Họa Tiết Đối Kháng: Khi Chiếc Áo Của Bạn 'Phản Công' Lại Hệ Thống Nhận Diện AI

Cách NoRecognition Hoạt Động

Phương pháp cốt lõi của Swearingen là một bộ phân tích 'tự học' (self-learning fuzzer). Công cụ này tạo ra các họa tiết đối kháng và kiểm tra chúng trên các thuật toán phát hiện đối tượng mã nguồn mở . Những mẫu nào vẫn kích hoạt máy dò sẽ bị sửa đổi và thử lại trong một vòng lặp. Sau khoảng 31 triệu lần lặp, hệ thống đã hội tụ thành các biến thể chiến thắng được toàn bộ 11 mô hình AI giám sát trong bộ thử nghiệm của Swearingen .

"Đó là một thuật toán di truyền nhân giống các họa tiết vải đối kháng, được in trên vải thông thường, gây ra lỗi dây chuyền xuyên suốt toàn bộ quy trình nhận diện khuôn mặt — phát hiện người, phát hiện khuôn mặt và so khớp danh tính — mà không cần linh kiện điện tử và cũng chẳng có gì trông bất thường đối với người đứng cạnh bạn," Swearingen nói trong một buổi giới thiệu tại Black Hat .

Các Hệ Thống Bị NoRecognition Đánh Bại

Dự án của Swearingen đã được thử nghiệm và tuyên bố đánh bại được 11 mô hình AI giám sát khác nhau, bao gồm:

• Flock — Camera đọc biển số và giám sát
• Axon — Camera gắn người của cảnh sát và hệ thống giám sát
• Clearview AI — Nhận diện khuôn mặt
• Và nhiều mô hình phát hiện người, phương tiện, nhận diện khuôn mặt khác

Đáng chú ý, Swearingen đã tuyên bố rằng hệ thống của ông thử nghiệm chống lại "các mô hình thật. Không phải chuẩn mực hàn lâm. Là thứ thực sự đang chạy trong Clearview AI, camera cảnh sát, an ninh sân bay" .

Cuộc Thử Nghiệm Công Khai Tại Hội Nghị Def Con 34

Tại hội nghị an ninh mạng Def Con ở Las Vegas vào thứ Sáu, ngày 7 tháng 8 năm 2026, Swearingen đã tiến hành thử nghiệm thực tế công khai đầu tiên của mẫu họa tiết NoRecognition . Với sự giúp đỡ từ hãng truyền thông ô tô Donut Media, một chiếc Toyota Yaris đời 2009 được phủ đầy họa tiết do máy tính tạo ra và lái ngang qua một camera giám sát Flock .

Theo Swearingen, chiếc xe đã tránh được sự phát hiện tự động của hệ thống Flock — camera đã không kích hoạt cảnh báo phát hiện . Đây là lần đầu tiên các họa tiết này được xác nhận là có hiệu quả trước một camera vật lý ngoài đời thực, thay vì chỉ trong mô phỏng kỹ thuật số . Tuy nhiên, các phóng viên độc lập lưu ý rằng đây chỉ là một thử nghiệm đơn lẻ, không mù và hoàn toàn chưa được kiểm chứng rộng rãi bởi các nhà nghiên cứu .

Sự Trỗi Dậy Của Thời Trang Đối Kháng (Adversarial Fashion)

Song song với công trình kỹ thuật của Swearingen, một phong trào gọi là "quần áo đối kháng" hay "thời trang đối kháng" đã nổi lên như một xu hướng chính thống .

The Guardian đã đưa tin vào tháng 7 năm 2026 rằng các nhà thiết kế đang kết hợp "các họa tiết đối kháng" — sự sắp xếp có chủ đích của các hình khối, màu sắc và họa tiết — vào trang phục với mục đích cụ thể là làm rối loạn AI nhận diện khuôn mặt . Các thương hiệu như Cap_able, Urban Privacy, và Vollebak đang sản xuất các dòng quần áo được cho là khai thác điểm yếu của mô hình thị giác máy tính .

