Digital Camouflage 是什麼？AI 隱形衣真的能躲過監視器嗎？
Digital Camouflage 能干擾特定 YOLO 物件偵測，卻不是可靠的隱形衣。本文拆解它的原理、限制與柏林 AI 監控爭議。
一件花襯衫，真的能讓人從 AI 監視器裡消失嗎？
德國藝術家 Simon Weckert 推出的 Digital Camouflage，最近被形容成「AI 隱形衣」。示範影片中，物件偵測系統能框出周圍行人，卻沒有把穿著這件襯衫的人標成「person」。作品推出的時間，正好碰上柏林在 Kottbusser Tor 安裝 AI 影像監控系統，也讓它迅速成為反 AI 監控的話題。
但「某個開源模型沒有偵測到人」和「警方監控系統看不見你」是兩件不同的事。Simon Weckert 的官方作品頁也明確表示，展示使用的是通用開源物件偵測系統 YOLO，沒有宣稱這件襯衫能騙過任何特定政府系統。
我的判斷是：Digital Camouflage 值得被當成一件揭露 AI 弱點的藝術作品，卻不值得被當成可靠的隱私產品。它真正重要的地方，不是教人如何從監視器前消失，而是提醒我們，當政府把無法公開測試的 AI 放進公共空間時，社會很難知道它在哪些情況會失誤，又由誰承擔後果。
Digital Camouflage 是什麼？
Digital Camouflage 是 Simon Weckert 在 2025 年開始發展的穿戴式藝術作品。外觀看起來像一件使用粉紅、橘色、綠色抽象圖案的花襯衫，圖案的目的不是躲過人的眼睛，而是干擾電腦視覺系統對「人」的判斷。
電腦視覺（computer vision）是讓軟體從照片或影片辨識人物、物體與動作的技術。一般人看到一個人，會綜合身體、動作與所在情境理解畫面。物件偵測模型則從大量訓練圖片中，學會哪些輪廓、紋理、比例與顏色組合通常代表一個人。
這件襯衫利用的就是兩者之間的差異。它把特別設計的高對比圖案穿在身上，破壞模型習慣依賴的視覺訊號，降低系統把穿著者分類為「人」的信心。
這類方法稱為對抗攻擊（adversarial attack），也就是刻意修改模型收到的輸入，使它產生錯誤判斷。若圖案印在衣服、貼紙或實體物品上，又能在真實攝影機前生效，則稱為實體對抗樣本。
Simon Weckert 不是第一次用藝術作品挑戰演算法如何理解現實。2020 年，他把 99 支手機放進手推車，在柏林街頭緩慢移動，讓 Google Maps 一度把空曠道路判斷成塞車。這兩件作品的共同點不是「破解科技」，而是指出演算法看到的其實是替代訊號。Google Maps 把大量緩慢移動的手機當成車流，物件偵測模型則把特定視覺特徵當成人體。
柏林的 AI 監控系統在做什麼？
Digital Camouflage 會受到關注，和柏林的監控政策直接相關。
2026 年 8 月 23 日，Kottbusser Tor 開始安裝約 30 支監視器。根據德國數位權利媒體 netzpolitik.org的現場報導，系統先進入校準階段，把攝影機逐步接入 AI 軟體，確認設備能配合現場光線、人流與角度運作，之後才會進入正式使用。
這套系統的目標是行為與情境辨識。AI 會分析影像中的動作，嘗試找出可能和攻擊、鬥毆或事故有關的模式，再提醒警員查看。德國公共媒體 rbb／Tagesschau報導，警員在操作畫面中主要看到代表人物動作的線條骨架，而不是直接用臉部資料辨識身分。
柏林《一般安全與秩序法》第 24e 條也設下幾個限制：自動分析只能用於偵測可能涉及犯罪或事故的行為模式，不得進行遠端生物辨識，也不能讓 AI 直接觸發執法措施。警方必須先由人員查看相關影像或確認現場情況，才能對特定人士採取行動。
這代表 Kottbusser Tor 的系統不是一套公開宣稱要「看到臉就查出姓名」的臉部辨識工具。把行為辨識和臉部辨識混為一談，會讓討論失去準確性。
不過，沒有辨識姓名，不等於沒有隱私問題。行為辨識仍然要先從影像中找到人、追蹤動作，再判斷什麼情況值得警示。經過廣場的每個人即使沒有犯罪嫌疑，也會先被系統分析。真正的爭議因此從「AI 知不知道你是誰」，延伸到「AI 是否有權持續判斷每個人在做什麼」。
AI 隱形衣如何騙過物件偵測？
要理解這件襯衫的效果，必須先把監控系統拆成不同工作。
| 影像分析工作 | 系統要回答的問題 | Digital Camouflage 已公開展示的效果 |
|---|---|---|
| 物件偵測 | 畫面中有沒有人？人在哪裡？ | 在通用開源 YOLO 示範中，穿著者未被標記為人 |
| 行為辨識 | 這個人正在走路、跌倒、打架，還是做其他動作？ | 沒有柏林警方實際系統的公開測試結果 |
