noRecognition：用3100萬次強化學習訓練出嘅「AI隱形圖案」，Flock、Axon、Clearview全部中招

Swearingen同TechCrunch解釋過：呢啲圖案係利用咗神經網絡嘅分類層弱點，產生一種視覺訊號，令AI模型無法將佢歸類成任何一個已知嘅類別。普通人睇到呢啲圖案會覺得係一啲抽象、亂糟糟嘅設計，但AI眼中佢就係隱形嘅。

3100萬次測試係點樣煉成嘅？

Swearingen搭建咗一個強化學習模型，呢個模型會不斷產生圖案，然後攞去測試11款唔同嘅開源電腦視覺偵測演算法。每次測試完，模型就會學到邊啲視覺特徵可以令偵測失效，然後再改善個圖案。

經過大約3100萬次測試（有啲報告話係3170萬次），用咗大約一年時間，個模型終於搵到一啲可以持續令到呢啲演算法失效嘅設計。Swearingen話呢個過程就好似教個AI「點樣畫畫」——系統學識咗點樣產生可以令偵測軟件最大程度混亂嘅紋理。

喺一啲用真實提取模型權重做嘅數碼測試入面，一件冚到實嘅noRecognition紋理，喺0.25偵測門檻下，可以令f-YOLOv5監控偵測器對240件預留服裝圖片嘅非偵測率高達61.7%，比冇紋理嘅基線高出+0.537。

實驗室測試成功擊敗嘅系統：

• Flock車牌攝影機
• Axon隨身鏡頭
• Clearview AI面部識別系統
• Swearingen測試套裝入面嘅全部11款開源偵測演算法

Def Con 34現場示範：一部攝影機認唔到嘅2009年豐田Yaris

2026年8月7號星期五，Swearingen喺拉斯維加斯嘅Def Con網絡安全會議上，做咗noRecognition圖案嘅第一個公開真實世界測試。佢同汽車媒體Donut Media合作，將一部2009年豐田Yaris貼滿其中一個電腦生成圖案，然後駛過一個Flock車牌攝影機。

Swearingen報告話，架Yaris完全避開咗自動偵測——Flock攝影機認唔到架車，亦都讀唔到車牌，但係普通錄影係完全正常嘅。佢話車轆部分係有啲挑戰，但整體測試係有效嘅。

不過要留意以下幾點： 呢個測試結果嘅獨立驗證好有限。TechCrunch都指出，結果並唔係話架車變成咗「隱形」——攝影機仍然有錄到片，而示範嘅影片同系統紀錄都冇公開。目前為止，真實世界嘅測試記錄只係得Def Con一次對住一部攝影機，證明力仲有討論空間。

點樣買到noRecognition圖案產品：T恤、衛衣同頸套

Swearingen嘅目標係將noRecognition變成一個實用嘅私隱工具，令普通人唔需要高深技術都可以選擇退出演算法監控。

佢喺2026年8月初嘅Black Hat同Def Con研討會同步推出咗Kickstarter眾籌計劃。佢喺LinkedIn宣布：「T恤、衛衣同頸套，印住真正有效嘅圖案」——同一時間推出研究結果。

現有同計劃推出嘅產品：

截至2026年8月中，Kickstarter計劃已經籌得超過40,000美金。畀多啲錢嘅支持者可以要求度身訂造圖案，係「已經產生、測試過，但從未公開、展示或印俾任何其他人」嘅獨家款式。車身貼紙就係下一步計劃。

重要嘅法律同實際注意事項

呢個項目始終係一個私隱研究計劃，唔係一個已經證實有效嘅商業產品。實驗室測試只係對特定演算法有效，但喺真實世界對住各種唔同嘅監控系統，佢嘅表現仲未經過獨立審計或者保證。

Swearingen都承認有法律灰色地帶：貼咗圖案嘅車行駛時，唔同州份對遮擋車牌有唔同規定，所以佢嘅圖案係刻意避開車牌位置嘅。

而家嚟講，noRecognition只係俾我哋見到一個可能嘅未來：只要着啱圖案嘅衫，普通人都有可能避開演算法監控。但係Swearingen本人同多個新聞媒體都小心咁指出，呢個係研究——唔係魔法隱形斗篷——而且證據基礎仲係得一個冇公開紀錄嘅攝影機測試。