noRecognition: 31 milioni di test AI per creare pattern che ingannano le telecamere di sorveglianza

Swearingen ha spiegato a TechCrunch che i pattern sfruttano il livello di classificazione delle reti neurali, creando un segnale visivo che il modello non riesce a ricondurre a una categoria nota . Per un osservatore umano, il pattern appare come un disegno astratto e caotico. Per un'intelligenza artificiale, è di fatto invisibile.

Come l'apprendimento per rinforzo ha addestrato il sistema con 31 milioni di test

Swearingen ha costruito un modello di apprendimento per rinforzo che ha generato iterativamente nuovi pattern e li ha testati contro 11 diversi algoritmi di computer vision open source . A ogni test, il modello imparava quali caratteristiche visive facevano fallire il riconoscimento e affinava il pattern di conseguenza.

Dopo circa 31 milioni di test (alcune fonti parlano di 31,7 milioni) condotti in circa un anno, il modello ha trovato disegni che causano costantemente il fallimento degli algoritmi nel classificare ciò che il pattern ricopre . Swearingen ha descritto il processo come insegnare al modello "come dipingere" – il sistema ha imparato a generare texture che massimizzano la confusione nel software di rilevamento .

Nei test digitali controllati, utilizzando pesi reali del modello estratti, una texture noRecognition a copertura totale ha portato il rivelatore di sorveglianza f-YOLOv5 a un tasso di non-rilevamento del 61,7% su 240 immagini di capi di abbigliamento tenute da parte, con un miglioramento di +0,537 rispetto alla baseline senza texture .

Cosa i pattern hanno ingannato nei test di laboratorio:

• Flock – lettori di targhe
• Axon – body camera
• Clearview AI – sistemi di riconoscimento facciale
• Tutti gli 11 algoritmi di rilevamento open source nella suite di test di Swearingen

La dimostrazione al Def Con 34: una Toyota Yaris del 2009 che le telecamere non hanno visto

Venerdì 7 agosto 2026, Swearingen ha condotto il primo test pubblico nel mondo reale di un pattern noRecognition al Def Con di Las Vegas . In collaborazione con Donut Media, ha ricoperto una Toyota Yaris del 2009 con uno dei suoi pattern generati al computer e l'ha guidata davanti a un lettore di targhe Flock .

Swearingen ha riferito che la Yaris è sfuggita completamente al rilevamento automatico – la telecamera Flock non ha identificato il veicolo né letto la targa, mentre la registrazione video normale continuava senza problemi . Le ruote, a quanto pare, hanno presentato qualche difficoltà, ma il test è stato comunque considerato efficace .

Importante: la verifica indipendente dell'affermazione è limitata. TechCrunch ha sottolineato che il risultato è più circoscritto rispetto a un veicolo che diventa "invisibile": la telecamera ha comunque registrato le immagini, mentre il video e i log della dimostrazione non sono pubblici . Al momento, la prova fisica si basa su un singolo test contro un modello di telecamera al Def Con, e la questione rimane aperta .

Come acquistare i pattern noRecognition: magliette, felpe e scaldacollo

L'obiettivo dichiarato di Swearingen è trasformare noRecognition in uno strumento pratico per la privacy dei cittadini – un modo per rinunciare alla sorveglianza algoritmica senza bisogno di competenze tecniche .

Ha lanciato una campagna Kickstarter, partita contemporaneamente alle sue presentazioni di ricerca a Black Hat e Def Con all'inizio di agosto 2026 . Su LinkedIn ha annunciato: "Magliette, felpe e scaldacollo stampati con i pattern che funzionano davvero" – rilasciati nello stesso momento della ricerca .

Merchandising attuale e previsto:

A metà agosto 2026, la campagna Kickstarter aveva raccolto oltre 40.000 dollari . I sostenitori che pagano un premio possono richiedere pattern personalizzati, "generati, testati e mai rilasciati, mostrati o stampati per nessun altro" . Le pellicole per veicoli sono descritte come il passo successivo una volta avviata la linea di abbigliamento .

Importanti avvertenze legali e pratiche

Il progetto rimane un'iniziativa di ricerca sulla privacy, non un prodotto commerciale collaudato . I test di laboratorio hanno mostrato successo contro algoritmi specifici, ma le prestazioni nel mondo reale contro l'intera gamma di sistemi di sorveglianza non sono state verificate in modo indipendente .

Swearingen ha inoltre riconosciuto aree grigie legali: guidare un'auto rivestita solleva questioni, variabili da stato a stato, sull'oscuramento della targa, e i suoi pattern evitano esplicitamente di coprire l'area della targa .

Per ora, noRecognition offre uno sguardo su un possibile futuro in cui gli individui possono sottrarsi alla sorveglianza algoritmica semplicemente indossando il pattern giusto. Ma Swearingen stesso, insieme a molte testate giornalistiche, è stato attento a sottolineare che si tratta di ricerca – non di un mantello magico – e che le prove si basano su un singolo test di telecamera non documentato pubblicamente .