«Det er en genetisk algoritme som avler frem «adversarial»-tekstilmønstre, trykt på vanlig stoff, som forårsaker kaskadesvikt i hele ansiktsgjenkjenningssystemet – persondeteksjon, ansiktsdeteksjon og identitetsmatch – uten elektronikk og uten at noe ser uvanlig ut for en person som står ved siden av deg,» sa Swearingen i en Black Hat-forhåndsomtale .

Systemer som er lurt av NoRecognition

Swearingens prosjekt har blitt testet mot og hevdes å lure 11 ulike AI-overvåkingsmodeller, inkludert:

• Flock – skiltlesere og overvåkingskameraer
• Axon – kroppskameraer og overvåkingssystemer for politiet
• Clearview AI – ansiktsgjenkjenning
• Ulike andre modeller for persondeteksjon, kjøretøydeteksjon og ansiktsgjenkjenning

Swearingen har uttalt at systemet hans tester mot «de virkelige modellene. Ikke akademiske benchmarks. Det faktiske som kjører i Clearview AI, politiets kroppskameraer, flyplasstrygghet» .

Den offentlige testen på Def Con 34

På Def Con cybersikkerhetskonferansen i Las Vegas fredag 7. august 2026 gjennomførte Swearingen den første offentlige virkelige testen av NoRecognition-mønstre . Med hjelp fra bilmediet Donut Media ble en 2009 Toyota Yaris dekket med det datagenererte mønsteret og kjørt forbi et Flock overvåkingskamera .

Ifølge Swearingen unngikk kjøretøyet Flock-systemets automatiske deteksjon – kameraet utløste ikke en deteksjonsalarm . Dette var første gang mønstrene ble validert mot et fysisk kamera i et levende miljø i stedet for i digital simulering . Uavhengige journalister påpekte imidlertid at demonstrasjonen var en enkelt, ikke-blindet test, og at bredere fagfellevurdert validering fortsatt gjenstår .

Fremveksten av «adversarial fashion»

En parallell bevegelse kalt «adversarial clothing» eller «adversarial fashion» har oppstått som en mainstream-trend ved siden av Swearingens tekniske arbeid .

The Guardian rapporterte i juli 2026 at designere inkorporerer «adversarial patterns» – nøye arrangerte former, farger og motiver – i plagg spesielt for å forvirre AI for ansiktsgjenkjenning . Merkevarer som Cap_able, Urban Privacy og Vollebak produserer kleslinjer som hevder å utnytte svakheter i datasynsmodeller .

Berlin-baserte kunstner Simon Weckert debuterte en konseptkolleksjon kalt «Digital Camouflage» – plagg trykt med generative «adversarial»-mønstre designet for å forhindre AI-overvåkingsdeteksjon fra alle vinkler eller stoffbrett . Bevegelsen beskrives som «personvern kunne bli den neste store motetrenden», der bærere gjør et synlig statement om viktigheten av personvern samtidig som de potensielt unngår automatisert ansiktsgjenkjenning .

Cap_able, en italiensk motestartup, lager strikkeplagg med «adversarial»-mønstre og konstruerer plaggene slik at de er vendbare, slik at brukeren kan velge når de vil bli oppdaget av AI eller ikke . Deres patenterte prosess utvikler algoritmisk «adversarial»-mønstre, og skaper det de kaller «AI-camouflage» .

Begrensninger og implikasjoner av et våpenkappløp

Teknologien er ingen sølvkule. Eksperter peker på flere viktige forbehold:

