Un’auto perfettamente visibile agli occhi di una persona, ma che per un sistema automatico di sorveglianza praticamente non esiste. È il risultato dell’esperimento condotto dal ricercatore di cybersecurity Bill Swearingen, che ha sviluppato una particolare pellicola capace di mettere in difficoltà gli algoritmi utilizzati per riconoscere automaticamente i veicoli.
La tecnologia nasce all’interno di noRecognition, progetto dedicato alla creazione di pattern grafici cosiddetti “adversarial”, progettati cioè per confondere i sistemi di computer vision. La dimostrazione è avvenuta a Las Vegas durante la Def Con, una delle più importanti conferenze internazionali dedicate alla cybersicurezza.
Wow. What a week! #defcon34 and #BlackhatUSA were amazing. Loved catching up with everyone, and missed more than a few of you. Lets try again next year!
FYI — Techcrunch did an excellent article of my research, give it a read! https://t.co/3Sl37z7uDq— ~billswearingen☎️# 🟩 (@hevnsnt) August 9, 2026
Il test con la Toyota Yaris
Per mettere alla prova il sistema, Swearingen ha ricoperto una Toyota Yaris con uno dei motivi grafici sviluppati dal progetto e l’ha fatta passare più volte davanti a una telecamera di Flock, società statunitense specializzata in sistemi di sorveglianza e lettura automatica delle targhe.
La telecamera ha continuato normalmente a filmare la vettura. A essere ingannato, però, è stato il software incaricato di analizzare le immagini: l’algoritmo non è riuscito a classificare la Yaris come un veicolo e, di conseguenza, non ha attivato il successivo processo di lettura della targa.
L’auto, dunque, non diventa realmente invisibile. Rimane presente nelle registrazioni e può essere riconosciuta da una persona che guarda il filmato, ma rischia di sfuggire ai sistemi automatici incaricati di individuare e catalogare i mezzi in transito.
Il pattern nato dopo 31 milioni di tentativi
Alla base dell’esperimento c’è il diverso modo in cui esseri umani e intelligenza artificiale interpretano un’immagine. Un algoritmo non “vede” una macchina come facciamo noi, ma cerca caratteristiche e associazioni apprese durante la fase di addestramento. Modificando in maniera mirata questi elementi visivi è possibile quindi interferire con il processo di classificazione.
Per trovare una combinazione efficace, Swearingen ha utilizzato l’intelligenza artificiale per generare e testare continuamente motivi geometrici e combinazioni cromatiche. Il processo sarebbe durato circa un anno, per un totale di 31 milioni di tentativi.
Secondo quanto riportato da Inc., il sistema sarebbe riuscito a creare pattern capaci di eludere 11 algoritmi open source di rilevamento, compreso quello utilizzato nella dimostrazione con la telecamera Flock.
La tecnica presenta comunque limiti importanti: non esiste al momento un motivo grafico universale in grado di funzionare contro qualsiasi sistema. L’efficacia varia infatti a seconda dell’algoritmo, della telecamera e delle condizioni nelle quali avviene la ripresa.
Il prossimo obiettivo sono i vestiti
Il progetto non vuole fermarsi alle automobili. Il team di noRecognition sta lavorando per trasferire lo stesso principio su T-shirt, felpe e accessori, con pattern pensati per mettere in difficoltà i software che identificano automaticamente le persone.
L’esperimento apre così una questione più ampia sul rapporto tra sorveglianza automatizzata e privacy. Da una parte sistemi sempre più sofisticati per riconoscere veicoli, targhe e persone; dall’altra tecniche progettate appositamente per sfruttarne le vulnerabilità. Una sfida tecnologica destinata a diventare sempre più centrale con la diffusione dell’intelligenza artificiale negli strumenti di controllo.