把一件印着模糊粉绿花斑的衬衫举到摄像头前,屏幕上那个圈住人形的绿色方框和"PERSON"字样直接消失了。衬衫拿开,框又跳回来。这不是滤镜特效,是柏林艺术家Simon Weckert做的一件"数字迷彩"(Digital Camouflage)衬衫,404 Media记者在现场试过,效果是真的——至少对他自己搭的那套识别系统是真的。
这件衬衫的目标很明确:柏林警方最近在科特布斯门(Kottbusser Tor)地铁站装了柏林第一套警用AI物体识别摄像头。这类系统不只认人、车、自行车,还能标记"异常行为"——躺卧、打架、遗留包裹,一旦触发就可能招来警察。躺卧这一条尤其扎眼,无家可归者很容易被算法当成"异常"。
花色是怎么调出来的
Weckert没有瞎猜图案。他先在自己的摄像头上装了YOLO(You Only Look Once)——这是很多商用和警用识别摄像头背后常用的开源算法族。他给算法看一个随机花纹,问它"这是人吗,置信度多少",如果答案接近100%,说明图案没用,他就微调颜色、旋转、翻转,用一种叫梯度上升的方法一步步把"人"的置信度往下拽,直到算法彻底认不出这是个人。
这个过程本身没什么神秘,是对抗样本研究里常见的路子。真正值得琢磨的是,这套"调参数—测置信度—再调"的流程,离街头实战到底有多远。
一件衬衫证明不了的事
这里有条裂缝,Weckert自己捅破的:他说警方从没公开科特布斯门那套摄像头到底跑的是哪种算法,"所以我不能百分之百声称这件T恤对这套具体系统有效,我只能说它对公开的YOLO算法有效。"
这句话拆开看,分量不小。现场演示证明的是"能骗过一个开源YOLO实例",不是"能骗过警方部署的系统"。两者之间隔着算法版本、摄像头分辨率、压缩方式、后端有没有加二次校验——每一层都可能让效果归零。
严谨一点的对抗样本测试,通常要换角度、换距离、换光照、换姿态,再看图案是不是稳定失效,而不是拿着衣服在镜头前晃一下就算数。物理世界里的对抗补丁研究,做实验时都会模拟旋转、遮挡、视角变化后再打印测试——目的就是防止"实验室好用、街头失灵"。分布式的花色衬衫比局部贴纸更麻烦:衣服会起皱、会随姿势变形、隔着距离细节会糊,这些都是补丁类设计不用太担心、但布料类设计躲不开的坑。
- 风险.单次、无对照的现场演示,不能替代对真实警用系统的稳健性验证——效果很可能被距离、光照、褶皱和不同后端模型逐一吃掉。
每出新款YOLO,就得出新款衣服
Weckert自己也承认,过去几年AI监控进步很快,不少早期的反识别设计——比如骗人脸识别的花脸妆、印满乱码车牌的T恤——已经渐渐失效。他把"数字迷彩"类比成时装的季度新款:"每出一个新YOLO,就要出一个新花色,就像时装的春夏秋冬系列。"
这个类比说得轻巧,其实点出了这类项目的结构性短命:它天生跟着检测模型的版本号过期,不是一次性攻克,而是一场要持续投入的猫鼠游戏。历史上类似的对抗设计基本都是这个命——道高一尺,魔高一丈,魔也得跟着不断换装。
框消失得再干脆,也只证明了一个漏洞,不是一份保险。
Weckert对这件衬衫的定位其实很清楚:它更多是抗议符号,不是防护装备。他说这个项目是要让人感觉"面对监管和警方的部署,我们不是只能被动接受"。这话没问题,问题在于媒体演示的戏剧效果很容易被读者放大成"这衣服能帮你躲开警察",而这恰恰是设计者自己都不敢打的票。
真正该被追问的,反而是柏林警方为什么不公开科特布斯门用的是什么算法。一件衬衫能不能骗过它,本来就是个可以核实的技术问题——前提是先知道要骗的是谁。算法不透明,不只是让Weckert没法验证自己的作品,也让所有被这套系统标记过的人,永远没法核实自己是不是被误判的。这才是这场"数字迷彩"秀,真正该留给读者的问题。