Por Dentro do noRecognition: Como 31 Milhões de Testes de IA Criaram Padrões que Enganam Câmeras da Flock, Axon e Clearview

Os sistemas automatizados de vigilância que escaneiam placas de veículos, identificam rostos e rastreiam carros parecem ser uma realidade incontornável da vida moderna. Mas um pesquisador de segurança cibernética de Kansas City construiu algo que promete pará-los — sem bloquear nenhuma câmera.

O projeto noRecognition, de Bill Swearingen, usa aprendizado por reforço para gerar padrões visuais que, quando impressos em tecido ou vinil, embaralham o software de detecção e classificação de objetos que opera nas câmeras de vigilância mais comuns. Após cerca de 31 milhões de testes automatizados ao longo de um ano, o sistema chegou a designs que venceram 11 algoritmos de detecção de código aberto em laboratório. Então, na sexta-feira, 7 de agosto de 2026, Swearingen provou publicamente que a ideia funcionava no mundo real: um Toyota Yaris 2009 coberto com um de seus padrões passou por um leitor de placas Flock na conferência de segurança cibernética Def Con, em Las Vegas, e escapou da detecção automatizada por completo .

Veja como o noRecognition funciona, o que o teste do Def Con realmente mostrou e como qualquer pessoa pode comprar esses padrões em forma de roupas.

O que é o noRecognition?

noRecognition é um projeto de pesquisa antirvigilância de Bill Swearingen, profissional de segurança cibernética de Kansas City e fundador do encontro SecKC e da empresa SIXCYBER. O projeto produz padrões visuais adversários projetados para impedir que sistemas automatizados de vigilância detectem pessoas, rostos, veículos e objetos . Os padrões são impressos em tecido ou vinil e aplicados em roupas ou superfícies de veículos. Eles não bloqueiam a gravação de vídeo comum — eles enganam especificamente o software de detecção e classificação de objetos que opera nessas câmeras .

Swearingen descreveu sua abordagem ao TechCrunch: os padrões exploram a camada de classificação das redes neurais, criando um sinal visual que o modelo não consegue interpretar como uma categoria reconhecível . Para um observador humano, o padrão parece um design abstrato e caótico. Para uma IA, ele é efetivamente invisível.

Como o sistema de aprendizado por reforço treinou com mais de 31 milhões de testes

Swearingen construiu um modelo de aprendizado por reforço que gerava padrões iterativamente e os testava contra 11 algoritmos diferentes de detecção de visão computacional de código aberto . A cada teste, o modelo aprendia quais características visuais faziam a detecção falhar e refinava o padrão de acordo.

Após aproximadamente 31 milhões de testes (algumas fontes mencionam 31,7 milhões) realizados ao longo de cerca de um ano, o modelo convergiu para designs que consistentemente faziam com que esses algoritmos falhassem em classificar o que quer que o padrão cobrisse . Swearingen descreveu o processo como ensinar o modelo "como pintar" — o sistema aprendeu a gerar texturas que maximizam a confusão no software de detecção .

Em testes digitais controlados, usando pesos de modelos reais extraídos, uma textura noRecognition de cobertura total fez o detector de vigilância f-YOLOv5 atingir uma taxa de não detecção de 61,7% em 240 imagens de roupas separadas para teste no limite de detecção de 0,25, com um ganho de +0,537 em relação à linha de base sem textura .

O que os padrões derrotaram em testes de laboratório:

• Leitores de placa Flock
• Câmeras corporais Axon
• Sistemas de reconhecimento facial Clearview AI
• Todos os 11 algoritmos de detecção de código aberto no conjunto de testes de Swearingen

A demonstração no Def Con 34: um Toyota Yaris 2009 que as câmeras não "viram"

Na sexta-feira, 7 de agosto de 2026, Swearingen realizou o primeiro teste público real de um padrão noRecognition na conferência de segurança cibernética Def Con, em Las Vegas . Trabalhando com o veículo de mídia automotiva Donut Media, ele cobriu um Toyota Yaris 2009 com um de seus padrões gerados por computador e o dirigiu passando por um leitor de placas Flock .

Swearingen relatou que o Yaris escapou da detecção automatizada por completo — a câmera Flock não conseguiu identificar o veículo nem ler sua placa, enquanto a gravação de vídeo normal continuou sem problemas . As rodas do carro, segundo relatos, apresentaram um desafio, mas o teste geral foi considerado eficaz .

Ressalva importante sobre a demonstração: A verificação independente da alegação é limitada. O TechCrunch observou que o resultado é mais restrito do que tornar um veículo "invisível" — a câmera ainda gravou imagens, e o vídeo e os registros da demonstração não são públicos . O registro no mundo físico atualmente é de um teste no Def Con contra um único modelo de câmera, e a comprovação continua sendo um ponto de discussão .

Como comprar os padrões noRecognition: camisetas, moletons e buffs

O objetivo declarado de Swearingen é transformar o noRecognition em uma ferramenta prática para a privacidade pública — uma forma de as pessoas optarem por não participar da vigilância algorítmica sem precisar de conhecimento técnico .

Ele lançou uma campanha no Kickstarter que foi ao ar simultaneamente com suas apresentações de pesquisa no Black Hat e no Def Con no início de agosto de 2026 . Ele anunciou no LinkedIn: "Camisetas, moletons e buffs estampados com os padrões que realmente funcionam" — lançados no mesmo momento da pesquisa .

Mercadorias atuais e planejadas:

Produto	Status
Camisetas	Disponíveis via campanha no Kickstarter
Moletons	Disponíveis via campanha no Kickstarter
Buffs / polainas de pescoço	Disponíveis via campanha no Kickstarter
Películas / envelopamentos para veículos	Planejados, após a linha de roupas

Em meados de agosto de 2026, a campanha do Kickstarter já havia arrecadado mais de US$ 40.000 . Apoiadores que pagam um valor premium podem solicitar padrões personalizados que foram "gerados, testados e nunca divulgados, mostrados ou impressos para mais ninguém" . A aplicação em películas para veículos é descrita como o próximo passo, assim que a linha de roupas estiver em andamento .

Ressalvas legais e práticas importantes

O projeto continua sendo uma iniciativa de pesquisa de privacidade, não um produto comercial comprovado . Os testes de laboratório mostraram sucesso contra algoritmos específicos, mas o desempenho no mundo real contra toda a gama de sistemas de vigilância implantados não foi auditado ou garantido de forma independente .

Swearingen também reconheceu áreas cinzentas legais: dirigir um carro envelopado levanta questões, estado por estado, sobre obstrução de placas de veículos, e seus padrões explicitamente evitam cobrir as áreas das placas .

Por enquanto, o noRecognition oferece um vislumbre de um futuro possível onde indivíduos podem optar por não participar da vigilância algorítmica usando o padrão certo. Mas o próprio Swearingen, junto com vários veículos de imprensa, fez questão de notar que isso é pesquisa — não uma capa mágica — e que a base de evidências continua sendo um único teste de câmera não documentado publicamente .