隐私法失效后，人们买什么来对抗监控

Kickstarter只剩一天时间，截止日期为2026年9月5日，到9月4日已筹集了194,103美元。目标是5,000美元。有1138人承诺为一件T恤、一件连帽衫和一条印有图案的领口护腿捐款，这些图案是电脑在大约三千一百万次尝试中培育出来的，目的是让那些监视人行道的机器无法察觉到站在地上的人。

幕后推手是堪萨斯城的安全专家比尔·斯韦林根，他在红队和首席信息安全官工作了数十年，后来才将注意力转向摄像头。他于2026年8月初在拉斯维加斯的DEF CON 34上发布了名为noRecognition的项目，并于同周在美国黑帽会议上展示了相关研究。

8月31日，他与汤姆·埃斯顿（Tom Eston Shared Security Podcast）对面，解释了这些模式的作用、不起作用，以及为何人身检测和面部识别不是同一个问题。

他的DEF CON卡片开场幻灯片写道：“今天，超过100台摄像头记录了你美丽的脸庞。你没有选择加入。你不能退出。”

这句话就是整个商业命题，也是值得深思的东西。不是算法。不是面料。事实上，一个月内有超过一千一百人决定，在公共场合被生物识别记录最实际的做法是买一件衣服。

这个故事有一个版本，是关于小工具的。聪明的黑客击败摄像头，这里是买T恤的地方。TechCrunch在八月报道了这个项目，指出Swearingen声称对十一套检测系统进行了超过3100万次测试。

Dark Reading描述了他如何从实际的摄像机硬件中提取模型，经过一系列死胡同，包括印有文字的衬衫和印有数十个人脸的T恤，最终最终找到了密集的几何噪声。

更有趣的故事是，这件衬衫存在意味着什么，以及当图案失效时，穿它的人会发生什么。

相机只是解析器

斯韦林根对攻击的框架是这套牌中最有用的部分，正因为如此，它剥夺了神秘感，值得重新说明。

“相机只是解析器，”一张幻灯片写道。“它把像素解析成物体。仅此而已。计算历史上的每一个解析器在攻击者控制输入时都被利用。”

他所用的类比是SQL注入，因为它之所以有效，是因为数据库解析器无法可靠地区分数据和指令。如果你控制镜头前呈现的内容，你就控制输入。

问题是你能否控制输出。

考虑其中一个解析器的功能。Swearingen拆解了Flock Safety摄像头上运输的模型文件，这些设备现已部署在美国数千个社区的车牌识别硬件上。

该文件flock_yoloV5.tflite输出张量，形状为1×6300×13。每次传递一张图像。从三级比例网格中抽取六千三百个候选方框。每个候选数字共十三个：四个方格坐标、一个物体性评分，以及八个类别评分，涵盖人物、汽车、卡车、公交车、拖车、摩托车、自行车和车牌。

车牌读卡器之后从未被固定。它属于与“人”同一输出通道的类别。

在这十三个数字中，有一个决定了你是否存在。客观性回答了一个问题：这里真的有东西吗？最终得分是客观性乘以该物体是人的概率，只有当该乘积超过0.75时才会抽到一个框。

对抗图案会追踪那一个标量。网络的骨干是一个边缘和纹理检测器，训练于自然照片，针对皮肤、布褶、头发和阴影进行调校。密集、高频、周期性打印不符合这些滤镜。

在网格单元中，服装覆盖，物体性崩溃。Swearingen关于一个保留身份的测量示例：0.91干净，图案0.28。同一机身，同一摄像机，同一模型，只是纹理改变。

在保持线下，没有方框，因此非最大抑制不会运行，追踪不会运行，也没有上传任何东西。

这是一个优雅且非常具体的结果。它适用于将所有内容都绑定在一个物体性标量上的探测器家族。Swearingen坦率地指出了它的终点。在拥有1917个锚点的单次探测器上，每个锚点对背景运行类别，服装能到达躯干箱，但全身和背景箱仍然能看到你，而一个幸存的箱子则保持你被探测。

