Итальянские учёные научились идентифицировать людей по воздействию тела на сигнал Wi-Fi

[душман]

Учёные Римского университета Ла Сапиенца (Sapienza — Università di Roma) разработали технологию WhoFi, которая позволяет первично и повторно идентифицировать человека, исходя из особенностей того, как его тело искажает сигнал Wi-Fi. В 2020 году организация Wi-Fi Alliance утвердила стандарт IEEE 802.11bf для технологии Wi-Fi Sensing, указав, что Wi-Fi — это не просто механизм передачи данных: беспроводные сети могут использоваться для детекции движения и даже биометрической идентификации. 

Повторная идентификация — хорошо известная задача в сфере видеонаблюдения, подчёркивают итальянские учёные: не всегда можно с уверенностью утверждать, что попавший на видео объект — тот же человек, что был зафиксирован в другое время и в другом месте. 

При этом повторная идентификация не обязательно раскрывает личность — это лишь утверждение, что один и тот же наблюдаемый объект появлялся в разных условиях. В системах видеонаблюдения для такой задачи, как правило, сравниваются предметы одежды или другие отличительные признаки, но это не всегда возможно.

Wi-Fi, отмечают исследователи, обладает рядом преимуществ по сравнению с видеокамерами: радиосигнал не зависит от уровня освещённости, способен проходить сквозь стены и препятствия, а также обеспечивает более высокий уровень конфиденциальности, чем визуальное изображение. 

«Суть в том, что по мере распространения сигнала Wi-Fi в пространстве форма его волны меняется в зависимости от наличия и физических характеристик объектов и людей на его пути. Эти изменения, фиксируемые в виде информации о состоянии канала (Channel State Information — CSI), содержат обширные биометрические данные», — говорится в исследовании. 

В контексте устройств с поддержкой Wi-Fi термин CSI обозначает набор данных об амплитуде и фазе электромагнитных волн. При взаимодействии с телом человека сигнал искажается — искажения носят характер, уникальный для конкретного человека. Дальнейшая обработка этих данных с помощью глубокой нейросети позволяет получить индивидуальную сигнатуру.