Inuti noRecognition: Antisurveillance-projektet som använde 31 miljoner AI-tester för att överlista Flock-, Axon- och Clearview-kameror

De automatiska övervakningssystem som skannar registreringsskyltar, identifierar ansikten och spårar fordon har länge verkat som ett oundvikligt faktum i det moderna livet. Men en cybersäkerhetsforskare från Kansas City har byggt något som påstås kunna stoppa dem helt – utan att blockera en enda kamera.

Bill Swearingens noRecognition-projekt använder förstärkningsinlärning för att generera så kallade kontradiktoriska visuella mönster (adversarial patterns). När dessa mönster trycks på tyg eller vinyl och appliceras på kläder eller fordonsytor, stör de programvaran för objektdetektering och klassificering som används i vanliga övervakningskameror. Efter cirka 31 miljoner automatiserade tester under ett års tid konvergerade systemet mot designer som besegrade 11 detekteringsalgoritmer med öppen källkod i laboratoriet. På fredagen den 7 augusti 2026 bevisade Swearingen sedan att det fungerade i den verkliga världen: en Toyota Yaris från 2009 täckt med ett av hans mönster kördes förbi en Flock-registreringsskyltsläsare på cybersäkerhetskonferensen Def Con i Las Vegas och undgick helt automatisk detektering .

Här följer en förklaring av hur noRecognition fungerar, vad Def Con-demonstrationen faktiskt visade, och hur man nu kan köpa dessa mönster som kläder.

Vad är noRecognition?

noRecognition är ett antisurveillance-forskningsprojekt av Bill Swearingen, en cybersäkerhetsexpert från Kansas City och grundare av SecKC-meetupen och SIXCYBER. Projektet producerar kontradiktoriska visuella mönster utformade för att förhindra automatiska övervakningssystem från att detektera personer, ansikten, fordon och föremål . Mönstren trycks på tyg eller vinyl och appliceras på kläder eller fordonsytor. De blockerar inte vanlig videoinspelning – de lurar specifikt programvaran för objektdetektering och klassificering som körs i kamerorna .

Swearingen beskrev sitt tillvägagångssätt för TechCrunch: mönstren utnyttjar den del av neurala nätverk som ansvarar för klassificering, och skapar en visuell signal som modellen inte kan tolka som en igenkännbar kategori . För en mänsklig betraktare ser mönstret ut som en abstrakt, kaotisk design. För en AI är det i praktiken osynligt.

Hur förstärkningsinlärningssystemet tränades med över 31 miljoner tester

Swearingen byggde en förstärkningsinlärningsmodell som iterativt genererade mönster och testade dem mot 11 olika detekteringsalgoritmer med öppen källkod för datorseende . För varje test lärde sig modellen vilka visuella egenskaper som fick detekteringen att misslyckas och förfinade mönstret därefter.

Efter cirka 31 miljoner tester (vissa källor rapporterar 31,7 miljoner) som kördes under ungefär ett år, konvergerade modellen mot designer som konsekvent fick dessa algoritmer att misslyckas med att klassificera vad mönstret täckte . Swearingen har beskrivit processen som att lära modellen "att måla" – systemet lärde sig att generera texturer som maximerar förvirringen i detekteringsprogramvaran .

I kontrollerade digitala tester med riktiga extraherade modellvikter fick en noRecognition-textur med full täckning f-YOLOv5-övervakningsdetektorn att uppnå en icke-detekteringsgrad på 61,7 % över 240 hållna plagg vid tröskelvärdet 0,25, med en lyftning på +0,537 jämfört med den otexturerade baslinjen .

Vilka mönster som besegrades i labbtester:

• Flock registreringsskyltsläsare
• Axon kroppskameror
• Clearview AI ansiktsigenkänningssystem
• Alla 11 detekteringsalgoritmer med öppen källkod i Swearingens testsvit

Def Con 34-demon: en Toyota Yaris från 2009 som kamerorna inte kunde se

På fredagen den 7 augusti 2026 genomförde Swearingen det första offentliga verklighetstestet av ett noRecognition-mönster på cybersäkerhetskonferensen Def Con i Las Vegas . I samarbete med bilmediekanalen Donut Media täckte han en Toyota Yaris från 2009 med ett av sina datorgenererade mönster och körde den förbi en Flock-registreringsskyltsläsare .

Swearingen rapporterade att Yarisen helt undgick automatisk detektering – Flock-kameran kunde inte identifiera fordonet eller läsa dess registreringsskylt, medan vanlig videoinspelning fortsatte utan problem . Hjulen uppgavs utgöra en utmaning, men testet ansågs överlag vara effektivt .

Viktig brasklapp om demonstrationen: Oberoende verifiering av påståendet har varit begränsad. TechCrunch noterade att resultatet är smalare än att ett fordon blir "osynligt" – kameran spelade fortfarande in video, medan demonstrationsvideon och loggarna inte är offentliga . Det fysiska testet består för närvarande av ett enda Def Con-test mot en enda kameramodell, och bevisen är fortfarande en diskussionspunkt .

Hur man köper noRecognition-mönster: T-shirts, hoodies och halsdukar

Swearingens uttalade mål är att göra noRecognition till ett praktiskt verktyg för allmänhetens integritet – ett sätt för människor att välja bort algoritmisk övervakning utan att behöva teknisk expertis .

Han lanserade en Kickstarter-kampanj som gick live samtidigt som hans forskningspresentationer på Black Hat och Def Con i början av augusti 2026 . Han meddelade på LinkedIn: "Tees, hoodies och halsdukar tryckta med mönster som faktiskt fungerar" – släppta samtidigt som forskningen .

Nuvarande och planerade produkter:

Produkt	Status
T-shirts	Tillgängliga via Kickstarter-kampanjen
Hoodies	Tillgängliga via Kickstarter-kampanjen
Halsdukar/halsgaiters	Tillgängliga via Kickstarter-kampanjen
Fordonsskinn/folier	Planerade, efter klädkollektionen

I mitten av augusti 2026 hade Kickstarter-kampanjen samlat in över 40 000 dollar . Bidragsgivare som betalar en premie kan beställa skräddarsydda mönster som "genererats, testats och aldrig släppts, visats eller tryckts för någon annan" . Fordonsfolier beskrivs som nästa steg när klädkollektionen är igång .

Viktiga juridiska och praktiska förbehåll

Projektet är fortfarande ett integritetsforskningsinitiativ snarare än en beprövad kommersiell produkt . Labbtesterna visade framgång mot specifika algoritmer, men verklighetsprestanda mot hela spektrat av utplacerade övervakningssystem har inte oberoende granskats eller garanterats .

Swearingen har också erkänt juridiska gråzoner: att köra en folierad bil väcker frågor från stat till stat om hinder av registreringsskyltar, och hans mönster undviker uttryckligen att täcka registreringsskyltsområden .

För tillfället erbjuder noRecognition en glimt av en möjlig framtid där individer kan välja bort algoritmisk övervakning genom att bära rätt mönster. Men Swearingen själv, tillsammans med flera nyhetskanaler, har varit noga med att påpeka att detta är forskning – inte en magisk mantel – och att bevisen fortfarande består av ett enda, icke-offentligt dokumenterat kameratest .