比尔·斯威林根（Bill Swearingen）过去一年里反复进行同一项测试，目标是设计出一种计算机生成的图案，能够阻止美国街头的监控摄像头识别它。
经过约3100万次测试，斯威林根表示，他现在可以按需生成图案，应用于衣物和物品上，阻止一些最常见的车牌识别器和监控摄像头识别图案覆盖的对象，无论是人还是车辆。
他的项目名为noRecognition，旨在帮助人们逃避美国及其他地区广泛使用的自动检测和算法监控。
近年来，监控摄像头的功能大幅增强，能够识别录像中的事件，从追踪超速车辆的车牌到利用面部识别技术锁定嫌疑人，尽管这些技术的准确性参差不齐，有时甚至带来令人恐惧的误判。如今，大多数监控摄像头背后的检测算法能够筛选海量录像，帮助执法部门从中找到感兴趣的活动，犹如从大海捞针。
斯威林根设计的计算机生成图案并不会阻止摄像头录制视频，而是干扰摄像头识别物体、人脸或面部的能力，使摄像头无法触发任何检测警报。通过阻断摄像头的识别能力，佩戴图案的人或物再次变成大海捞针，除非有人知道具体位置。
“隐私是一项基本权利，”斯威林根在本周接受TechCrunch采访时表示。他称这些图案为人们提供了一种“选择不被追踪”的方式。
在拉斯维加斯Def Con网络安全大会上，斯威林根首次公开测试了将图案印在车辆上的效果，成功证明这些图案在现实环境中能够有效抵御监控检测。
教会模型如何“绘画”
斯威林根在堪萨斯城的家中接受采访时表示，作为一名网络安全专业人士，他深知监控带来的隐私和安全风险。
他说，他所在的城市布满了监控摄像头，有时摄像头之间仅相距几英尺。他和其他人从未同意被监视，就像他从未同意政府使用他的驾驶证照片进行面部识别一样。
斯威林根自称是一个居住在美国中部的中年白人男性，坦言自己没有因为身份或外貌遭受过歧视。他回忆说，去年他想参加一次抗议活动，但因担心大量摄像头可能追踪行使宪法赋予的言论自由权利的人们而感到不安。
既然他有这种感受，其他人尤其是那些想行使权利却感到不安全或不自在的人，肯定也有类似顾虑。于是他开始着手研究。
只要有能够检测物体的摄像头，就有人尝试对抗这项技术。多个艺术项目和服装品牌推出了旨在帮助人们躲避面部识别的服饰。一些眼镜制造商也加入了这一潮流，尽管效果有限。
斯威林根表示，他的研究是在此前工作的基础上进行的，这些工作已证明阻止摄像头检测是可能的。
去年，他从一个概念验证实验室开始，逐步击败一个又一个开源视频检测算法。随着计算能力的提升，他不断优化图案设计，并感谢社区提供的硬件支持。
他的概念验证逐渐演变成一个强化学习模型，这是一种自我训练系统，能够判断哪些图案有效，哪些无效，针对他测试的特定摄像头算法。简单来说，斯威林根告诉TechCrunch，他教会了模型“如何绘画”。
每当一个图案被算法识别失败，模型就会不断尝试，直到同时击败多个算法。
他的模型很快找到了能够击败他测试的11个开源检测算法的完美图案配方，这些算法包括Flock车牌识别器、Axon执法随身摄像头和运行Clearview AI的摄像头。
现在，该模型每分钟生成新的图案，每批图案在数学上都优于上一批。
在拉斯维加斯Def Con网络安全大会上，斯威林根进行了首次现实世界测试。在Donut Media的协助下，他用最新图案覆盖了一辆2009年款丰田雅力士，测试该车是否能躲避Flock摄像头的检测。
“我们证明了它有效，”斯威林根说，不过车轮部分是个挑战。Donut Media表示，演示视频将在未来几周发布。
这次公开演示表明，在公共场所避免算法检测是可能的。下一步是让更多人能够使用这些图案。
noRecognition项目还发起了众筹活动，筹集资金销售印有图案的早期商品，包括T恤和连帽衫，未来还可能推出车辆用的图案贴膜。斯威林根表示，目标是让图案质量高、分辨率足够远距离识别，同时外观时尚。
他透露，为防止摄像头制造商破解，他将最强的图案保留不公开，但工作仍在继续。模型持续生成新的图案。
“每一次失败都会提升我的模型，因此图案会越来越好，”他说。