| 臉部辨識 | 這張臉是否和資料庫裡的某個人相符？ | 襯衫沒有遮住臉，也沒有證據顯示能阻止臉部辨識 |
| 跨鏡頭追蹤 | 不同鏡頭中的人物是否為同一個人？ | 沒有公開證據證明能穩定阻止 |
物件偵測通常是後續分析的第一關。如果系統一開始沒有畫出代表人體的框，就可能無法把這個人的影像送進下一個行為分析階段。Digital Camouflage 正是從第一關下手，讓模型難以把頭、肩膀、軀幹與四肢組成一個完整的人體特徵。
不過，這不是把攝影機關掉。原始畫面仍可能拍到穿著者，現場警員也能用肉眼看到他。只要系統改用另一個模型、從其他角度拍攝，或把物件偵測和臉部、步態及跨鏡頭追蹤結合，襯衫就可能失效。
換句話說，它干擾的是特定模型的判斷，不是讓光線繞過身體，也不是把影像從攝影機裡刪除。
穿上後，AI 真的就看不見你嗎？
目前最負責任的答案是：它能騙過某些測試條件下的物件偵測模型，但沒有證據證明能穩定避開真實城市監控。
Simon Weckert 的示範使用 YOLO。YOLO 是 You Only Look Once 的縮寫，是一系列能即時找出畫面中人物與物體的開源模型。這能證明襯衫不是單純的視覺噱頭，卻只能說明它對該示範環境與模型有效。
官方示範中，YOLO 持續標記其他行人，穿著 Digital Camouflage 的人則沒有出現 person 框線。 影片來源：© Simon Weckert – “Digital Camouflage”。
學術研究也證實，對抗服裝確實可能在真實世界發揮作用。2020 年發表的對抗 T-shirt 研究顯示，研究團隊設計的衣服對 YOLOv2 在實體環境中達到 57% 攻擊成功率。這裡的成功率是指原本應該偵測到穿著者的情況中，有多少比例被成功干擾，不代表穿上後有 57% 的時間能對所有監視器隱形。
同一篇研究也揭露更重要的限制。當圖案用某個模型設計，再拿去攻擊另一個模型時，成功率只剩約 10%～13%。在戶外光線、距離與角度改變後，效果也會下降；研究中的方法在攝影機夾角 20 度內、距離 4 公尺內表現較好，超出條件後就沒有同樣保證。
另一項多角度對抗紋理研究之所以要把圖案覆蓋到更多衣物表面，正是因為早期方法只要遇到觀看角度改變，攻擊成功率就可能大幅下滑。衣服會皺、人體會轉身、環境光線會變，人群也會遮擋彼此，這些都是數位測試難以完整模擬的變數。
因此，Digital Camouflage 不能被當成安全保證。它比較像一把只對特定鎖具做過示範的鑰匙，而我們不知道城市實際使用的是不是同一把鎖。
既然不能保證隱形，這件襯衫為什麼仍然重要？
Digital Camouflage 最有力的地方，反而是它沒有辦法證明自己能騙過柏林系統。
城市監控通常使用封閉的商業軟體。外部研究者不知道系統使用哪些模型、在哪些影像上訓練、警示門檻如何設定，也無法拿同一批畫面測量誤報率。藝術家只能用同類型的開源模型展示風險，市民卻要在無法自行選擇的公共空間裡接受真實系統分析。
這種資訊不對稱會帶來三個問題。
第一，社會很難判斷系統是否有效。攝影機找出多少真正的暴力事件、產生多少錯誤警示，以及警員花多少時間處理誤報，都需要公開數據才能評估。只展示幾個成功案例，不能證明整套系統能降低犯罪。
第二，行為本身具有情境。揮手可能是打招呼，也可能像攻擊的起手動作；快速奔跑可能是在逃離危險，也可能只是趕車。模型可以辨識動作形狀，卻不一定理解人物關係、前因後果與當地文化。若警示集中落在特定群體，人工覆核也可能因為先看到「AI 判定異常」而受到影響。
第三，功能可能逐步擴張。柏林現行規則排除遠端生物辨識和 AI 自動執法，這是重要界線。但硬體一旦建好，未來若更換軟體、放寬法律或延長資料用途，原本的行為警示系統可能變成更廣泛的追蹤基礎設施。治理不能只看系統今天承諾做什麼，也要看它明天能被改成什麼。
柏林資料保護與資訊自由專員在 2024 年對 Kottbusser Tor 警察分局的另一套既有監視器進行檢查時，曾認為該套設備缺乏充分法律依據，且路人很難繞開監控。這和 2026 年新裝設的 AI 系統不是同一個專案，不能直接視為新系統已違法；但它說明同一地點的監控措施，過去就曾因必要性與比例原則引發爭議。
Digital Camouflage 值得買嗎？
如果目的是收藏設計、支持數位公民權倡議，或用服裝表達對公共監控的立場，Digital Camouflage 有清楚的作品價值。藝術家也表示，部分銷售收入會捐給捍衛數位權利、反對監控擴張的組織。
如果目的是避免被 AI 監視器辨識，我不建議把它當成安全設備。官方沒有公開不同模型、不同距離、不同攝影機與不同光線下的完整測試，也沒有第三方證明它能對柏林警方系統生效。穿著鮮豔圖案甚至可能更容易被真人注意。
