noRecognition项目：3100万次AI测试生成对抗图案，成功欺骗Flock、Axon和Clearview摄像头

Swearingen向TechCrunch描述其原理：这些图案利用了神经网络分类层的漏洞，制造出一种AI模型无法解析成可识别类别的视觉信号。在人类眼中，它只是一个抽象、混乱的设计；但在AI眼里，它几乎等于“隐形”。

强化学习系统如何通过3100万次测试进行训练

Swearingen构建了一个强化学习模型，该模型能迭代生成图案，并针对11种不同的开源计算机视觉检测算法进行测试。每轮测试后，模型都能学习到哪些视觉特征会导致检测失败，并据此优化图案。

在大约一年时间里，经过约3100万次测试（部分报道称为3170万次），该模型最终收敛于能够持续让这些检测算法失效的设计。Swearingen将此过程描述为教模型“如何作画”——系统学会了生成能最大化混淆检测软件的纹理。

在控制性的数字测试中（使用真实提取的模型权重，而非实体织物），全覆盖的noRecognition纹理在0.25检测阈值下，使f-YOLOv5监控检测器在240张测试服装图像上的未检测率达到61.7%，相较于无纹理基准，遮挡后的提升幅度为+0.537。

在实验室测试中被击败的系统：

• Flock 车牌识别摄像头
• Axon 执法记录仪
• Clearview AI 人脸识别系统
• Swearingen测试套件中的所有11种开源检测算法

Def Con 34现场演示：一辆摄像头“看不见”的2009款丰田Yaris

2026年8月7日（周五），Swearingen在拉斯维加斯Def Con网络安全大会上，对noRecognition图案进行了首次公开的现实世界测试。他与汽车媒体Donut Media合作，用计算机生成的图案覆盖了一辆2009款丰田Yaris，并驾驶它驶过一台Flock车牌识别摄像头。

Swearingen报告称，这辆Yaris完全逃过了自动检测——Flock摄像头既无法识别车辆，也无法读取车牌，而普通的视频录制则正常进行。据称车轮部分仍存在挑战，但整体测试被认为是有效的。

关于演示的重要说明： 这一声明的独立验证十分有限。TechCrunch指出，其效果并非让车辆“隐身”，而是摄像头仍能录下视频，只是其AI系统无法识别。此外，演示视频和日志并未公开。目前，现实世界的验证记录仅限于Def Con上针对单一摄像头型号的一次测试，其有效性仍是讨论的焦点。

如何购买noRecognition图案：T恤、连帽衫和围脖

Swearingen的目标是将noRecognition打造成一个实用的公共隐私工具——让人们无需专业技术知识就能选择退出算法监控。

在2026年8月初，他与在Black Hat和Def Con大会上展示研究成果的同时，发起了一项Kickstarter众筹活动。他在LinkedIn上宣布：“T恤、连帽衫和围脖，印上真正有效的图案”——与研究同步发布。

当前和计划中的商品：

截至2026年8月中旬，该Kickstarter活动已筹集超过40,000美元。支付额外费用的支持者可以定制专属图案，这些图案“经过生成、测试，从未对外发布、展示或为他人印制”。车身贴膜应用被描述为服装系列步入正轨后的下一步计划。

重要的法律和实操注意事项

该项目本质上仍是一项隐私研究计划，而非经过验证的商业产品。实验室测试证明了其对特定算法的有效性，但其在现实世界中针对广泛部署的监控系统的表现，尚未经过独立审计或得到保证。

Swearingen也承认存在法律灰色地带：在美国，驾驶贴有车衣的汽车，各州对遮挡车牌的法律规定不一。因此，他的图案明确避开了车牌区域。

就目前而言，noRecognition提供了一个未来可能性的缩影：人们或许能通过穿对图案来主动规避算法监控。但Swearingen本人及多家新闻媒体都谨慎地指出，这是研究成果——而非“隐形斗篷”——其证据基础仅源于一次未公开文档的摄像头测试。