„To algorytm genetyczny, który hoduje tekstylne wzory adversarialne, drukowane na zwykłej tkaninie, powodujące kaskadowe błędy w całym łańcuchu rozpoznawania twarzy – detekcji osoby, detekcji twarzy i dopasowania tożsamości – bez użycia elektroniki i bez niczego, co wyglądałoby podejrzanie dla stojącej obok osoby” – powiedział Swearingen w zapowiedzi wystąpienia na Black Hat .

Które systemy NoRecognition pokonuje?

Projekt Swearingena został przetestowany przeciwko 11 różnym modelom inwigilacji AI, w tym:

• Flock – czytniki tablic rejestracyjnych i kamery monitoringu
• Axon – kamery nasobne i systemy monitoringu używane przez policję
• Clearview AI – system rozpoznawania twarzy
• Oraz różne inne modele detekcji osób, pojazdów i rozpoznawania twarzy

Co istotne, Swearingen podkreśla, że jego system testuje „prawdziwe modele. Nie akademickie benchmarki. Rzeczywiste systemy działające w Clearview AI, w policyjnych kamerach nasobnych, na lotniskach” .

Publiczny test na Def Con 34

Podczas konferencji cyberbezpieczeństwa Def Con w Las Vegas w piątek, 7 sierpnia 2026 roku, Swearingen przeprowadził pierwszy publiczny test w rzeczywistych warunkach wzorów NoRecognition . Z pomocą motoryzacyjnego medium Donut Media Toyota Yaris z 2009 roku została pokryta wygenerowanym komputerowo wzorem i przejechała przed kamerą monitoringu Flock .

Według Swearingena pojazd uniknął automatycznego wykrycia przez system Flock – kamera nie wywołała alertu . Było to pierwsze potwierdzenie skuteczności wzorów wobec fizycznej kamery w rzeczywistym środowisku, a nie tylko w symulacji cyfrowej . Niezależni dziennikarze zwrócili jednak uwagę, że demo było pojedynczym, niezaślepionym testem, a szersza, recenzowana weryfikacja wciąż jest potrzebna .

Rozwój mody adversarialnej

Równolegle z pracami Swearingena rozwinął się ruch „odzieży adversarialnej” (ang. adversarial clothing), który wchodzi do mainstreamu .

The Guardian donosił w lipcu 2026 roku, że projektanci wplatają „wzory adversarialne” – starannie zaprojektowane kształty, kolory i motywy – w ubrania, aby mylić sztuczną inteligencję rozpoznającą twarze . Marki takie jak Cap_able, Urban Privacy i Vollebak wprowadzają na rynek linie odzieży, które twierdzą, że wykorzystują słabości modeli widzenia komputerowego .

Berliński artysta Simon Weckert zaprezentował konceptualną kolekcję „Digital Camouflage” – ubrania zadrukowane generatywnymi wzorami adversarialnymi, zaprojektowanymi tak, by zapobiegać wykryciu przez AI z każdego kąta i fałdy materiału . Ruch ten opisywany jest jako „prywatność jako następny wielki trend w modzie” – noszący taką odzież składają widoczny deklarację o wadze prywatności, jednocześnie potencjalnie unikając automatycznego rozpoznawania twarzy .

Cap_able, włoski startup modowy, tworzy dzianiny z wzorami adversarialnymi. Ich ubrania są odwracalne, więc użytkownik może wybrać, czy chce być wykrywany przez AI, czy nie . Firma opatentowała proces algorytmicznego opracowywania wzorów adversarialnych, tworząc to, co nazywa „kamuflażem AI” .

Ograniczenia i implikacje wyścigu zbrojeń

Technologia nie jest srebrną kulą. Eksperci wskazują na kilka ważnych zastrzeżeń:

