Kleidung gegen Kameras: Was Adversarial Fashion kann
Muster, die Gesichtserkennung stören sollen, kommen als Mode auf den Markt. Forscherinnen und Anbieter sagen selbst: Ein einziges gutes Bild genügt der Kamera.
Kurz gesagt
Adversarial Fashion kann Erkennungssysteme kurzzeitig irritieren, ersetzt aber keinen Schutz vor Überwachung – die Anbieter selbst nennen sie eher ein politisches Statement als eine Tarnkappe.
Auf einen Blick
- noRecognition von Bill Swearingen wurde auf der DEF CON 34 gezeigt und läuft als Kickstarter-Projekt.
- Swearingens Muster entstanden per Reinforcement Learning und wurden gegen 11 Erkennungsmodelle getestet.
- Darunter 4 Modelle zur Gesichtssuche, 2 zur Gesichtserkennung und 5 zur Personenerkennung.
- Vorläufer: Adam Harvey in den 2010er-Jahren, Kate Bertash mit ihrer Linie Adversarial Fashion 2019.
Adversarial Fashion – Kleidung mit Mustern, die Erkennungssysteme stören sollen – ist aus dem Hacker-Umfeld in den Verkauf gerückt, hält aber nicht, was der Name verspricht. Das berichtet IEEE Spectrum am 14. September 2026. Anbieter und Forschende, die dort zu Wort kommen, beschreiben die Stücke als Protest, nicht als Tarnung.
Was die Kleidung technisch versucht
Der Sicherheitsforscher Bill Swearingen begann 2025 zu experimentieren und stellte sein Projekt noRecognition zuletzt auf der DEF CON 34 vor; finanziert wird es über Kickstarter. Die Muster stammen laut Bericht aus einem Verfahren mit Reinforcement Learning, das gegen 11 Erkennungsmodelle geprüft wurde – 4 für die Gesichtssuche, 2 für Gesichtserkennung, 5 für Personenerkennung.
Andere Anbieter setzen auf andere Effekte. Cap_able, gegründet von Rachele Didero, strickt die Motive per Jacquard direkt in Kleider, Hosen und Oberteile; das erklärte Ziel ist, einen Menschen für das Modell zu etwas anderem zu machen. Urban Privacy um Mitgründer Daniel Preuß arbeitet mit schwarz-weißen Gesichtsabstraktionen, die dem Detektor zusätzliche Gesichter vorspielen, und mit asymmetrischen Schnitten gegen Körperform und Gang.
Warum der Schutz brüchig ist
Niloofar Mireshghallah von der Carnegie Mellon University verweist auf die Praxis: Ein einziges brauchbares Einzelbild genüge einem System bereits. Dippu Kumar Singh von Fujitsu North America nennt den Ansatz einen „brüchigen Schild“ gegen eine Bedrohung, die sich aus mehreren Richtungen weiterentwickle.
Die genannten Grenzen sind konkret: Muster müssen auf bestimmte Modelle abgestimmt sein, Kamerawinkel, Licht und der Fall des Stoffes schwächen den Effekt, Gangerkennung greift auch ohne Gesicht, und künftige Modelle lassen sich auf genau solche Muster nachtrainieren. Hinzu kommt die Aggregation: Teilgesichter, Zeitstempel und Markierungen in sozialen Netzen ergeben zusammen wieder eine Identität.
Der Streit dahinter
Den Anstoß liefert der Ausbau der Kameras selbst. Als Kern der Kritik nennt der Bericht die fehlende Einwilligung, die Speicherung der Daten und die Gefahr des Missbrauchs; das Projekt DeFlock kartiert automatische Kennzeichenleser. Preuß formuliert den Anspruch seiner Firma ohne Übertreibung: keine Tarnkappe, sondern Kleidung, mit der man eine Haltung zeigt.
Nicht belegbar ist an dieser Stelle, wie gut die Stücke im Alltag tatsächlich wirken. Der Bericht nennt weder Trefferquoten noch Preise, Stückzahlen oder Finanzierungssummen, und eine unabhängige Messung liegt uns nicht vor.
Häufige Fragen
Funktioniert Adversarial Fashion gegen Gesichtserkennung?
Teilweise und nur unter engen Bedingungen. Die Muster sind auf bestimmte Modelle abgestimmt; Winkel, Licht und Stoffbewegung schwächen sie, und ein einziges brauchbares Einzelbild reicht dem System bereits.
Wer stellt solche Kleidung her?
Genannt sind noRecognition von Bill Swearingen, Cap_able von Rachele Didero und Urban Privacy mit Mitgründer Daniel Preuß. Vorläufer sind Adam Harvey aus den 2010er-Jahren und Kate Bertashs Linie von 2019.
Was ist DeFlock?
Ein Projekt, das automatische Kennzeichenleser kartiert und damit sichtbar macht, wo solche Kameras stehen. Es verändert die Erkennung nicht, sondern dokumentiert die Infrastruktur.
