Spiare oltre i muri mediante i segnali WiFi: come funziona?

Il monitoraggio dei segnali WiFi, unitamente alle tecniche di elaborazione possono essere utilizzati per rilevare l’attività umana all’interno degli edifici. Queste tecniche rappresentano delle alternative ai classici sistemi RADAR, e consentono di spiare l’attività di una persona (camminata, corsa, salto) attraverso l’analisi di segnali WiFi. Di conseguenza, un semplice router WiFi commerciale può essere utilizzato come sensore per spiare e ottenere informazioni su oggetti o persone in movimento.

Spiare le attività mediante il channel state information

I dati sul movimento umano possono essere estratti dalle informazioni sullo stato del canale (Channel state information, CSI). In queste informazioni viene descritto il modo in cui un segnale si propaga dal trasmettitore al ricevitore e rappresenta l’effetto combinato, ad esempio, dello scattering, del fading, del decadimento della potenza con la distanza, ecc.

In una trasmissione WiFi i parametri del canale (ampiezza e fase) sono continuamente stimati per tutte le sottoportanti del segnale trasmesso. Queste informazioni sono calcolate per ogni pacchetto ricevuto, e sono raccolte dal CSI in una grande matrice complessa che descrive la risposta in frequenza del canale. Le informazioni dipendono dall’ambiente circostante, per cui se ad ogni percorso si riesce a stimare l’ampiezza e la fase del segnale, allora è possibile conoscere l’attività all’interno di un determinato luogo.

Ad esempio, è possibile notare come l’ampiezza e la fase cambiano in due diversi scenari. Infatti, nella figura seguente si possono vedere i cambiamenti di ampiezza e fase per una stanza vuota (a sinistra) e una stanza con una persona in movimento (diagrammi di destra). La presenza di una persona induce cambiamenti nei parametri del canale che possono essere sfruttati dagli algoritmi di Human Activity Recognition (HAR).

Spiare le attività grazie all’effetto doppler del WiFi

Una persona in movimento provoca dei fenomeni di scattering che dipendono dalla velocità di spostamento dell’individuo. I movimenti causano variazioni nel tempo che il segnale impiega per raggiungere il ricevitore attraverso ciascuno dei percorsi di propagazione. Questo si riflette in uno spostamento di fase nel segnale ricevuto. Ovvero, i movimenti legati all’attività di un essere umano causano variazioni di fase, poiché ogni parte del corpo agisce come un dispersore che si muove ad una velocità specifica.

In particolare, questa tecnica utilizza l’effetto Doppler del segnale WiFi ed è possibile osservare le differenze delle tracce Doppler ottenute quando una persona esegue delle attività all’interno di una stanza, rispetto ad una traccia presa in una stanza vuota. La traccia Doppler relativa alla stanza vuota presenta dei livelli di potenza bassi che rivelano per l’appunto la mancanza di movimento nell’ambiente.

Riconoscimento delle attività con le reti neurali

L’algoritmo di Human Activity Recognition contiene due step fondamentali e utilizza le informazioni di ampiezza e fase, combinando questi dati per un certo numero N di antenne riceventi disponibili.

• In primo luogo, si calcolano le tracce Doppler dai dati raccolti di tutte le antenne riceventi per ottenere le stime di attività attraverso un algoritmo basato su reti neurali. In particolare, la predizione basata sull’apprendimento automatico viene applicata al flusso di dati provenienti da ciascuna delle antenne disponibili;
• come risultato del passo precedente, si ottengono N previsioni indipendenti, una per antenna, che vengono combinate, in un secondo passo, attraverso un metodo di fusione decisionale che porta alla stima finale dell’attività.

L’accuratezza del riconoscimento è superiore al 95%, raggiungendo quasi il 100% quando l’ambiente e la posizione rimangono gli stessi dei dati di allenamento, indipendentemente dal giorno di misurazione e dalla persona che svolge l’attività. La figura seguente mostra i risultati su una matrice di confusione per un test con i parametri: ambiente, giorno e persona che cambiano rispetto al training.

Quanto visto finora è il risultato di una ricerca tutta italiana condotta in collaborazione tra l’Università degli studi di Palermo e l’Università di Padova. Lo studio risulta di particolare interesse, in quanto è possibile riconoscere le attività di una persona all’interno di una stanza con un semplice router WiFi commerciale.

Vedere attraverso i muri con il WiFi: il dispositivo del MIT

Un sistema più complesso che usa una radio MIMO (Multiple-input and multiple-output) con un array di antenne è stato sviluppato presso il MIT (Massachusetts Institute of Technology) con risultati sorprendenti.

Infine, l’uso di queste tecniche pone problemi di privacy, poiché le attività ambientali sono palesemente identificabili attraverso un comune segnale WiFi. Il mondo scientifico propone delle soluzioni che presentano alcune direzioni di ricerca per mitigarne i rischi. Ad esempio, una soluzione potrebbe essere quella di intervenire sul trasmettitore con tecniche di signal processing in modo da far apparire in ricezione un CSI variabile anche quando le condizioni dell’ambiente sono statiche.