• Wąska skuteczność: Wzory nie czynią osoby ani pojazdu niewidzialnymi dla ludzkiego oka ani nie blokują samego nagrywania – zakłócają jedynie działanie algorytmów detekcji . Człowiek oglądający nagranie nadal widzi osobę .
• Specyficzność modelowa: Wzory są zoptymalizowane pod konkretne architektury w zestawie testowym Swearingena. Firmy monitorujące mogą aktualizować swoje modele, aby rozpoznawać i ignorować te wzory, tworząc klasyczny adversarialny wyścig zbrojeń .
• Fizyczna kruchość: Zastosowane wzory wydrukowano na płaskiej tkaninie w kontrolowanych warunkach. Czynniki rzeczywiste, takie jak oświetlenie, kąt, odległość, fałdy materiału i pogoda, mogą osłabić skuteczność – a test na Def Con był pojedynczym przejazdem przed jedną kamerą .
• Ryzyko przekalibrowania: Jak zauważa The Guardian, eksperci ostrzegają, że wzory adversarialne działają tylko do momentu, gdy model inwigilacyjny zostanie przekalibrowany na tych przykładach – po czym ochrona może zniknąć .
• Szara strefa prawna i etyczna: Podczas gdy Swearingen przedstawia technologię jako mechanizm rezygnacji z inwigilacji, organy ścigania mogą uznać ją za narzędzie do unikania prawa, co może prowadzić do regulacji lub wyzwań prawnych .
• Niewystarczająca niezależna weryfikacja: Niezależni dziennikarze zauważyli, że demo na Def Con było pojedynczym, niezaślepionym testem, a szersza, recenzowana walidacja skuteczności wzorów w rzeczywistych warunkach wciąż oczekuje na przeprowadzenie .

Co to oznacza dla prywatności?

NoRecognition to jedna z najbardziej rygorystycznych prób stworzenia praktycznej, noszonej ochrony przed inwigilacją AI. Po 31 milionach testów i pokazie na żywo przed kamerą Flock projekt wyszedł poza akademicki dowód koncepcji. Jednakże to, czy wzory adversarialne przetrwają wyścig zbrojeń z szybko rozwijającą się inwigilacyjną AI – i czy szerszy ruch mody adversarialnej zapewni realną ochronę prywatności na masową skalę – pozostaje otwartym pytaniem.

Jak ujął to sam Swearingen: kluczowe pytanie brzmi: „Czy fizyczne tkaniny mogą naprawdę pokonać najnowocześniejsze rozpoznawanie twarzy w rzeczywistych warunkach?” . Na razie odpowiedź brzmi: tak – dopóki AI nie dogoni.

„To algorytm genetyczny, który hoduje tekstylne wzory adversarialne, drukowane na zwykłej tkaninie, powodujące kaskadowe błędy w całym łańcuchu rozpoznawania twarzy – detekcji osoby, detekcji twarzy i dopasowania tożsamości – bez użycia elektroniki i bez niczego, co wyglądałoby podejrzanie dla stojącej obok osoby” – powiedział Swearingen w zapowiedzi wystąpienia na Black Hat .

Które systemy NoRecognition pokonuje?

Projekt Swearingena został przetestowany przeciwko 11 różnym modelom inwigilacji AI, w tym:

• Flock – czytniki tablic rejestracyjnych i kamery monitoringu
• Axon – kamery nasobne i systemy monitoringu używane przez policję
• Clearview AI – system rozpoznawania twarzy
• Oraz różne inne modele detekcji osób, pojazdów i rozpoznawania twarzy

Co istotne, Swearingen podkreśla, że jego system testuje „prawdziwe modele. Nie akademickie benchmarki. Rzeczywiste systemy działające w Clearview AI, w policyjnych kamerach nasobnych, na lotniskach” .

Publiczny test na Def Con 34

Podczas konferencji cyberbezpieczeństwa Def Con w Las Vegas w piątek, 7 sierpnia 2026 roku, Swearingen przeprowadził pierwszy publiczny test w rzeczywistych warunkach wzorów NoRecognition . Z pomocą motoryzacyjnego medium Donut Media Toyota Yaris z 2009 roku została pokryta wygenerowanym komputerowo wzorem i przejechała przed kamerą monitoringu Flock .

Według Swearingena pojazd uniknął automatycznego wykrycia przez system Flock – kamera nie wywołała alertu . Było to pierwsze potwierdzenie skuteczności wzorów wobec fizycznej kamery w rzeczywistym środowisku, a nie tylko w symulacji cyfrowej . Niezależni dziennikarze zwrócili jednak uwagę, że demo było pojedynczym, niezaślepionym testem, a szersza, recenzowana weryfikacja wciąż jest potrzebna .