這件襯衫最適合的使用者，是理解它的限制、在意作品所提出問題的人。需要實際隱私保護的人，不能把個人安全建立在一個未經特定系統驗證的圖案上。
一套負責任的 AI 監控系統，至少要公開什麼？
AI 監控不能只用「最後仍由人決定」作為安全保證。人工覆核很重要，但人仍會受到模型選出哪些畫面的影響。更完整的制度應該讓外界檢查系統從資料、模型到執法流程的每一層。
1. 公開明確用途與禁止用途
政府要說清楚系統偵測哪些事件，也要列出不得使用的功能。例如禁止臉部辨識、不得用於一般身分追蹤、不得因單一 AI 警示就採取執法行動。用途改變時，不能只用內部設定更新帶過。
2. 公布準確率，也公布誤報率
準確率不能只在封閉測試場地計算。系統還要公開不同時間、天氣、人流密度與事件類型下的表現，並揭露每 1,000 次警示中有多少最後被判定為無關事件。對公共安全系統來說，誤報會占用警力，也可能增加無辜民眾被盤查的機會。
3. 允許獨立紅隊測試
紅隊測試是由獨立人員刻意尋找系統弱點，包括對抗圖案、遮擋、逆光、群眾活動與不同行動能力者的情境。Digital Camouflage 正好證明，模型不能只用供應商準備好的正常影片驗收。
4. 設定資料保存與查閱紀錄
應清楚限制原始影像與警示資料保存多久、哪些人能查看，以及是否能移作其他案件使用。每次查閱都要留下紀錄，讓外部監督機構能追查是否遭到濫用。
5. 用可驗證成效決定是否續用
柏林法律要求定期評估監控對當地犯罪的影響。實際執行時，評估不能只看系統抓到幾次事件，還要比較犯罪是否下降、是否只是移到鄰近街區，以及新增成本是否比增加巡邏、照明、社工或其他措施更有效。
Digital Camouflage 常見問題
Digital Camouflage 能讓監視器拍不到人嗎？
不能。攝影機仍會錄下穿著者，真人也看得見。公開示範只顯示特定物件偵測模型沒有把穿著者標記為「person」，不代表影像消失或檔案無法保存。
它能阻止臉部辨識嗎？
沒有證據支持這個說法。襯衫沒有遮住臉，設計目標是干擾人體物件偵測。臉部辨識、步態辨識與跨鏡頭追蹤是不同技術，需要分別測試。
它真的能騙過柏林警方的 AI 嗎？
目前無法確認。Simon Weckert 明確表示，他使用通用開源 YOLO 系統展示效果，沒有宣稱作品能騙過任何特定政府系統。拍攝地點在 Kottbusser Tor，也不等於接觸或測試了警方後端軟體。
AI 之後會不會學會辨識這種圖案？
有可能。模型供應商可以加入類似圖案重新訓練，改用不同偵測器，或把多種影像訊號一起判斷。對抗攻擊與防禦通常會持續互相更新，因此很難存在永遠有效的單一圖案。
柏林的系統有做人臉辨識嗎？
依 2026 年現行法律規範與官方說明，Kottbusser Tor 的行為辨識系統不得進行遠端生物辨識，也不能讓 AI 自動觸發針對個人的執法措施。這不代表系統沒有隱私風險，而是風險重點在持續影像分析、行為判斷、誤報與未來用途擴張。
結論：它不是隱形斗篷，而是一張給監控系統的考卷
Digital Camouflage 已經證明一件事：某些 AI 物件偵測模型，可能因為一塊穿在身上的圖案而漏掉眼前的人。這是實際存在的技術弱點，不只是藝術家的想像。
但它沒有證明穿上襯衫就能躲過城市監控。模型、攝影機、角度、距離與後端分析只要有一項不同，結果就可能改變。把它宣傳成萬用 AI 隱形衣，反而會掩蓋作品最值得討論的問題。
真正需要被測試的，不只是這件襯衫，而是監控系統本身。當一套 AI 開始在公共空間判斷誰的動作「異常」，政府就有責任公布它怎麼判斷、錯過多少事件、誤報多少人，以及在證明無效時如何停止使用。
這件襯衫不會讓人從城市消失。它做的是把原本藏在鏡頭後面的演算法，拉到所有人面前接受檢視。
資料來源
- Simon Weckert：Digital Camouflage 官方作品頁
- Digital Camouflage 官方商店
- Instagram 原始貼文
- rbb／Tagesschau：柏林 Kottbusser Tor AI 影像監控計畫
- netzpolitik.org：Kottbusser Tor 約 30 支攝影機開始安裝
- 柏林官方公報：《一般安全與秩序法》第 24e 條
- 柏林警方：犯罪高風險地點說明
- 柏林資料保護與資訊自由專員：2024 年年報
- Adversarial T-shirt! Evading Person Detectors in A Physical World
- Adversarial Texture for Fooling Person Detectors in the Physical World
- The Washington Post：Simon Weckert 的 Google Maps Hacks
