Een nieuwe methode, WhoFi genoemd, maakt het mogelijk om personen te heridentificeren op basis van Wi-Fi-signalen, zonder gebruik van visuele gegevens.
Italiaanse onderzoekers ontwikkelde een alternatief voor cameratoezicht dat gebruikmaakt van wifi-signalen om personen te identificeren. De techniek maakt gebruik van Channel State Information (CSI) om biometrische kenmerken uit radiosignalen te extraheren. De bevindingen werden in een paper gegoten met als titel ‘WhoFi: diepe heridentificatie van personen via Wi-Fi-kanaalsignaalcodering’. Het onderzoek werd gepubliceerd in Arxiv.
Alternatief voor cameratoezicht
Onderzoekers stellen een methode voor om personen te herkennen aan de hand van Wi-Fi-signalen in plaats van camerabeelden. De techniek, WhoFi genoemd, analyseert Channel State Information (CSI) om biometrische kenmerken uit radiosignalen te extraheren. Die informatie wordt vervolgens verwerkt door een modulair deep learning-model, dat bestaat uit onder meer Transformer-netwerken. De aanpak biedt volgens de onderzoekers een robuust alternatief voor traditionele cameragebaseerde systemen die kampen met problemen zoals slechte belichting, visuele obstructie of ongunstige camerahoeken.
Bij de methode beïnvloeden de fysieke kenmerken van een persoon — zoals lichaamsvorm, botstructuur of samenstelling — de manier waarop Wi-Fi-signalen zich in een ruimte voortplanten. Deze signaalvervormingen worden door het systeem geïnterpreteerd als unieke biometrische handtekeningen. In tegenstelling tot optische systemen kunnen Wi-Fi-signalen ook door muren en objecten heen, en zijn ze niet afhankelijk van licht, wat de inzet in complexe omgevingen mogelijk maakt.
Deep learning
De onderzoekers trainden hun deep learning-model met een zogenoemde in-batch negatieve verliesfunctie. Die techniek maakt het mogelijk om onderscheidende kenmerken te leren zonder nood aan handmatig gelabelde gegevensparen. Voor de verwerking van de tijdreeksen met CSI-data testten ze verschillende netwerken, waaronder LSTM-, Bi-LSTM- en Transformer-architecturen. De evaluatie vond plaats op de openbare NTU-Fi-dataset.
Uit experimenten blijkt dat WhoFi vergelijkbare resultaten behaalt als state-of-the-art methoden op basis van camerabeelden. Bovendien onderzochten de onderzoekers de invloed van factoren zoals sequentielengte, modelcomplexiteit en datavergroting op de prestaties. Volgens het team toont dit onderzoek aan dat draadloze biometrie een schaalbaar en privacyvriendelijk alternatief kan vormen voor videobewaking.
Het systeem biedt volgens de auteurs perspectief voor toepassingen waarbij visuele waarneming onbetrouwbaar of ongewenst is, zoals in slecht verlichte ruimtes, door muren heen of in privacygevoelige omgevingen.