Rozwój mody adversarialnej

Równolegle z pracami Swearingena rozwinął się ruch „odzieży adversarialnej” (ang. adversarial clothing), który wchodzi do mainstreamu .

The Guardian donosił w lipcu 2026 roku, że projektanci wplatają „wzory adversarialne” – starannie zaprojektowane kształty, kolory i motywy – w ubrania, aby mylić sztuczną inteligencję rozpoznającą twarze . Marki takie jak Cap_able, Urban Privacy i Vollebak wprowadzają na rynek linie odzieży, które twierdzą, że wykorzystują słabości modeli widzenia komputerowego .

Berliński artysta Simon Weckert zaprezentował konceptualną kolekcję „Digital Camouflage” – ubrania zadrukowane generatywnymi wzorami adversarialnymi, zaprojektowanymi tak, by zapobiegać wykryciu przez AI z każdego kąta i fałdy materiału . Ruch ten opisywany jest jako „prywatność jako następny wielki trend w modzie” – noszący taką odzież składają widoczny deklarację o wadze prywatności, jednocześnie potencjalnie unikając automatycznego rozpoznawania twarzy .

Cap_able, włoski startup modowy, tworzy dzianiny z wzorami adversarialnymi. Ich ubrania są odwracalne, więc użytkownik może wybrać, czy chce być wykrywany przez AI, czy nie . Firma opatentowała proces algorytmicznego opracowywania wzorów adversarialnych, tworząc to, co nazywa „kamuflażem AI” .

Ograniczenia i implikacje wyścigu zbrojeń

Technologia nie jest srebrną kulą. Eksperci wskazują na kilka ważnych zastrzeżeń:

• Wąska skuteczność: Wzory nie czynią osoby ani pojazdu niewidzialnymi dla ludzkiego oka ani nie blokują samego nagrywania – zakłócają jedynie działanie algorytmów detekcji . Człowiek oglądający nagranie nadal widzi osobę .
• Specyficzność modelowa: Wzory są zoptymalizowane pod konkretne architektury w zestawie testowym Swearingena. Firmy monitorujące mogą aktualizować swoje modele, aby rozpoznawać i ignorować te wzory, tworząc klasyczny adversarialny wyścig zbrojeń .
• Fizyczna kruchość: Zastosowane wzory wydrukowano na płaskiej tkaninie w kontrolowanych warunkach. Czynniki rzeczywiste, takie jak oświetlenie, kąt, odległość, fałdy materiału i pogoda, mogą osłabić skuteczność – a test na Def Con był pojedynczym przejazdem przed jedną kamerą .
• Ryzyko przekalibrowania: Jak zauważa The Guardian, eksperci ostrzegają, że wzory adversarialne działają tylko do momentu, gdy model inwigilacyjny zostanie przekalibrowany na tych przykładach – po czym ochrona może zniknąć .
• Szara strefa prawna i etyczna: Podczas gdy Swearingen przedstawia technologię jako mechanizm rezygnacji z inwigilacji, organy ścigania mogą uznać ją za narzędzie do unikania prawa, co może prowadzić do regulacji lub wyzwań prawnych .
• Niewystarczająca niezależna weryfikacja: Niezależni dziennikarze zauważyli, że demo na Def Con było pojedynczym, niezaślepionym testem, a szersza, recenzowana walidacja skuteczności wzorów w rzeczywistych warunkach wciąż oczekuje na przeprowadzenie .

Co to oznacza dla prywatności?

NoRecognition to jedna z najbardziej rygorystycznych prób stworzenia praktycznej, noszonej ochrony przed inwigilacją AI. Po 31 milionach testów i pokazie na żywo przed kamerą Flock projekt wyszedł poza akademicki dowód koncepcji. Jednakże to, czy wzory adversarialne przetrwają wyścig zbrojeń z szybko rozwijającą się inwigilacyjną AI – i czy szerszy ruch mody adversarialnej zapewni realną ochronę prywatności na masową skalę – pozostaje otwartym pytaniem.

Jak ujął to sam Swearingen: kluczowe pytanie brzmi: „Czy fizyczne tkaniny mogą naprawdę pokonać najnowocześniejsze rozpoznawanie twarzy w rzeczywistych warunkach?” . Na razie odpowiedź brzmi: tak – dopóki AI nie dogoni.