他为这张幻灯片命名很直白：“为什么要用SSD墙”。

三台机器，三台不同的故障

整个项目中最重要的修正是一项免费且几乎没人做的修正。

人身识别、面部检测和面部识别是三种不同的能力，分别回答了三个不同的问题。有多少人。有多少张脸？我们知道这张脸吗？第一个产生计数。

第二个产生一个作物。只有第三个能生成身份，只有第三个能让你的名字出现在观察名单上。

它们的经济学也相反。人员检测器运行较低阈值，因为在大多数部署中，错过某人的成本超过虚假盒子的成本。人脸识别器阈值较高，因为错误匹配断言某人是另一个特定人类，且该错误有名字和地址。

击败其中一个错误并不能告诉你其他错误的可靠信息。

几乎所有关于反监控服装的头条新闻都会将这三者归纳为“面部识别”。几乎所有产品描述也是如此。这种区分对买家很重要，因为无识别服装针对不同工作有不同的调校。

护腿针对面部识别。T恤和连帽衫用于目标人物识别。没有单一图案能在所有地方获胜。

测试设备也反映了这一点。斯韦林根构建了他称之为“模糊器”的系统：一个生成候选模式、叠加在标准化人格图像上并推送给一组模型的系统，记录任何导致失败或信心剧烈下降的因素。

模式库在0.9.8版本达到了61个不同的生成器，从分形噪声到他称之为“外科手术攻击”的攻击，这些攻击定位面部标志，然后在鼻子或脸颊上贴上高对比度补丁，仅对眼睛和嘴巴施加噪声，或者在画面中盖上数十个诱饵眼睛以压倒边界盒逻辑。

当模式产生异常时，其配方会被保存并作为父配方使用。系统会对其进行突变，添加、移除或交换层，并将成功的配方拼接在一起。这就是项目的核心遗传算法。

模式是被培育出来的，而不是设计出来的。

每个候选人运行的挑战从十个模型开始，2026年7月新增第五人称探测器后增至十一个。五人探测器、四个人脸探测器、两个识别模型。在测试了3170万个模式中，系统记录了534,600个异常，约占1.7%。

其中480,700个误导了多个模型。其中85个被评为极端，占异常的0.016%，约每37.3万个模式中就有一个。

最后这个数字就是研究的真实形态。绝大多数情况下，这种做法并不奏效。偶尔效果极佳。

96.6%实际测量的是多少

对抗性服装报道中传播最远的数字来自2021年由内盖夫本古里安大学和特拉维夫大学的研究员Alon Zolfi、Shai Avidan、Yuval Elovici和Asaf Shabtai发表的论文。

他们的摘要报告称，在现实实验中，面部识别系统“仅识别出3.34%的戴口罩参与者（相比之下，其他评估口罩的最低83.34%）。

减去，你得到96.66%，这是一个被经常用作证据证明服装能击败面部识别的惊人数字。

读完论文，三个限定条件同时浮现。首先，这个对象是一个口罩，外科手术式，戴在鼻子和嘴上。它不是一件衬衫。它占据了面部信息密度最高的区域，这也是它有效且无法推广到躯干印的原因。

其次，比较对象是其他口罩，而非裸脸。声称这种印刷口罩在识别方面远胜普通口罩，普通口罩更窄且更有趣。第三，评估是研究人员运行的闭路电视用例。

光子通过真实镜头检测，这比大多数文献能说的要多，但这并不是街头部署的商业识别服务的测量。

当前报道浪潮中的另外两篇论文同样精确且范围较窄。Zhanhao Hu及其同事在2023年CVPR中被录用的工作，利用Voronoi图和Gumbel-softmax优化结合基于3D网格的增强技术，生成了看起来像普通迷彩的服装纹理，印刷在织物上，改编成服装，并报告了对多重探测器在多视角下的高攻击成功率。

人身探测器。不是识别。王嘉凯及其同事的这项调查，收录了一百多项研究，围绕这样一个观察组织：物理对立的样本通过制造和重新采样获得数字样本从未遇到的尴尬特性。

这一差距已被测量。Jakob Shack、Katarina Petrovic 和 Olga Saukh 在2024年一项题为《打破幻觉》的研究中，直言不讳地指出，数字和物理条件下的补丁大小、位置、旋转、亮度、色调和模糊变化。

