全球街頭佈滿了搭載AI的攝影機，具備辨識人臉或車輛車牌的能力。然而，公眾的反彈聲浪正日益高漲。

隱私疑慮層出不窮，包括未經同意的資料擷取、資料的儲存與使用方式，以及濫用的風險。這些擔憂促使人們採取反制行動。

例如，DeFlock 專案繪製了自動車牌辨識系統（ALPRs）的地圖以提高意識。有些人甚至採取極端措施，例如破壞或損壞 ALPRs。其他人則發揮創意，設計出「對抗性時尚」來規避監控攝影機，例如上個月在 DEF CON 駭客大會上展示的 Kickstarter 專案 noRecognition。

網路安全專家 Bill Swearingen 在 2025 年開始實驗一種簡單的 Python 模糊測試工具（fuzzer），該工具透過提供無效輸入來揭示軟體錯誤、安全漏洞或意外行為。這個模糊測試工具的目標是其中一個最受歡迎的物件偵測框架 YOLO。

隨後，他將所學應用於開發一種強化學習演算法，該演算法能生成各種對抗性模式，並在 DEF CON 大會上進行了展示。每個模式都是一種色彩繽紛的幾何抽象圖案，他已針對 11 個物件偵測模型進行測試——其中四個用於搜尋人臉、兩個用於辨識人臉、五個用於偵測人物——這些模型大多是公開可用的。

成功的模式能夠阻礙物件偵測系統，降低其信心分數，有時甚至達到完全無法偵測的程度。

「隱私是一項人權，這種趨勢的普及正顯示人們對維護自身隱私的興趣。」Swearingen 說道。

Cap_able 和 Urban Privacy 等品牌已經開始銷售實體服飾。Cap_able 的專利製造方法將其明亮大膽的圖案編織到提花針織面料中。

這些符合道德且永續生產的洋裝、褲子和上衣，能夠干擾特定的電腦視覺系統，特別是那些由快速卷積神經網路支援的系統，可能導致它們將穿戴者分類為動物或物體。

「如果我們能將一個人偽裝成其他東西，那麼我們就達成了目標。」Cap_able 創辦人 Rachele Didero 表示，她同時也是義大利波爾察諾自由大學的助理教授。「我們利用這種非常顯眼且具體的物品，來談論一個大多數時候是無形的事物。」

同時，Urban Privacy 則以其最新的 Faception Reloaded 系列，旨在迷惑基於 OpenCV 演算法的某些人臉辨識系統。這些從人臉抽象而來的黑白印花，在偵測器上會顯示為額外的人臉，從而減慢辨識速度。

不對稱的剪裁和寬鬆的輪廓旨在隱藏身形，使其更難辨識您的身體形狀和步態。共同創辦人 Daniel Preuß 說：「我們的想法是創造虛假數據。」

反監控時尚的根源可以追溯到十多年前，AI 監控系統問世後所出現的藝術作品、DIY 專案和思想實驗。例如，技術專家 Adam Harvey 在 2010 年代開發了多種設計——從能欺騙人臉偵測器的髮型和妝容，到能避開無人機熱感監控的熱反射服裝。

2019 年，藝術家兼活動家 Kate Bertash 創立了她名為 Adversarial Fashion 的服裝系列，上面印有虛假的車牌號碼，旨在將垃圾數據注入 ALPR 資料庫。

這股趨勢現在正發展成為一個更為穩固的小型產業。「服裝是你可以實際購買和穿戴的東西，不像政策。」卡內基美隆大學即將上任的工程與公共政策教授 Niloofar Mireshghallah 說。「這是一種表達『我沒有同意這樣做』的方式。」

然而，現實世界的條件可能會降低反監控服裝的有效性，例如攝影機角度、光線，以及布料在移動時的褶皺。「一個好的畫面就是系統所需的一切。」Mireshghallah 說。

運動和步態辨識也是影響因素。「即使攝影機在幾幀畫面中認為你是一隻熊，那也有一隻像你一樣走路的熊。」Mireshghallah 說。

對抗性模式也必須針對特定的物件辨識模型進行調整，因此它們無法抵抗不同的模型。一旦監控系統操作員針對給定的對抗性模式和穿戴者訓練下一代模型（他們可以手動完成），服裝將不再是足夠的防禦。

「它仍然是一個脆弱的盾牌，面對著不斷從多個角度改進的威脅。」富士通北美新興數據與分析資深總監 Dippu Kumar Singh 說道，他專精於視覺 AI 和 AI 倫理。

製造商們都清楚他們作品的局限性。「這不是一件隱形斗篷。」Preuß 說。「監控旨在捕捉你的身份，而時尚是關於表達你的身份。我們正在製作人們可以穿戴的服裝，以表達在數位世界中隱私的重要性。」

儘管面臨這些挑戰，Cap_able 的 Didero 仍決心持續創新。Urban Privacy 將繼續發布其系列的其他部分，包括一款「影子帽」（shadow cap），它帶有分層切割的壓克力面罩，以模糊臉部輪廓。

Swearingen 計劃探索他遇到的一些異常現象，例如一個改變了邊界框的模式，以及另一個改變了攝影機設定的模式。

儘管存在缺陷，對抗性時尚仍具潛力。「從核心來看，這種時尚是關於奪回對你臉部和身體的控制權。」Singh 說。「人們開始意識到，隱私不僅僅是一項他們可以被動期望獲得的權利——它更是他們必須積極捍衛的東西。」

Mireshghallah 提出了一種更為謹慎的看法，將反監控時尚視為一個減速帶，而非最終解決方案。她指出，真正的風險在於聚合：模型會收集一組微弱的訊號，例如部分臉部、背景中的建築物、時間戳記、某人標記你的社群媒體貼文，並將它們組合起來，對你是誰以及你在哪裡做出自信的判斷。

「這些單獨的資訊都不會洩露你的身份，但它們結合在一起就會。」Mireshgallah 說。「我的建議是，不要只考慮如何隱藏你的臉不被鏡頭捕捉。想想你還洩露了什麼可以與之結合的資訊。這些附帶資訊往往才是真正識別你的關鍵——而襯衫上的任何圖案都無法解決這個問題。」