tentang efektivitas pola di dunia nyata masih tertunda .

Apa Artinya Ini untuk Privasi

NoRecognition mewakili salah satu upaya paling ketat sejauh ini untuk menciptakan pertahanan praktis yang dapat dikenakan terhadap pengawasan AI. Dengan 31 juta pengujian dan demonstrasi langsung melawan kamera Flock, proyek ini telah melampaui sekadar bukti konsep akademis. Namun, apakah pola adversarial dapat bertahan dalam perlombaan senjata melawan AI pengawas yang berkembang pesat—dan apakah gerakan fesyen adversarial yang lebih luas akan memberikan perlindungan privasi nyata dalam skala besar—masih merupakan pertanyaan terbuka.

Seperti yang dikatakan Swearingen sendiri, pertanyaan intinya adalah: "Bisakah kain fisik benar-benar mengalahkan pengenalan wajah canggih dalam kondisi dunia nyata?" Jawabannya, untuk saat ini, adalah bisa—sampai AI-nya berhasil mengejar.