• Smal effektivitet: Mønstrene gjør ikke en person eller et kjøretøy usynlig for menneskelige seere eller for videoopptak i seg selv – de forstyrrer bare automatiske deteksjonsalgoritmer . Et menneske som ser på opptakene, kan fortsatt se personen .
• Modellspesifikk: Mønstrene er optimalisert mot de spesifikke arkitekturene i Swearingens testpakke. Overvåkingsselskaper kan oppdatere modellene sine for å gjenkjenne og ignorere mønstrene, noe som skaper et klassisk «adversarial»-våpenkappløp .
• Fysisk skjørhet: Deployerte mønstre ble trykt på flatt stoff under kontrollerte forhold. Faktorer i den virkelige verden som lys, vinkel, avstand, stoffbrett og vær kan svekke effektiviteten – og Def Con-testen var en enkelt forbikjøring forbi ett kamera .
• Omtreningrisiko: Som The Guardian bemerker, advarer eksperter om at «adversarial»-mønstre bare fungerer inntil overvåkingsmodellen blir trent på nytt på de «adversarial»-eksemplene, hvoretter beskyttelsen kan forsvinne .
• Juridisk og etisk gråsone: Mens Swearingen rammer inn teknologien som en mekanisme for å velge bort personvern, kan politiet se på det som et verktøy for å unndra seg, noe som potensielt kan føre til regulering eller juridiske utfordringer .
• Utilstrekkelig uavhengig verifisering: Uavhengige journalister bemerket at Def Con-demoen var en enkelt, ikke-blindet test, og at bredere fagfellevurdert validering av mønstrenes effektivitet i den virkelige verden fortsatt gjenstår .

Hva dette betyr for personvern

NoRecognition representerer et av de mest grundige forsøkene så langt på å skape et praktisk, bærbart forsvar mot AI-overvåking. Med 31 millioner tester og en live-demonstrasjon mot et Flock-kamera har prosjektet beveget seg utover akademisk konseptbevis. Men hvorvidt «adversarial»-mønstre kan overleve våpenkappløpet mot raskt utviklende overvåkings-AI – og om den bredere «adversarial fashion»-bevegelsen vil levere reell personvernbeskyttelse i stor skala – er fortsatt et åpent spørsmål.

Som Swearingen selv sa, er kjernespørsmålet: «Kan fysiske stoffer virkelig beseire toppmoderne ansiktsgjenkjenning under virkelige forhold?» Svaret, foreløpig, er at de kan – helt til AI-en tar dem igjen.

«Det er en genetisk algoritme som avler frem «adversarial»-tekstilmønstre, trykt på vanlig stoff, som forårsaker kaskadesvikt i hele ansiktsgjenkjenningssystemet – persondeteksjon, ansiktsdeteksjon og identitetsmatch – uten elektronikk og uten at noe ser uvanlig ut for en person som står ved siden av deg,» sa Swearingen i en Black Hat-forhåndsomtale .

Systemer som er lurt av NoRecognition

Swearingens prosjekt har blitt testet mot og hevdes å lure 11 ulike AI-overvåkingsmodeller, inkludert:

• Flock – skiltlesere og overvåkingskameraer
• Axon – kroppskameraer og overvåkingssystemer for politiet
• Clearview AI – ansiktsgjenkjenning
• Ulike andre modeller for persondeteksjon, kjøretøydeteksjon og ansiktsgjenkjenning

Swearingen har uttalt at systemet hans tester mot «de virkelige modellene. Ikke akademiske benchmarks. Det faktiske som kjører i Clearview AI, politiets kroppskameraer, flyplasstrygghet» .

Den offentlige testen på Def Con 34

På Def Con cybersikkerhetskonferansen i Las Vegas fredag 7. august 2026 gjennomførte Swearingen den første offentlige virkelige testen av NoRecognition-mønstre . Med hjelp fra bilmediet Donut Media ble en 2009 Toyota Yaris dekket med det datagenererte mønsteret og kjørt forbi et Flock overvåkingskamera .

Ifølge Swearingen unngikk kjøretøyet Flock-systemets automatiske deteksjon – kameraet utløste ikke en deteksjonsalarm . Dette var første gang mønstrene ble validert mot et fysisk kamera i et levende miljø i stedet for i digital simulering . Uavhengige journalister påpekte imidlertid at demonstrasjonen var en enkelt, ikke-blindet test, og at bredere fagfellevurdert validering fortsatt gjenstår .