几何变换在两个世界中表现一致。色彩变换则不然。即使将数字变换参数与实际测量参数对齐，他们仍发现补丁性能差异高达64%。

百分之六十四不是四舍五入的误差。这是防御和勋章之间的区别。

这种面料尚未经过测试

这里是几乎所有报道都未被突出的部分，斯韦林根本人在DEF CON观众面前放了幻灯片。

在“证明所在之处”的标题下，牌组写着：“数字，且标准比场地更严格。”它描述了密封的扫荡，训练、选拔和报告分开，训练时有超过500个未被看到的人物，分布在多个视角桶中，且控制点大部分跳过：每个图案必须击中同一几何形状的实心黑色面板，否则结果将被丢弃。

否则你测量的不是对抗效应，而是测量你用一个大而不透明矩形覆盖了某人。

紧接着，紧接着写道：“实时织物测试。刚刚开始。印刷织物试验正在进行中。目前尚无任何实物检测：上述数字结果只有在织物通过相同的遮挡减去条后才会转移。”

目前还没有任何实质证据被认领。

那就是研究员在最大曝光时刻告诉大家，众筹项目还没有在布料上演示过。Kickstarter明确表示资金用于这些：测试面料、基材、织法和墨水，一台染料升华打印机，使一次迭代只需数小时而非数周，以及更多现场相机硬件，使结果通过真实镜头而非工作台测量。

数字扫描之外，曾有过一次公开演示。2026年8月7日，在DEF CON大会上，斯韦林根手持一块打印有图案的平面刚性面板，面对实时人员检测画面，运行从Flock现场单元取来的模型，信心评分下降。

他还在汽车媒体Donut Media上，将一辆2009年丰田Yaris包裹在生成图案中，经过Flock摄像头，据他所述，摄像头未能记录该图案。记者指出该牌库已承认的事实：仅为一次非盲测测试，且更广泛的同行评审验证尚未完成。

刚性印刷面板不是移动身体上的布料，汽车包裹也不是连帽衫。关于无实体声明的句子指的是服装，也就是人们购买的物品。

这真诚得令人钦佩。卖给一千多人一件背后的衣服也是件奇怪的事。买家资助了他们购买产品的验证。两者同时成立，而这两者之间的差距正是这个故事中大部分困难的根源。

所有尝试过的人

斯韦林根并不自称是这一体裁的发明者，他的资料片中有一页幻灯片，注明了渊源，比大多数学术相关作品章节更为慷慨。

亚当·哈维于2010年创作了《CV Dazzle》，作为他在纽约大学互动电信项目的硕士论文：化妆和发型设计旨在破坏面部识别，同时保持对人类完全可辨。

它成为反监控美学的标志性形象，并在关于即将到来的全景监狱的千篇文章中被反复出现。

哈维自己的网站如今成为对哈维自己研究最严谨的驳斥。最初的视觉效果针对的是Viola-Jones算法及其haar级联分类器，他称这些算法自2016年左右已被非正式弃用。

他建议不要将这些模式用于新系统。他指出卷积网络需要完全不同的策略。他谨慎强调CV Dazzle是一种技术而非特定模式，必须针对特定算法和环境定制，光线本身改变结果。

十五年后，制作世界上最著名的反面部识别物体的艺术家直言不讳地表示，该物体已不再有效。

2017年，哈维与互动设计工作室Hyphen-Labs合作，推出了HyperFace，这是一种印有诱饵面部图案的纺织品，旨在用假候选物充斥探测器。

当CV Dazzle攻击人体时，HyperFace则攻击地面。它作为Hyphen-Labs“神经推测非洲女性主义”项目的一部分在圣丹斯首映，该项目将谁被关注以及机器在他们身上表现如何，置于核心而非边缘。

2019年，Kate Rose推出了Adversarial Fashion，这种服装印制用于向车牌识别系统注入假车牌读数。2023年，意大利品牌Cap_able发布了Manifesto针织服装，Swearingen的幻灯片显示其对单个探测器有60%的规避率。