Nghệ sĩ người Berlin, Simon Weckert, đã ra mắt bộ sưu tập ý tưởng mang tên "Ngụy trang Số" (Digital Camouflage) — trang phục được in với các mẫu đối kháng tổng quát, được thiết kế để ngăn chặn sự phát hiện của AI giám sát từ mọi góc độ hoặc nếp gấp của vải . Phong trào này được mô tả là "quyền riêng tư có thể là xu hướng thời trang lớn tiếp theo," khi người mặc vừa thể hiện quan điểm về tầm quan trọng của sự riêng tư, vừa có khả năng thoát khỏi sự nhận diện khuôn mặt tự động .

Cap_able, một công ty thời trang khởi nghiệp của Ý, tạo ra hàng dệt kim với họa tiết đối kháng và cấu trúc quần áo có thể mặc hai mặt, để người dùng có thể chọn khi nào họ muốn bị AI phát hiện . Quy trình được cấp bằng sáng chế của họ phát triển các mẫu họa tiết đối kháng bằng thuật toán, tạo ra thứ mà họ gọi là "ngụy trang AI" .

Giới Hạn và Hệ Lụy Của Cuộc Chạy Đua Vũ Trang

Công nghệ này không phải là một 'viên đạn bạc'. Các chuyên gia chỉ ra một số lưu ý quan trọng:

• Hiệu quả hẹp: Các họa tiết không làm cho người hoặc phương tiện trở nên vô hình trước mắt người hay bản ghi hình — chúng chỉ làm gián đoạn các thuật toán phát hiện tự động . Một người xem lại đoạn phim vẫn có thể thấy người .
• Phụ thuộc vào mô hình: Các họa tiết này được tối ưu hóa cho những kiến trúc cụ thể trong bộ thử nghiệm của Swearingen. Các công ty giám sát có thể cập nhật mô hình của họ để nhận diện và bỏ qua các mẫu này, tạo ra một cuộc chạy đua vũ trang đối kháng kinh điển .
• Dễ vỡ trong thế giới thực: Các mẫu họa tiết được in lên vải phẳng trong điều kiện phòng thí nghiệm. Các yếu tố ngoài đời thực như ánh sáng, góc nhìn, khoảng cách, nếp gấp vải và thời tiết có thể làm giảm hiệu quả — và thử nghiệm tại Def Con chỉ là một lần lái xe duy nhất qua một camera .
• Nguy cơ bị tái huấn luyện: Như The Guardian lưu ý, các chuyên gia cảnh báo rằng các mẫu họa tiết đối kháng chỉ có hiệu quả cho đến khi mô hình giám sát được huấn luyện lại trên các mẫu đối kháng này, sau đó sự bảo vệ có thể biến mất .
• Vùng xám pháp lý và đạo đức: Trong khi Swearingen coi công nghệ này như một cơ chế 'từ chối' (opt-out) quyền riêng tư, các cơ quan thực thi pháp luật có thể coi nó như một công cụ lẩn trốn, dẫn đến các thách thức pháp lý tiềm tàng .
• Thiếu kiểm chứng độc lập: Các phóng viên độc lập lưu ý rằng bản demo tại Def Con chỉ là một thử nghiệm đơn lẻ và việc xác nhận hiệu quả thực tế của các họa tiết thông qua đánh giá ngang hàng vẫn còn đang chờ xử lý .

Điều Này Có Ý Nghĩa Gì Cho Quyền Riêng Tư?

NoRecognition đại diện cho một trong những nỗ lực nghiêm ngặt nhất cho đến nay nhằm tạo ra một lá chắn thực tế, 'có thể mặc được' chống lại sự giám sát của AI. Với 31 triệu thử nghiệm và một màn trình diễn trực tiếp trước camera Flock, dự án đã vượt ra khỏi khái niệm bằng chứng học thuật. Nhưng liệu những họa tiết đối kháng này có thể tồn tại trong cuộc chạy đua vũ trang với AI giám sát đang phát triển nhanh chóng — và liệu phong trào thời trang đối kháng rộng lớn hơn có mang lại sự bảo vệ quyền riêng tư thực sự trên quy mô lớn hay không — vẫn là câu hỏi bỏ ngỏ.

Như chính Swearingen đã nói, câu hỏi cốt lõi là: "Liệu vải vóc thực tế có thực sự đánh bại được công nghệ nhận diện khuôn mặt hiện đại nhất trong điều kiện thực tế hay không?" . Câu trả lời, hiện tại, là chúng có thể — cho đến khi AI bắt kịp.