在公共和商用層面，人臉辨識技術磨刀霍霍，在明在暗準備大規模應用。小如手機的人臉解鎖，大如中國各地部門使用針對維吾爾族的人臉辨識系統，掌握他們的行蹤。每人的蹤跡被記錄無遺，聽起來已相當可怕，美國的三藩市和奧克蘭，就提出禁止警察等公共機構使用人臉辨識技術。但來自政府層面的限制畢竟少數，假若不想被識別，一小部分反抗者和學者正在尋找直接顛覆技術基礎的方法。
人臉辨識依賴機器學習，屬人工智能的一項子領域。電腦會教自己執行程序員無法明確解釋的任務，對著數千個人臉實例作系統訓練。每次正確或錯誤的識別，都是學習的過程，電腦從而懂得區分面部圖像與非面部圖像。系統一旦「知道了」何謂人臉，就可以開始將一張臉與另一張臉區分出來。具體情況根據演算法變化，但通常涉及許多關鍵細節的數據，例如鼻子相對於其他面部特徵的位置，或兩眼之間的距離。
在實驗室測試中，這樣的系統可以非常準確。美國標準制定機構「國家標準技術研究所」的一項調查發現，在 2014 年至 2018 年間，人臉辨識軟件將已知人物的圖像，與數據庫中人物形象匹配的能力，從 96% 提高達到 99.8%。但因為機器是自學而成，它們的視覺系統是訂制的。換句話說，電腦的「視覺」有別於人類，從而在算法之中留下大量「縫隙」，讓反人臉辨識之士有空可鑽。
「經濟學人」追溯一些早期的研究，例如在 2010 年，一位名叫 Adam Harvey 的美國研究員和藝術家，創作了一種旨在愚弄人臉辨識的化妝風格。它採用鮮艷的色彩、高對比度、漸變陰影和不對稱樣式，來混淆算法對臉部外觀的假設。對於一般人來說，結果明顯仍然是一張臉。但對於電腦，或者至少是 Adam Harvey 研究的特定算法，該化妝風格足以混淆視聽。
Harvey 名為 HyperFace 的新項目，則旨在以假亂真。它使用了班駁和半抽象的圖案，盡可能使電腦認為其就是人臉。這個構思是在虛假的臉孔海洋中，掩蓋真實的人臉。例如只要在衣服上印製一些「假臉」，這些圖案的線條和隱約的黑點，在人看來只是隱約像臉孔，電腦則有可能誤認作人臉。
香港中文大學、印第安納大學布盧明頓分校和科網公司阿里巴巴的研究人員，在 2018 年發表的一篇論文中，提出了一個更微妙的想法：利用一個配有微型發光二極管的棒球帽，將紅外線投射到佩戴者的臉上。由於部分人臉辨識系統所使用的相機，對紅外光譜很敏感，但人眼無法察覺紅外線存在，因此紅外線是作為隱蔽技術的理想選擇。
針對由 Google 開發的人臉識別系統 FaceNet 的測試中，研究人員發現，適量的紅外線照射可防止電腦識別臉孔。此外亦有更複雜的干擾方式，例如通過搜索數學上與對象相似的面孔，並對二極管進行精細控制，研究人員就可「說服」FaceNet，相關的對象是另一個人，成功率約有 7 成。
訓練一種算法來欺騙另一種算法，被稱為「對抗性機器學習」。通過創造圖像來誤導電腦的視覺，同時不影響人類的判斷。2016 年由美國匹茲堡卡內基梅隆大學和北卡羅萊納大學的研究人員發表的一項研究，把某種抽象圖案印在紙上，並將紙貼在一副眼鏡框架，結果能多次說服電腦的視覺系統，誤認一名男性研究員為美國女演員 Milla Jovovich。
在 7 月舉行的電腦視覺會議上發表的一項研究中，比利時魯汶天主教大學一組研究人員欺騙了「個人識別系統」，而非人臉識別系統。他們製作一個 40 平方厘米、經演算法生成的圖案。在測試中，僅僅拿著一塊帶有這種圖案的紙板，就足以讓一個人消失在電腦保安員的視線之中，人能輕易看得見，但電腦則被欺騙。
然而，這些系統都有限制，因為大多數只針對特定的識別算法，限制了它們的實用性。Adam Harvey 認為，令人高興的是，雖然人臉辨識開始流行，但它尚未普及，而且並非完美。剛在 7 月份發表的一項研究發現，倫敦警方以人臉辨識軟件識別潛在罪犯的準確率，只有約 2 成。Harvey 表示，即使在中國，也只有一小部分閉路電視鏡頭，能夠收集到足夠清晰的圖像，以供進行人臉識別。一些低技術方法，也對迴避人臉辨認有所幫助，例如是穿著高領上衣、戴太陽鏡，或低頭看手機以避免直視鏡頭等。