Reflectacles销售针对摄像头和深度传感器的红外阻断眼镜。

然后是该类别每个产品页面上方的幻灯片，标题为“测量差距”：声明通常以单一物体检测器、样本为单位测量，且没有对照。根据他引用的独立综述，三十种已发表的方法中，有十二种曾在真实系统中进行过测试。

三十分之十二。这个领域的核心问题不是攻击不可能。而是几乎没人会认真检查。

今天的规避就是明天的训练数据

假设面料试验成功了。假设一件连帽衫能在普通白天可靠地将物体投放到固定摄像头的防线以下。这种情况能持续多久？

对抗性示例并非物理世界的永久属性。它们是具有特定权重的特定模型的属性。一旦图案公开、打印、拍照并发布，它就成为训练数据。

对抗训练，即防守方在攻击时微调，是机器学习中最古老且最无聊的对策，它对固定、公开、打印的模式效果良好，任何拥有工程团队和季度发布周期的厂商都应预期部署该模式。

Swearingen对此非常理解。根据TechCrunch的报道，这也是为什么最强的图案被保留在公开中：发布它们就给了相机制造商对策。但这也带来了新的困境。

一个秘密的图案无法被独立验证。一个被验证的图案正走向被中和的方向。这种问题没有一种方案是买家既能获得公开证据又能获得持久保护的。

不对称性才是关键。有1100人购买了一件他们将拥有多年的服装。另一方发布模型更新。交换的一方有供应链、印刷流程和衣橱。另一方则是持续集成流水线。

2026年7月，当一个新探测器进入斯韦林根的考验时，每个人格都必须重新评分，而非十个模型，研究吞吐量也相应下降。防守方添加模型的成本微不足道。

攻击方覆盖的成本线性且痛苦。

这件衣服是对移动目标部署的静态伪物。即使在最好的情况下，你买的也是一个有有效期的纸样，没人能告诉你。

管道不在乎你穿什么

即使是完全有效的对抗性连帽衫，也只能击败一种模式。监控堆栈有许多。

换衣人身份认同是一个完整的研究子领域，建立在人们会换衣服的前提上，它通过提取与你穿着无关的特征来运作：身体形状、步态、骨骼比例。

步态对研究人员有吸引力，正是因为它比穿夹克更难更换。最近的系统是基于有意构建的数据集，这些数据集围绕着服装、携带物体和视角的显著变化构建。

一件衣服从一个摄像头移除你的边界框，对下一个摄像头识别你的走路没有任何影响。

还有一切根本不是视觉的东西。你的手机自我提示。你的车被同一Flock型号读取，其车牌等级与人类别处于同一个张量，跨越美国公民自由联盟在至少6000个社区中超过12万读者网络。

斯韦林根的幻灯片显示每月有14万警察用户。你的非接触支付时间戳是你的。你的旅行卡是你的时间戳。你的脸已经出现在警方搜索的驾照数据库中。

在一帧内被一台摄像头看不到，并不等同于被识别。2026年的识别是跨越许多弱信号的连接操作，连帽衫有时会在某些角度、某些光线下移除其中一个信号。

这是反对将对抗性服装作为防御的最有力理由，而且它并不依赖于技术是否失效。即使技术完美，它依然有效。

看起来像有东西要隐瞒的问题

还有第二个代价，而且不是技术层面的。

一件覆盖着密集高频几何噪声的衣服并不不显眼。它是人们能穿的最显眼的东西之一。CV Dazzle的设计限制，正如哈维十五年前提出的，就是它必须击败机器，同时又能对人类完全清晰。

这种可读性是双向的。对摄像头来说，你可能是缺席者。对监视监视器的警官和注意到追踪箱不断掉落的操作员来说，你是街上最有趣的人。

这就是信号问题，它颠倒了整个目的。自我宣告的规避不是隐私。它是一个旗帜。

法律立场使这一问题更加尖锐。根据国际非营利法律中心的数据，在美国，23个州和哥伦比亚特区有限制公共场所戴口罩的法规，许多法规是在20世纪制定的，并多次用于对抗抗议者。

