一名美国网络安全从业者在拉斯维加斯举行的 Def Con 大会上展示了一种“对抗图案”。这类由计算机生成的图案可印在衣物、物体或车辆表面，用来干扰部分监控摄像头的自动识别系统，使其难以识别人、车辆或面部信息。

这项项目名为 noRecognition。开发者 Bill Swearingen 对 TechCrunch 表示，他在过去一年里反复进行测试，累计运行约 3100 万次实验，目标是生成能绕过常见监控检测算法的图案。按他的说法，这些图案不会阻止摄像头录像，但会打乱系统对画面中目标的识别与告警能力。

Def Con 完成首次公开测试

Swearingen 在 Def Con 的首次公开演示中，将最新图案覆盖在一辆 2009 款丰田 Yaris 车身上，测试对象是一套 Flock 摄像头系统。他表示，演示证明图案在现实环境中具备效果，不过车轮部分仍较难完全处理。参与协助拍摄的 Donut Media 称，演示视频将在未来几周公布。

他称，这类图案已经可以按需生成，并可用于衣物、连帽衫以及未来可能推出的车辆贴膜。项目方还发起众筹，计划销售带有相关图案的早期商品。

目标是干扰自动检测，不是遮挡画面

Swearingen 说，当前大量监控系统已具备目标检测能力，可用于识别车牌、追踪车辆，或结合人脸识别筛查特定对象。与传统遮挡不同，这套方法并不让目标从视频中消失，而是让算法无法稳定判断画面里出现了什么。

按他的描述，一旦系统无法触发自动检测，目标就不会轻易从海量视频中被机器筛出，必须依赖人工进一步查找。

模型通过反复试错生成新图案

Swearingen 表示，项目最初从开源视频检测算法的概念验证开始，随后逐步扩大算力投入，并演变成一个强化学习模型。这个模型会持续尝试不同图案，只要某种图案仍被算法识别，就继续迭代，直到同时绕过多个检测模型。

他称，系统目前测试过 11 种开源检测算法，并已找到可同时干扰多种算法的图案组合，其中包括与 Flock 车牌识别、Axon 执法记录设备以及 Clearview AI 相关的软件能力。按他的说法，模型现在几乎每分钟都能生成一批新图案，而且效果还在持续提升。

Swearingen 表示，他暂未公开最强版本的图案，以免相关厂商据此快速修补识别系统。不过他认为，这次公开演示已说明，在现实公共空间中，利用对抗样本规避算法检测并非只停留在实验室阶段。