"Det är en genetisk algoritm som avlar fram fientliga textilmönster, tryckta på vanligt tyg, som orsakar kaskadfel i hela ansiktsigenkänningskedjan – personigenkänning, ansiktsigenkänning och identitetsmatchning – utan elektronik och utan att det ser ovanligt ut för en person som står bredvid dig," sa Swearingen i en förhandstitt inför Black Hat .

System som NoRecognition besegrar

Swearingens projekt har testats mot och hävdar att det besegrar 11 olika AI-övervakningsmodeller, inklusive:

• Flock – avläsare av registreringsskyltar och övervakningskameror
• Axon – kroppskameror och övervakningssystem för polis
• Clearview AI – ansiktsigenkänning
• Olika andra modeller för personigenkänning, fordonigenkänning och ansiktsigenkänning

Swearingen har sagt att hans system testar mot "de riktiga modellerna. Inte akademiska riktmärken. Det som faktiskt används i Clearview AI, polisens kroppskameror, flygplatssäkerhet" .

Det offentliga testet på Def Con 34

På Def Con, cybersäkerhetskonferensen i Las Vegas, fredagen den 7 augusti 2026, genomförde Swearingen det första offentliga verklighetstestet av NoRecognition-mönster . Med hjälp av bilmediaföretaget Donut Media täcktes en 2009 Toyota Yaris med det datorgenererade mönstret och kördes förbi en Flock-övervakningskamera .

Enligt Swearingen undvek bilen Flock-systemets automatiska detektion – kameran utlöste ingen detekteringsvarning . Detta var första gången mönstren validerades mot en fysisk kamera i en verklig miljö snarare än i digital simulering . Oberoende reportrar noterade dock att demonstrationen var ett enda icke-blindat test och att bredare peer-reviewed validering fortfarande väntar .

Den växande trenden med fientligt mode

En parallell rörelse kallad "adversarial clothing" eller "adversarial fashion" har vuxit fram som en mainstream-trend vid sidan av Swearingens tekniska arbete .

The Guardian rapporterade i juli 2026 att designers integrerar "fientliga mönster" – noggrant arrangerade former, färger och motiv – i plagg specifikt för att förvirra AI-baserad ansiktsigenkänning . Märken som Cap_able, Urban Privacy och Vollebak producerar klädeskollektioner som påstås utnyttja svagheter i datorseendemodeller .

Den Berlin-baserade konstnären Simon Weckert debuterade med en konceptuell kollektion kallad "Digital Camouflage" – plagg tryckta med generativa fientliga mönster utformade för att förhindra AI-övervakningsdetektion från alla vinklar eller tygveck . Rörelsen beskrivs som "integritet kan bli nästa stora modetrend", där bärare gör ett synligt ställningstagande för vikten av privatliv samtidigt som de potentiellt undviker automatiserad ansiktsigenkänning .

Cap_able, en italiensk modestartup, skapar stickade plagg med fientliga mönster och konstruerar plaggen så att de är vändbara, så att användaren kan välja när de vill bli upptäckta av AI eller inte . Företagets patenterade process utvecklar algoritmiskt fientliga mönster och skapar vad de kallar "AI-kamouflage" .

Begränsningar och implikationer för en teknisk kapprustning

Tekniken är ingen mirakellösning. Experter pekar på flera viktiga förbehåll:

• Begränsad effektivitet: Mönstren gör inte en person eller ett fordon osynligt för mänskliga betraktare eller för själva videoinspelningen – de stör bara automatiska detekteringsalgoritmer . En människa som tittar på inspelningen kan fortfarande se personen .
• Modellspecifikt: Mönstren är optimerade mot de specifika arkitekturerna i Swearingens testsvit. Övervakningsföretag kan uppdatera sina modeller för att känna igen och ignorera mönstren, vilket skapar en klassisk fientlig teknisk kapprustning .
• Fysisk bräcklighet: De använda mönstren trycktes på platt tyg under kontrollerade förhållanden. Verkliga faktorer som ljus, vinkel, avstånd, tygveck och väder kan försämra effektiviteten – och Def Con-testet var en enda förbikörning mot en kamera .
• Risk för omträning: Som The Guardian noterar varnar experter för att fientliga mönster bara fungerar tills övervakningsmodellen tränas om på de fientliga exemplen, varefter skyddet kan försvinna .
• Juridisk och etisk gråzon: Medan Swearingen framställer tekniken som en mekanism för att välja bort övervakning, kan brottsbekämpande myndigheter se det som ett verktyg för att undvika kontroll, vilket potentiellt kan leda till regleringar eller juridiska utmaningar .
• Otillräcklig oberoende verifiering: Oberoende reportrar noterade att Def Con-demonstrationen var ett enda icke-blindat test och att bredare peer-reviewed validering av mönstrens verkliga effektivitet fortfarande väntar .

Vad detta innebär för integriteten

NoRecognition representerar ett av de mest rigorösa försöken hittills att skapa ett praktiskt, bärbart försvar mot AI-övervakning. Med 31 miljoner tester och en live-demonstration mot en Flock-kamera har projektet gått bortom akademiska proof-of-concept. Men huruvida fientliga mönster kan överleva den tekniska kapprustningen mot snabbt föränderlig övervaknings-AI – och om den bredare rörelsen med fientligt mode kommer att leverera verkligt integritetsskydd i stor skala – är fortfarande en öppen fråga.

Som Swearingen själv uttryckte det, är kärnfrågan: "Kan fysiska tyger verkligen besegra toppmodern ansiktsigenkänning under verkliga förhållanden?" Svaret är, för tillfället, att de kan – tills AI:n hinner ikapp.