政治局势变得奇怪。加利福尼亚州参议院法案627号《无秘密警察法》于2026年1月1日生效，禁止联邦移民官员和地方警察佩戴大部分口罩。

2026年2月，美国地方法官克里斯蒂娜·斯奈德初步禁止了口罩禁令，认为加州确实拥有禁止联邦官员遮盖面部的一般权力，但SB 627行使了这一权力，因为该法案并未对州内官员施加类似要求，存在歧视性行使。

配套的《禁止义务警员法案》要求非制服警员展示机构名称和警徽号码，在那一轮通过后依然有效，地区法院认为这些身份证明要求中立且普遍适用。

2026年4月22日，第九巡回法院也阻止了该条款，以3比0裁定其试图直接规范美国，因此很可能违反了至上条款：小组认为，直接规范美国行为的州法律无效，无论这些受监管活动是否对联邦职能至关重要。

这两项条款现已被禁止，等待进一步诉讼，这使得这成为暂停而非既定结果。因此，试图揭露警员身份的立法时刻与将蒙面公民定罪的法律并存，而揭露身份的法律则被阻挡，而反口罩法案则有效。

在英格兰和威尔士，《1994年刑事司法与公共秩序法》第60AA条允许一名督察级及以上警官在地区内，且在最长24小时内授权任何穿制服的警员，要求其合理认为完全或主要用于隐藏身份的物品。

拒绝者最高可判处一个月监禁或罚款。Netpol 关于该权力的简报指出，默认情况是警方不能要求你脱下覆盖物，且用于保暖、健康、宗教仪式或政治象征的物品可能不在该保护范围内。

连帽衫是一种衣物。它不是面具。但法定测试取决于警官对你目的的合理信念，而你刚刚在众筹平台上公开告诉了一个众筹平台，你的目的是隐藏身份以躲避识别系统。

收据就是证据。

本应完成这项工作的法律

Kickstarter有趣的原因不是连帽衫有效。而是有一千多人正确地得出结论，没有其他方法能成功。

在纸面上，该法规是存在的。欧盟人工智能法第5条第1款（h）禁止执法人员在公共可及空间进行实时远程生物识别，自2025年2月2日起生效。

请阅读例外情况和形态变化：针对绑架、贩运或性剥削受害者及失踪人员的有针对性搜寻;防止特定、重大且迫在眉睫的生命威胁或恐怖袭击;以及识别涉嫌涉嫌计划犯罪且可判处至少四年监禁的人。

每次部署都需要司法或独立行政机构的事先授权、基本权利影响评估以及在欧盟数据库中登记。这是一个真正的限制，门槛很大。

在不受该体制约束的英国，情况则相反。大都会警察局于2025年10月至2026年3月间，在克罗伊登高街两端的路灯柱上进行了为期六个月的固定实时人脸识别摄像头试点。

该部门报告称，在24次行动中共逮捕173人，每35分钟就有一人被捕，超过47万人通过摄像头，并有1起误报，同时试点区域的犯罪率据称下降了10.5%。

专员马克·罗利爵士宣布，预计到2026年底，西区和苏活区将安装静态摄像头。2026年1月，内政部宣布将面容识别车数量从10辆增加到50辆，供英格兰和威尔士所有警队使用。

老大哥观察的回应是，警方在没有民主或法律基础的情况下使用了该技术十年，政府没有暂停等待咨询，而是资助了扩建。2026年5月国王演讲确认了警察改革法案的法律框架，也就是说部署先行，法律随后到来。

与此同时，私营部门的执法记录是拒绝支付罚款公司价值的案例研究。五个欧洲监管机构认定Clearview AI在2022年至2024年间处理欧盟居民生物识别数据违法，罚款超过1.1亿欧元。

法国CNIL于2022年10月罚款2000万欧元，2023年5月又罚款520万欧元。荷兰数据保护局于2024年9月追加3050万欧元。Clearview基本未支付任何款项，2025年10月，运动组织noyb向奥地利检察官提起刑事诉讼，针对该公司及其高管。

