IT之家 Bericht vom 19. Oktober: Eine Gruppe von AI-Forschern des schwedischen Verteidigungsforschungsinstituts (FOI) hat ein AI-System entwickelt, das versteckte Pistolen mit Hilfe von Wi‑Fi-Signalen erkennen kann und als nicht-invasive Alternative zu visuellen Kameras und Schwermetalldetektoren dienen kann. Die entsprechende Publikation wurde am 13. Oktober auf der arXiv-Plattform veröffentlicht. Das System namens WiFireNet erkennt durch die Analyse der Kanäleitungsinformationen (CSI), die durch die Störung des Umfelds durch das Wi‑Fi-Signal entstehen, versteckte Objekte. Das gesamte System besteht aus einem Wi‑Fi-Sender, einem Empfänger und dem AI-Modell WiFireNet.
Wenn ein gewöhnlicher Wi‑Fi-Signal durch Objekte auf seinem Weg verläuft, passiert es je nach Form, Ausrichtung und Material des Objekts, dass das Signal durchdrungen oder reflektiert wird, wodurch spezifische Signalmerkmale entstehen. Diese Daten sind Channestatusinformationen, und deren Analyse ermöglicht die Identifizierung von Objekten mit hoher Genauigkeit. Forscher im Sicherheitsbereich haben bereits eine Technologie veröffentlicht: Der Erkennungswert eines gewöhnlichen Wi‑Fi-Routers für den Menschen kann bis zu 99,5% betragen.
Um das WiFireNet-System aufzubauen, baute die Forscher zunächst ein Datenset mit dem Namen WiFire Dataset auf. Sie nahmen gleichzeitig RGB-Videos auf und sammelten die Wi-Fi-Signale, die von Menschen, die verschiedene Gegenstände (von Handys bis Pistolen) tragen, reflektiert werden. Die Forscher trainierten ein Deep-Learning-Modell auf diesem riesigen Datenset und nutzten die Videoabschnitte, um visuelle Merkmale der versteckten Pistolen mit den entsprechenden Wi-Fi-Merkmalen (Kanalstatusinformationen) zu verbinden. Um sicherzustellen, dass das System Pistolen von alltäglichen Gegenständen mit ähnlicher Form und Material hervorhebt, umfassen die Trainingsmaterialien Aufzeichnungen über Plastikpistolen, Metallgläser, echte Metallpistolen und Handys.
Nach dem Training kann das WiFireNet allein auf den Informationen über den WLAN-Channelzustand eine versteckte Pistole erkennen, aber die Genauigkeit variiert. In einem kontrollierten Experimentumfeld kann das System in engen Räumen maximal vier bewegende Personen gleichzeitig tracken, und die durchschnittliche Genauigkeit bei der Erkennung von Pistolen beträgt 72,5 %. Wenn jedoch strengere Positionierungsanforderungen gestellt werden, z. B. die genaue Position der Waffe am Träger, sinkt die Genauigkeit auf 53,8 %. Bei unbekannten, nicht getesteten Raumaufbaustrukturen verschlechtert sich auch die Erkennungsleistung des neuronalen Netzwerks deutlich.
Das System befindet sich derzeit noch in der Experimentierphase, und das Forschungsteam hat eine weitere Optimierungsschiene geplant. Das Prototypenmodell verwendet den angepassten alten IEEE 802.11a-radiostandard von 1999, um die Prinzipien zu testen. In der nächsten Phase werden moderne WLAN-Systeme wie Wi‑Fi 7 und Wi‑Fi 8 eingesetzt, um höhere Kanalzustandsinformationen zu erhalten und die Detektionleistung zu verbessern. Das Forschungsteam wird das Projekt öffentlich zugänglich machen, indem es Code, Modelle und Datensätze bereitstellt, um weitere Forschungen in diesem Bereich zu fördern.
IT Home hat bemerkt, dass die über WLAN-Sensing basierende Überwachungstechnologie immer mehr Aufmerksamkeit erhält, und sie erfordert keine komplexen Geräte oder Einrichtungen. Dennoch argumentieren Kritiker, dass diese Technologie weit verbreitet werden könnte, und das Fehlen eines entsprechenden Regulierungsrahmens birgt ernsthafte Privatsphärerisiken.