針對 AI 監控的「對抗式時尚」
為何重要
此案例揭示了現代物體偵測模型在面對高對比度強制輸入時的脆弱性，對開發者而言，這驗證了需針對特定演算法（如 YOLO 或 OpenCV）強化防禦的必要性。然而，專家指出抗監控服裝僅為「路障」，一旦監控系統升級或採用紋理偵測技術，此類單一視覺幹擾將迅速失效。
面對全球 AI 臉部辨識與車牌閱讀器的普及，設計師與安全研究員推出名為「對抗時尚」的抗監控衣物，利用視覺工程學繞過或混淆電腦視覺系統。
- Bill Swearingen 使用 Python 噪點工具在 YOLO 演算法上進行強化測試，開發出的圖案能成功幹擾 11 種最常見的物體偵測模型，最高可將偵測信心值降至歸零。
- 品牌業者 Cap_able 與 Urban Privacy 已發布實體成衣，前者利用轉印織物對抗卷積神經網路（CNN），將人類誤判為動物；後者則針對 OpenCV 分析，利用黑白全息圖案在臉部資料庫中注入虛假資料。