把这和众筹页面对比一下。一个系统生产了价值1.1亿欧元的无法执行的纸质文件。另一个系统生产了1138件连帽衫。只有一个系统给了任何人穿的衣服。

隐私，每件七十五美元

一件连帽衫要75美元。这对一件连帽衫来说不算贵，但对于一项基本权利来说却是划算的。

这里的分布逻辑值得直言不讳，因为这是最丑陋的部分。根据现有证据，最容易接触生物识别监控的人是最不能用钱摆脱监控的。NIST对面部识别算法的里程碑式人口统计研究发现，不同人群的假阳性率常常相差十倍到一百倍以上，且西非、东非和东亚面孔的比例最高，东欧面孔最低。

大伦敦管理局报告称，大都会警察局近年来超过一半的人脸识别部署发生在黑人居民比例较高的地区。

所以这台机器在某些人居住的地方被不成比例地部署，对某些面孔的判断也同样错误。回应是以美元计价的消费品，在美国众筹平台上限量销售，颜色匹配的作品作为独一无二销售，从未向其他人发行。

隐私作为订阅。隐私作为中尺码。为阅读TechCrunch的人提供隐私。

这种模式并非服装行业特有。这也是将广告屏蔽变成付费应用、身份盗窃保护变成附加销售的逻辑。机构大规模制造结构性伤害，而解决方案则一台一单位地回馈给个人。

市场反应并非丑闻。它往往是唯一可用的回应。但应当认识到它本质：集体问题的私有化，在最无力解决的人处变现。

而个别抵抗的特点是它不会被累积。一千一百个穿着对抗性连帽衫的人加起来并不构成一项政策。他们加起来只有一千一百人，稍微更难被发现，也更容易被注意到。

这是护身符的理由

怀疑立场值得拥有最强的形式，所以这里就是这样。

对抗性服装更像护身符而非盔甲。它是一种物理物体，通过一种佩戴者无法验证的机制提供保护，抵御佩戴者无法观察的威胁，且其失效模式不会产生反馈。

你永远不会知道连帽衫是否有效。没有通知。没有你可以阅读的日志。摄像头不会告诉你它失去了你，也不会告诉你它找到了你。正是这种认知状态让护身符得以茁壮成长。

而且与护身符不同，这种护身符有合理的代价。如果这件衣服能激发真正的信心，它会改变行为。有人参加了本来会避免的抗议活动。有人因为相信技术人员在处理，而拒绝了一项平凡的预防措施。

如果图案失效，而文献显示物理图案失效率远高于演示片所示，那么穿着者因购买而变得更糟。虚假的自信并非中立。它是负面的。

当你注意到销售渠道中传递的限制条款非常少时，钢铁人会更坚定。斯韦林根自己的幻灯片说，目前还没有任何实物被宣称。这句话出现在会议观众看到的研究资料中。

这不是支持者所看到的，也不是通过聚合器、通讯和关于那个破摄像头黑客的帖子流传下来的。这份研究的诚实版本脆弱，正如可销售版本的坚韧一样。

削弱这一论点的是，提出最有力主张的人同时也保持最严格的控制。遮挡减法对实心黑色面板。密封扫描，训练、选择和报告分开进行。

超过500个被保留的人物。一份包含“否则结果被放弃”的测试标准。在一个三十种已发表方法中有十二种被用真实系统测试的领域，这工作异常严谨。

这也是未完成前就被出售的工作，两者都应放在同一段中。

连帽衫的真正用途

回到下面的问题。对普遍的人脸识别最实际的应对方式是改变你的穿着，这意味着什么？

这意味着普通人已经正确诊断了自己的位置，却几乎没有工具可以采取行动。你不能和路灯谈判。你不能选择退出一个你从未被告知自己在监控名单上的监控。

你无法申诉一个由运营机构发布准确统计数据的系统。你无法收取一笔1.1亿欧元的罚款，而这无人打算支付。一个面临生物识别状态的人可采取的行动几乎是空的，而在这空白中，一件衣服就到了。

去拿它并非不理性。当别无他物触手可及时，这就是伸手的样子。

Kickstarter 告诉我们，被机器监视的日常体验，这些机器能通过一帧就能识别出你？

这种体验已经变得平凡到值得付出代价。反监控时尚曾是艺术。CV Dazzle是一篇论文。HyperFace曾在圣丹斯电影节展出。《Adversarial Fashion》是一件声明性作品。

