这种“对抗”模式可以防止监控摄像头检测到您

比尔·斯威林根（Bill Swearingen）在过去的一年里一遍又一遍地进行基本上相同的测试。目标是产生一种计算机生成的模式，可以阻止美国街道上的监控摄像头检测到它。

经过约3100万次测试后，斯威林根表示，他现在可以按需生成图案，将其应用到衣服和物体上时，可以防止一些最常用的车牌读取器和监控摄像头检测到图案涵盖的任何内容，从人到车辆。

他的项目被他称为“noRecognition”，可以让人们逃避美国及其他地区使用的自动检测和算法监视。

近年来，监控摄像头的检测能力不断增强，从跟踪超速车辆的车牌到使用面部识别来识别犯罪嫌疑人，尽管成功与否有时甚至是可怕的结果。当今大多数监控摄像头支持的检测算法可以筛选大量镜头，使执法部门能够挑选出感兴趣的活动，就像大海捞针一样。

斯威林根的计算机生成的图案不会阻止监控摄像头录制视频片段。相反，他们会扰乱相机识别物体、人或面部的能力，以便相机不会触发任何检测警报。通过阻止相机检测图案所覆盖的内容的能力，该人再次成为大海捞针 - 直到有人知道该往哪里看。

“隐私是一项基本权利，”斯威林根在本周的电话会议中告诉TechCrunch。他将自己的模式描述为一种允许人们“选择不被跟踪”的方式。

周五在拉斯维加斯Def Con网络安全会议上进行的首次内测中，Swearingen成功展示了印在车辆上的图案，证明这些图案可以有效地击败现实世界中的监视检测。

教模特如何绘画

Swearingen在堪萨斯城的家中（他在那里共同创办了网络安全聚会SecKC）在电话中告诉TechCrunch，作为一名网络专业人士，他敏锐地意识到监视的隐私和安全风险。

他描述了他的小镇如何布满了监控摄像头，有时彼此之间的距离只有几英尺。他说，他和其他人从未选择被监视，就像他从未选择让政府使用他的驾驶执照进行面部识别一样。

斯威林根将自己描述为一名居住在美国中部的中年白人，并承认他并没有因为自己的身份或外表而面临困难或歧视。斯威林根回忆道，去年他想参加一场抗议活动，但感到不舒服，并担心大量摄像机可能会追踪那些行使宪法赋予的言论自由权利的人。

如果他有这种感觉，那么其他人无疑也会有这种感觉，包括那些想要行使自己的权利但自己可能觉得这样做不安全或不舒服的人。斯威林根开始工作。

自从有能够检测物体的相机出现以来，就一直有人在努力对抗这项技术。一些艺术项目和服装品牌推出了旨在帮助人们战胜面部识别的服装。一些眼镜制造商正在追随这一趋势，尽管收效甚微。

斯威林根说，他的研究建立在一些早期工作的基础上，这些工作表明阻止摄像头检测是可能的。

他去年开始建立一个概念验证测试实验室，首先逐步击败一个又一个开源摄像机检测算法。在这一年里，他通过使用额外的计算机处理能力扩大测试范围来完善模式。他感谢更广泛的社区带来硬件来帮助推进该项目。

随着时间的推移，他的概念验证演变成一个强化学习模型，本质上是一个独立的系统，可以自行训练哪些模式有效，哪些模式不反对他正在测试的特定相机算法。简而言之，斯威林根告诉TechCrunch，他本质上是在教他的模型“如何绘画”。

每当一个模式失败并且算法检测到它时，该模型就会一遍又一遍地再次尝试，直到最终一次击败多个算法。

他的模型很快开始寻找完美的模式配方，能够击败他测试的所有11种开源检测算法，包括为Flock车牌读取器、Axon随身相机和运行Clearview AI的相机提供支持的软件。

他说，现在该模型每分钟都会创建新的模式，每批在数学上都比上一批更好。

周五，在拉斯维加斯举行的Def Con网络安全会议上，斯威林根进行了他的第一次现实世界测试。在Donut Media的帮助下，测试涉及用Swearingen的最新图案之一覆盖一辆2009款丰田Yaris，以观察该车是否不会被Flock摄像头检测到。

“我们证明它是有效的；”斯威林根说；不过，他说，车轮是一个挑战。 Donut Media表示，演示视频将在未来几周内发布。

现在，他在拉斯维加斯进行了一次公开演示，该项目早期证明了在公共场所避免算法检测是可能的。他说，下一步是将这些图案交到需要它们的人手中。

noRecognition项目还开展了众包活动，以帮助资助早期印有图案的商品（从T恤到连帽衫）的销售，并有可能为未来的车辆提供图案印刷的皮肤。斯威林根表示，我们的目标是使图案具有足够高的质量和分辨率，足以远距离工作，同时看起来又美观又时尚。

他表示，他正在将自己最强大的模式保留在互联网上，以防止相机制造商击败它们，但这项工作尚未完成。他的模型正在继续研究新的模式。

“每一次失败都会改进我的模型，因此[模型]会变得越来越好，”他说。