对抗时尚挑战监控常态：反监控服装能扰乱AI摄像头识别

搭载AI技术的摄像头遍布世界各地街道，具备识别人脸或车牌的能力。但公众的抵制浪潮正在兴起。

隐私方面的担忧不断，包括数据采集缺乏用户同意、数据的存储与使用方式，以及被滥用的风险。这些担忧促使人们采取反制行动。例如，DeFlock项目致力于标注自动车牌识别器（ALPR）的位置，以提高公众意识。有些人采取极端手段，比如破坏或损毁ALPR设备。还有一些人则用更具创意的方式做出回应，打造“对抗时尚”服饰来规避监控摄像头，比如上个月在DEF CON黑客大会上展示的Kickstarter项目noRecognition。

扰乱监控系统

2025年，网络安全专家比尔·斯韦林根开始用一款简单的基于Python的模糊测试工具进行实验，该工具通过提供无效输入来揭示软件漏洞、安全隐患或异常行为。他的模糊测试工具瞄准了最受欢迎的目标检测框架之一——YOLO。随后，他将实验所得开发成一种强化学习算法，用于生成各类对抗性图案，并在DEF CON大会上展示了这项成果。

每种图案都是他设计的彩色几何抽象图形，他针对11种目标检测模型进行了测试——其中4种用于搜索人脸、2种用于识别人脸、5种用于检测行人，大多数模型都是公开可用的。成功的图案能够干扰目标检测系统，降低其置信度分数，有时甚至能完全避免被检测到。

“隐私是一项基本人权，这类项目受到的欢迎程度恰恰说明人们非常在意保护自己的隐私，”斯韦林根说道。

Cap_able和Urban Privacy两家公司已经开始销售实体服装。Cap_able拥有专利制造工艺，将其明亮大胆的图案编织进提花针织面料中。这些以符合伦理和可持续方式生产的连衣裙、裤子和上衣，能够干扰某些计算机视觉系统，尤其是基于快速卷积神经网络的系统，可能导致系统将穿着者误判为动物或物体。

“如果我们能把一个人伪装成别的东西，那我们的目标就达成了，”Cap_able创始人拉谢尔·迪德罗表示，她同时也是意大利博尔扎诺自由大学的助理教授。“我们用这种非常直观、可触摸的物品，来探讨一个大多数时候看不见摸不着的议题。”

与此同时，Urban Privacy公司推出的最新系列Faception Reloaded，旨在干扰某些基于OpenCV算法的人脸识别系统。从人脸中抽象出来的黑白图案，会在检测器中被识别为额外的人脸，从而拖慢识别速度。不对称的裁剪和宽松的轮廓设计意在掩饰身体形态和步态，让系统更难判断。“核心理念是制造虚假数据，”联合创始人丹尼尔·普罗伊斯说。

“不是隐身斗篷”

反监控时尚可以追溯到十多年前AI监控系统兴起之初出现的艺术作品、DIY项目和思想实验。例如，技术专家亚当·哈维在2010年代开发了多种设计——从能骗过人脸检测器的发型和化妆，到能躲避无人机热成像监控的反射热能服装。2019年，艺术家兼活动人士凯特·伯塔什创立了名副其实的“对抗时尚”服装系列，衣服上印满虚假车牌号码，用来向ALPR数据库注入垃圾数据。

如今，这一趋势正逐渐发展成一个更加成熟的小型产业。“衣服是你能真正买到并穿上身的东西，这一点和政策不同，”卡内基梅隆大学即将上任的工程与公共政策教授尼洛法尔·米雷什加拉赫表示。“这是一种表达‘我没有同意这样做’的方式。”

但现实条件可能会降低反监控服装的效果，比如摄像头角度、光线条件，以及人在走动时布料的褶皱变化等。“系统只需要一个清晰的画面就够了，”米雷什加拉赫说。

动作和步态识别也是重要影响因素。“即使摄像头在某几帧画面里把你认成了熊，但走路姿态和你一样的熊，也还是很可疑，”米雷什加拉赫说。

对抗性图案还必须针对特定的目标识别模型进行调校，因此无法对其他模型起作用。而一旦监控系统运营方用某种对抗图案及穿着者的数据来训练下一代模型——他们完全可以手动完成这一过程——那么这类服装就将不再是有效的防御手段。

“面对不断从多个方向升级的威胁，它仍然只是一道脆弱的防线，”富士通北美公司新兴数据与分析业务高级总监、专注于视觉AI与AI伦理研究的迪普·库马尔·辛格表示。

设计者们也清楚自己作品的局限性。“这不是隐身斗篷，”普罗伊斯说。“监控的目的是捕捉你的身份，而时尚的意义在于表达你的身份。我们制作这些服装，是希望人们能借此表达对数字世界中隐私重要性的态度。”

主动防御

尽管面临重重挑战，Cap_able的迪德罗依然决心持续创新。Urban Privacy将继续推出该系列的其他产品，包括一款“阴影帽”，配有带镂空图案的亚克力面罩，用以模糊面部轮廓。斯韦林根则计划继续研究他遇到的一些异常现象，比如某种图案会改变边界框位置，另一种图案则会改变摄像头设置参数。

尽管存在种种缺陷，对抗时尚依然充满潜力。“从本质上说，这种时尚关乎重新掌控自己的面孔和身体，”辛格说。“人们开始意识到，隐私并不是可以被动等待别人赋予的权利，而是需要主动去争取和捍卫的东西。”

米雷什加拉赫则持更为谨慎的态度，她认为反监控时尚更像是一个减速带，而非终极解决方案。她指出，真正的风险在于数据聚合：AI模型会把一系列微弱的信号——比如半张脸、背景中的建筑物、时间戳、有人在社交媒体上标记你的帖子——拼凑起来，从而自信地推断出你是谁、当时身处何处。

“单独来看，这些信息碎片都不会暴露你的身份，但组合在一起就会，”米雷什加拉赫说。“我的建议是，不要只想着如何在镜头前藏起自己的脸，更要想想自己还在泄露哪些其他信息，这些信息一旦被结合起来，往往才是真正暴露你身份的关键——而衣服上的任何图案都无法解决这个问题。”

Q&A

Q1：什么是对抗时尚？它有什么作用？

A：对抗时尚是指通过特殊图案、剪裁设计的服装，用来干扰AI摄像头和目标检测系统，从而降低被识别或追踪的概率，帮助穿着者保护个人隐私。

Q2：对抗时尚能完全阻止摄像头识别自己吗？

A：不能。对抗时尚并非“隐身斗篷”，其效果会受到摄像头角度、光线、动作姿态等现实因素影响，而且系统一旦针对某种图案进行训练，防御效果就会失效。

Q3：目前有哪些品牌在做反监控服装？

A：目前Cap_able和Urban Privacy等公司已经在销售相关实体服装，此外还有Kickstarter项目noRecognition等设计方案在探索反监控图案。