2026年，它有一份履约计划、尺码表和一台染料昇华打印机，支持者有1138人在2026年9月4日前承诺参赛，活动还有一天，他们大多不认为自己是活动家。

监控变得平凡，抵抗也变成了商品。这两个事实是同一个事实。

连帽衫不是解决方案。根据现有证据，它甚至还没有被证明为辩护，而它的创造者在幻灯片上也这么说。面对步态识别、换衣重新识别、车牌识别、电话信号和支付记录，它针对的是众多工具中的一种，并且在操作时自我暴露。

但仅仅称之为症状太容易，也有些自鸣得意，因为说这个词的人通常没有更好的话可说。症状是被动的。这不是。它是一个可辨认的物体，人们可以放在身上，使无形的基础设施短暂显现，并将弥漫的不安转化为有形状和价格的东西。

这具有不通过客观性评分衡量的价值。穿着花纹护腿的人的照片，比任何咨询回应都更能告诉公众克罗伊登的路灯柱是一对多面部匹配。

所以，坦率的答案是，连帽衫是一张收据。有文献证据表明，2026年有一千一百人审视了监管立场，准确理解了，并得出结论：他们最好的选择是购买一种未验证机制且有效期未知的消费者购买。

最终，这种模式是否能击败摄像头，才是没那么有趣的问题。在某些模型和条件下，这种情况可能会持续一段时间，直到下一个版本发布。

留下的问题是，为什么解析器存在，为什么没人问，为什么唯一需要改变行为的人是路过的人。

资料与参考文献

1. Tom Eston，共享安全播客，“你衣服上的图案会骗过面部识别吗？采访比尔·斯韦林根”，2026年8月31日。https://securityboulevard.com/2026/08/could-a-pattern-on-your-clothing-fool-facial-recognition-interview-with-bill-swearingen/
2. Bill Swearingen，“无识别：你衣服上的图案会骗过面部识别吗？”，DEF CON 34演讲幻灯片，2026年8月。https://media.defcon.org/DEF%20CON%2034/DEF%20CON%2034%20presentations/DEF%20CON%2034%20presentations/DEF%20CON%2034%20-%20Bill%20Swearingen%20-%20noRecognition%20Could%20a%20pattern%20on%20your%20clothing%20fool%20Facial%20Facial%20Recognition%20-%20hevnsnt.pdf
3. Bill Swearingen（hevnsnt），noRecognition项目仓库及技术文档，GitHub，2026年8月更新。https://github.com/hevnsnt/norecognition
4. Zack Whittaker，TechCrunch，《这种'对抗性'模式可以阻止监控摄像头检测到你“，2026年8月9日。https://techcrunch.com/2026/08/09/this-adversarial-pattern-can-prevent-surveillance-cameras-from-detecting-you/
5. Dark Reading，“衣服能让你在面部识别中隐形吗？”，2026 年 8 月。 https://www.darkreading.com/cyber-risk/clothes-invisible-facial-recognition
6. Kickstarter，“noRecognition：Bill Swearingen 的人工智能对抗服装”，活动于 2026 年 8 月 6 日至 9 月 5 日进行。
7. Kicktraq，“noRecognition：AI Adversarial Clothing”的活动跟踪数据，于 2026 年 9 月 4 日访问。 http://kicktraq.com/projects/norecognition/norecognition-ai-adversarial-clothing/
8. Alon Zolfi、Shai Avidan、Yuval Elovici 和 Asaf Shabtai，“对抗性面具：对人脸识别模型的现实世界通用对抗性攻击”，arXiv:2111.10759，2021 年 11 月 21 日，2022 年 9 月 7 日修订。 https://arxiv.org/abs/2111.10759
9. Zhanhao Hu、Wenda Chu、Xiaopei Zhu、Hui Zhu、Bo Zhang 和 Xiaolin Hu，“通过 3D 建模实现物理上可实现的自然外观服装纹理逃避人体检测器”，arXiv:2307.01778，2023 年 7 月 4 日，2024 年 11 月 8 日修订，已接受 CVPR 2023。 https://arxiv.org/abs/2307.01778
10. Jiakai Wang、Xianglong Liu、Jin Hu、Donghua Wang、Siyang Wu、Tingsong Jiang、Yuanfang Gu、Aishan Liu 和jiantao Zhou，“物理世界中的对抗性例子：一项调查”，arXiv：2311.01473，2023 年 11 月 1 日，2024 年 8 月 22 日修订。 https://arxiv.org/abs/2311.01473
