AI驱动的摄像头遍布全球街头，能够识别面部或车牌。但公众的反弹正在蓄势。隐私担忧——未经同意、数据存储和使用以及滥用风险——正促使人们反击。De Flock项目绘制自动车牌识别器（ALPR）地图以提高意识。一些人诉诸破坏ALPR，而另一些人则制作“对抗性时尚”来躲避监控摄像头，比如在DEF CON上展示的Kickstarter项目no Recognition。

2025年，网络安全专家Bill Swearingen开始尝试使用基于Python的模糊测试器，针对YOLO这一流行的物体检测框架。他开发了一种强化学习算法，生成彩色几何图案，并针对11个物体检测模型进行了测试。成功的图案能够挫败系统，降低置信度分数，有时甚至导致无法检测。“隐私是一项人权，”Swearingen说。

Cap_able和Urban Privacy销售实体服装。Cap_able的专利方法将图案织入提花针织品中，干扰计算机视觉，将穿着者分类为动物或物体。“如果我们能够将一个人伪装成其他东西，那么我们就达到了目标，”创始人Rachele Didero说。Urban Privacy的Faception Reloaded用抽象人脸印花迷惑基于Open CV的面部识别，减慢检测器的速度。“这个想法是创建虚假数据，”联合创始人Daniel Preuß说。

反监控时尚可以追溯到2010年代Adam Harvey的艺术作品和Kate Bertash 2019年的Adversarial Fashion系列。“服装是你可以实际购买并穿上的东西，不像政策，”卡内基梅隆大学的Niloofar Mireshghallah说。现实世界的条件可能会降低有效性。

关键实体：公司：De Flock、no Recognition、Cap_able、Urban Privacy、YOLO、Open CV、Carnegie Mellon University | 人物：Bill Swearingen、Rachele Didero、Daniel Preuß、Adam Harvey、Kate Bertash、Niloofar Mireshghallah | 地点：DEF CON、Free University of Bozen-Bolzano、Italy

FAQ：对抗性时尚如何规避AI监控？

对抗性时尚使用干扰物体检测模型的图案，降低置信度分数或导致错误分类，例如将穿着者分类为动物或物体。