Fremveksten av «adversarial fashion»

En parallell bevegelse kalt «adversarial clothing» eller «adversarial fashion» har oppstått som en mainstream-trend ved siden av Swearingens tekniske arbeid .

The Guardian rapporterte i juli 2026 at designere inkorporerer «adversarial patterns» – nøye arrangerte former, farger og motiver – i plagg spesielt for å forvirre AI for ansiktsgjenkjenning . Merkevarer som Cap_able, Urban Privacy og Vollebak produserer kleslinjer som hevder å utnytte svakheter i datasynsmodeller .

Berlin-baserte kunstner Simon Weckert debuterte en konseptkolleksjon kalt «Digital Camouflage» – plagg trykt med generative «adversarial»-mønstre designet for å forhindre AI-overvåkingsdeteksjon fra alle vinkler eller stoffbrett . Bevegelsen beskrives som «personvern kunne bli den neste store motetrenden», der bærere gjør et synlig statement om viktigheten av personvern samtidig som de potensielt unngår automatisert ansiktsgjenkjenning .

Cap_able, en italiensk motestartup, lager strikkeplagg med «adversarial»-mønstre og konstruerer plaggene slik at de er vendbare, slik at brukeren kan velge når de vil bli oppdaget av AI eller ikke . Deres patenterte prosess utvikler algoritmisk «adversarial»-mønstre, og skaper det de kaller «AI-camouflage» .

Begrensninger og implikasjoner av et våpenkappløp

Teknologien er ingen sølvkule. Eksperter peker på flere viktige forbehold:

• Smal effektivitet: Mønstrene gjør ikke en person eller et kjøretøy usynlig for menneskelige seere eller for videoopptak i seg selv – de forstyrrer bare automatiske deteksjonsalgoritmer . Et menneske som ser på opptakene, kan fortsatt se personen .
• Modellspesifikk: Mønstrene er optimalisert mot de spesifikke arkitekturene i Swearingens testpakke. Overvåkingsselskaper kan oppdatere modellene sine for å gjenkjenne og ignorere mønstrene, noe som skaper et klassisk «adversarial»-våpenkappløp .
• Fysisk skjørhet: Deployerte mønstre ble trykt på flatt stoff under kontrollerte forhold. Faktorer i den virkelige verden som lys, vinkel, avstand, stoffbrett og vær kan svekke effektiviteten – og Def Con-testen var en enkelt forbikjøring forbi ett kamera .
• Omtreningrisiko: Som The Guardian bemerker, advarer eksperter om at «adversarial»-mønstre bare fungerer inntil overvåkingsmodellen blir trent på nytt på de «adversarial»-eksemplene, hvoretter beskyttelsen kan forsvinne .
• Juridisk og etisk gråsone: Mens Swearingen rammer inn teknologien som en mekanisme for å velge bort personvern, kan politiet se på det som et verktøy for å unndra seg, noe som potensielt kan føre til regulering eller juridiske utfordringer .
• Utilstrekkelig uavhengig verifisering: Uavhengige journalister bemerket at Def Con-demoen var en enkelt, ikke-blindet test, og at bredere fagfellevurdert validering av mønstrenes effektivitet i den virkelige verden fortsatt gjenstår .

Hva dette betyr for personvern

NoRecognition representerer et av de mest grundige forsøkene så langt på å skape et praktisk, bærbart forsvar mot AI-overvåking. Med 31 millioner tester og en live-demonstrasjon mot et Flock-kamera har prosjektet beveget seg utover akademisk konseptbevis. Men hvorvidt «adversarial»-mønstre kan overleve våpenkappløpet mot raskt utviklende overvåkings-AI – og om den bredere «adversarial fashion»-bevegelsen vil levere reell personvernbeskyttelse i stor skala – er fortsatt et åpent spørsmål.

Som Swearingen selv sa, er kjernespørsmålet: «Kan fysiske stoffer virkelig beseire toppmoderne ansiktsgjenkjenning under virkelige forhold?» Svaret, foreløpig, er at de kan – helt til AI-en tar dem igjen.