11. Jakob Shack、Katarina Petrovic 和 Olga Saukh，“打破幻想：对象检测中对抗性补丁的现实挑战”，arXiv：2410.19863，2024 年 10 月 23 日。 https://arxiv.org/abs/2410.19863
12. IEEE，“换衣服条件下人员重新识别和步态识别的深入探索”，会议出版物，2023 年。 https://ieeexplore.ieee.org/document/10204291/
13. 亚当·哈维《CV 炫目》 adam.harvey.studio，项目于 2010 年开始，页面更新为新外观。 https://adam.harvey.studio/cvdazzle/
14. 亚当·哈维《HyperFace》 adam.harvey.studio，与 Hyphen-Labs 共同开发，2017 年。 https://adam.harvey.studio/hyperface/
15. Patrick Grother、Mei Ngan 和 Kayee Hanaoka，美国国家标准技术研究院，NISTIR 8280，“人脸识别供应商测试 (FRVT) 第 3 部分：人口统计影响”，2019 年 12 月。 https://nvlpubs.nist.gov/nistpubs/ir/2019/nist.ir.8280.pdf
16. 伦敦警察厅，“在现场面部识别试点期间，Met 每 35 分钟逮捕一人”，2026 年 5 月。 https://news.met.police.uk/news/met-makes-one-arrest-every-35-minutes-during-live-facial-recognition-pilot-509256
17. 《计算机周刊》，“Met 推进面部识别的重大扩展”，2026 年。 https://www.computerweekly.com/news/366645018/Met-pushes-ahead-with-major-facial-recognition-expansion
18. 老大哥观察，“面部识别的前所未有的扩展是‘对民主的担忧’”，2026 年 1 月。 https://bigbrotherwatch.org.uk/press-releases/unprecedented-facial-recognition-rollout/
19. 大伦敦管理局表示，“去年超过一半的面部识别部署发生在黑人居民比例较高的地区”。 https://www.london.gov.uk/over-half-all-facial-recognition-deployments-last-year-took-place-areas-higher-proportion-black
20. 欧盟《人工智能法》第 5 条“禁止的人工智能实践”，自 2025 年 2 月 2 日起适用。 https://artificialintelligenceact.eu/article/5/
21. 欧洲数据保护委员会，“荷兰监管机构因非法收集面部识别数据而对 Clearview 处以罚款”，2024 年 9 月 3 日。 https://www.edpb.europa.eu/news/dutch-supervisory-authority-imposes-a-fine-on-clearview-because-of-illegal-data-collection-for_en
22. CNIL，“面部识别：对 CLEARVIEW AI 的 2000 万欧元罚款”，2022 年 10 月 20 日。 https://www.cnil.fr/en/facial-recognition-20-million-euros-penalty-against-clearview-ai
23. 国际非营利法律中心，《美国的反口罩法律》。https://www.icnl.org/our-work/us-program/assembly/anti-mask-laws-in-the-united-states
24. CalMatters，“第九巡回上诉法院阻止加利福尼亚对匿名移民代理的限制”，2026年4月22日。https://calmatters.org/justice/2026/04/immigration-mask-ban-9th-circuit/
25. Netpol，《第60AA条简报》，2026年2月27日。https://netpol.org/2026/02/27/section-60aa-briefing/

蒂姆·格林 总部位于英国的系统理论家及独立科技作家

Tim 探索人工智能、去中心化认知与后人类伦理的交汇点。他的作品发表在smarterarticles.co.uk，挑战技术进步的主导叙事，同时提出用于集体智慧和数字管理的跨学科框架。

他的作品曾在 Ground News 上发表，并被学术界和技术界的独立研究人员分享。

ORCID： 0009-0002-0156-9795 电子邮件：tim@smarterarticles.co.uk

收听每周免费节目聪明文章播客

讨论...