Новая система искусственного интеллекта WhoFi идентифицирует людей, используя только сигналы Wi-Fi
Группа исследователей из Римского университета Ла Сапиенца представила WhoFi — новый конвейер глубокого обучения, который использует сигналы Wi-Fi для повторной идентификации человека (Re-ID), предлагая надежную и сохраняющую конфиденциальность альтернативу традиционным системам видеонаблюдения на основе камер.
В опубликованном исследовании предлагается использовать глубокую нейронную сеть, обученную на основе информации о состоянии канала Wi-Fi (CSI), для распознавания людей по изменению формы сигнала их телами. Методика полностью основана на биометрических характеристиках, полученных с помощью CSI, и демонстрирует высокую точность на общедоступном наборе данных NTU-Fi, достигая точности идентификации 95,5% ранга 1 с использованием модели на основе Transformer.
Системы повторной идентификации личности (Person Re-ID) направлены на сопоставление внешнего вида человека с разных камер или в разные временные интервалы, что является критически важной задачей для систем видеонаблюдения. Традиционные методы преимущественно используют визуальные признаки, такие как одежда и форма тела, но их эффективность снижается при плохом освещении, наличии преград или изменении ракурса. WhoFi обходит эти ограничения, используя физическое взаимодействие сигналов Wi-Fi с телом человека, извлекая уникальные искажения сигнала, которые фактически служат радиочастотными биометрическими сигнатурами.
Генерация радиобиометрической подписи
Arxiv
Данные CSI, используемые в WhoFi, получены из Wi-Fi-передач между антеннами, которые регистрируют мельчайшие изменения амплитуды и фазы на нескольких поднесущих. Исследователи применили предварительную обработку сигнала, включая амплитудную фильтрацию с помощью фильтра Хэмпеля и методы фазовой очистки, для удаления шума и стандартизации входных данных. Они дополнительно повысили надёжность модели за счёт аугментации данных, симулируя шум сигнала, флуктуации уровня сигнала и временные сдвиги.
Основой конвейера WhoFi является модульная нейронная архитектура, включающая кодер и модуль подписи. Команда оценила три типа кодеров: LSTM, Bi-LSTM и Transformer. Кодер Transformer превзошёл остальные, а его механизм внимания оказался особенно эффективным при моделировании долгосрочных временных зависимостей в сигнале CSI. Выходные данные кодера проходят через линейный слой и нормализацию L2 для получения итогового вектора биометрической подписи.
Обучение основывалось на пакетной отрицательной функции потерь, которая использует все несовпадающие образцы в пакете в качестве отрицательных примеров. Эта формула оптимизирует пространство вложений таким образом, что образцы из одного и того же индивида объединяются вместе, обеспечивая при этом максимальное разделение с другими. Сходство между образцами зонда и галереи вычисляется с помощью косинусного сходства на основе скалярного произведения, чему способствуют нормализованные векторы сигнатур.
Для оценки исследователи использовали набор данных NTU-Fi, содержащий образцы CSI Wi-Fi от 14 испытуемых, находящихся в разных условиях одежды и аксессуаров. Данные собирались с помощью маршрутизаторов TP-Link N750 в контролируемой среде внутри помещения. Модели на основе трансформаторов достигли средней точности (mAP) 88,4% и продемонстрировали устойчивость к различным длинам последовательностей и стратегиям аугментации.
Исследование абляции показало, что аугментация данных улучшила производительность LSTM- и Bi-LSTM-кодеров, но не оказала существенного влияния на Transformers, которые работали надёжно даже без неё. Интересно, что амплитудная фильтрация иногда снижала производительность, удаляя потенциально значимые вариации сигнала. Модели Transformers также демонстрировали снижение точности при добавлении более глубоких слоёв сети, вероятно, из-за переобучения.
WhoFi не только превосходит предыдущие системы идентификации личности на базе Wi-Fi по производительности, но и подчёркивает возможность применения методов глубокого обучения для радиобиометрического зондирования. Использование общедоступных бенчмарков, таких как NTU-Fi, обеспечивает воспроизводимость результатов и открывает возможности для более доступных сравнений в будущих исследованиях.
Хотя WhoFi обладает значительным потенциалом для слежки с учетом конфиденциальности, при любом развертывании следует учитывать калибровку в условиях окружающей среды и правовые последствия радиобиометрического профилирования. Зондирование по Wi-Fi должно осуществляться только в безопасных средах с четко определенными политиками управления данными.
About The Author
