🐯虎嗅•較早收集於 52m
Wi-Fi 波束成形信號可用於識別步態
💡了解標準 Wi-Fi 信號如何被轉化為基於步態的身份追蹤工具，以及其潛在的安全隱患。
⚡ 30-Second TL;DR
有什麼變化
Wi-Fi 5 的 BFI 信號可用於根據步態識別個人身份。
為什麼重要
德國卡爾斯魯厄理工學院（KIT）研究人員開發了一種透過分析 Wi-Fi 波束成形反饋（BFI）信號來識別個人步態的方法。儘管目前仍處於實驗室階段，但這揭示了無線網路安全中潛在的隱私風險。
下一步行動
請審查您的網路安全協定，並考慮關閉公共 Wi-Fi 的「自動加入」功能，以降低遭受「邪惡雙胞胎」攻擊的風險。
誰應關注：Researchers & Academics
關鍵要點
- •Wi-Fi 5 的 BFI 信號可用於根據步態識別個人身份。
- •該方法利用了未加密的波束成形反饋數據。
- •「邪惡雙胞胎」攻擊仍是公共 Wi-Fi 用戶面臨的更直接威脅。
- •即使設備斷開網路，Wi-Fi 訊號仍可能洩露隱私。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •該研究利用了 Wi-Fi 設備中用於優化傳輸的通道狀態資訊（CSI），而非僅僅是波束成形反饋（BFI）的原始數據，這使得識別精度在特定環境下可達到 90% 以上。
- •此技術不僅限於步態識別，還能透過分析無線訊號的微小多普勒頻移（Doppler shift）來監測人體的呼吸頻率與心跳速率。
- •研究指出，由於 Wi-Fi 訊號具有穿牆特性，這種非接觸式監測技術在隱私保護方面構成了比傳統攝像頭監控更難以察覺的威脅。
- •卡爾斯魯厄理工學院（KIT）的團隊開發了一種名為『Wi-Fi 步態識別』的深度學習模型，該模型能夠有效過濾環境雜訊，從而提高在非實驗室環境下的識別穩定性。
- •為了防禦此類攻擊，研究人員建議在 Wi-Fi 協議層面引入隨機化的 CSI 數據擾動，以在不影響通訊效能的前提下增加識別難度。
🛠️ 技術深入
- 核心機制：利用 IEEE 802.11ac (Wi-Fi 5) 標準中定義的顯式波束成形（Explicit Beamforming）機制，獲取接收端回傳的通道狀態資訊（CSI）。
- 數據處理：將 CSI 矩陣轉換為時頻圖（Spectrogram），並應用卷積神經網絡（CNN）進行特徵提取。
- 識別特徵：步態識別主要依賴於人體行走時對無線電波產生的週期性遮擋與反射，這些特徵在 CSI 的幅度和相位變化中表現為特定的頻率分量。
- 實驗設置：使用商用 Wi-Fi 路由器作為訊號發射源，並透過修改後的韌體提取 CSI 數據，無需額外的專用硬體設備。
🔮 前景展望AI analysis grounded in cited sources
Wi-Fi 感測技術將被納入下一代無線通訊標準（如 Wi-Fi 7 或 8）的隱私防護考量中。
隨著基於 CSI 的非接觸式監測技術成熟，監管機構將迫使設備製造商在協議層面加入抗追蹤機制。
步態識別技術將成為智慧家庭安全系統的標準功能。
利用現有的 Wi-Fi 基礎設施進行人員身份驗證，比安裝生物識別攝像頭更具成本效益且隱私侵入感較低。
⏳ 時間線
2014-05
研究人員首次展示利用 Wi-Fi CSI 進行人體活動識別的可能性。
2019-11
KIT 研究團隊開始深入探索基於波束成形反饋的無線感測技術。
2023-08
KIT 發布關於利用 Wi-Fi 訊號進行非接觸式步態識別的階段性實驗成果。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。