"Det är en genetisk algoritm som avlar fram fientliga textilmönster, tryckta på vanligt tyg, som orsakar kaskadfel i hela ansiktsigenkänningskedjan – personigenkänning, ansiktsigenkänning och identitetsmatchning – utan elektronik och utan att det ser ovanligt ut för en person som står bredvid dig," sa Swearingen i en förhandstitt inför Black Hat .

System som NoRecognition besegrar

Swearingens projekt har testats mot och hävdar att det besegrar 11 olika AI-övervakningsmodeller, inklusive:

• Flock – avläsare av registreringsskyltar och övervakningskameror
• Axon – kroppskameror och övervakningssystem för polis
• Clearview AI – ansiktsigenkänning
• Olika andra modeller för personigenkänning, fordonigenkänning och ansiktsigenkänning

Swearingen har sagt att hans system testar mot "de riktiga modellerna. Inte akademiska riktmärken. Det som faktiskt används i Clearview AI, polisens kroppskameror, flygplatssäkerhet" .

Det offentliga testet på Def Con 34

På Def Con, cybersäkerhetskonferensen i Las Vegas, fredagen den 7 augusti 2026, genomförde Swearingen det första offentliga verklighetstestet av NoRecognition-mönster . Med hjälp av bilmediaföretaget Donut Media täcktes en 2009 Toyota Yaris med det datorgenererade mönstret och kördes förbi en Flock-övervakningskamera .

Enligt Swearingen undvek bilen Flock-systemets automatiska detektion – kameran utlöste ingen detekteringsvarning . Detta var första gången mönstren validerades mot en fysisk kamera i en verklig miljö snarare än i digital simulering . Oberoende reportrar noterade dock att demonstrationen var ett enda icke-blindat test och att bredare peer-reviewed validering fortfarande väntar .

Den växande trenden med fientligt mode

En parallell rörelse kallad "adversarial clothing" eller "adversarial fashion" har vuxit fram som en mainstream-trend vid sidan av Swearingens tekniska arbete .

The Guardian rapporterade i juli 2026 att designers integrerar "fientliga mönster" – noggrant arrangerade former, färger och motiv – i plagg specifikt för att förvirra AI-baserad ansiktsigenkänning . Märken som Cap_able, Urban Privacy och Vollebak producerar klädeskollektioner som påstås utnyttja svagheter i datorseendemodeller .

Den Berlin-baserade konstnären Simon Weckert debuterade med en konceptuell kollektion kallad "Digital Camouflage" – plagg tryckta med generativa fientliga mönster utformade för att förhindra AI-övervakningsdetektion från alla vinklar eller tygveck . Rörelsen beskrivs som "integritet kan bli nästa stora modetrend", där bärare gör ett synligt ställningstagande för vikten av privatliv samtidigt som de potentiellt undviker automatiserad ansiktsigenkänning .

Cap_able, en italiensk modestartup, skapar stickade plagg med fientliga mönster och konstruerar plaggen så att de är vändbara, så att användaren kan välja när de vill bli upptäckta av AI eller inte . Företagets patenterade process utvecklar algoritmiskt fientliga mönster och skapar vad de kallar "AI-kamouflage" .

Begränsningar och implikationer för en teknisk kapprustning

Tekniken är ingen mirakellösning. Experter pekar på flera viktiga förbehåll:

• Begränsad effektivitet: Mönstren gör inte en person eller ett fordon osynligt för mänskliga betraktare eller för själva videoinspelningen – de stör bara automatiska detekteringsalgoritmer . En människa som tittar på inspelningen kan fortfarande se personen .
• Modellspecifikt: Mönstren är optimerade mot de specifika arkitekturerna i Swearingens testsvit. Övervakningsföretag kan uppdatera sina modeller för att känna igen och ignorera mönstren, vilket skapar en klassisk fientlig teknisk kapprustning .
• Fysisk bräcklighet: De använda mönstren trycktes på platt tyg under kontrollerade förhållanden. Verkliga faktorer som ljus, vinkel, avstånd, tygveck och väder kan försämra effektiviteten – och Def Con-testet var en enda förbikörning mot en kamera .
• Risk för omträning: Som The Guardian noterar varnar experter för att fientliga mönster bara fungerar tills övervakningsmodellen tränas om på de fientliga exemplen, varefter skyddet kan försvinna .
• Juridisk och etisk gråzon: Medan Swearingen framställer tekniken som en mekanism för att välja bort övervakning, kan brottsbekämpande myndigheter se det som ett verktyg för att undvika kontroll, vilket potentiellt kan leda till regleringar eller juridiska utmaningar .
• Otillräcklig oberoende verifiering: Oberoende reportrar noterade att Def Con-demonstrationen var ett enda icke-blindat test och att bredare peer-reviewed validering av mönstrens verkliga effektivitet fortfarande väntar .

Vad detta innebär för integriteten

NoRecognition representerar ett av de mest rigorösa försöken hittills att skapa ett praktiskt, bärbart försvar mot AI-övervakning. Med 31 miljoner tester och en live-demonstration mot en Flock-kamera har projektet gått bortom akademiska proof-of-concept. Men huruvida fientliga mönster kan överleva den tekniska kapprustningen mot snabbt föränderlig övervaknings-AI – och om den bredare rörelsen med fientligt mode kommer att leverera verkligt integritetsskydd i stor skala – är fortfarande en öppen fråga.

Som Swearingen själv uttryckte det, är kärnfrågan: "Kan fysiska tyger verkligen besegra toppmodern ansiktsigenkänning under verkliga förhållanden?" Svaret är, för tillfället, att de kan – tills AI:n hinner ikapp.