来源: 卡尔斯鲁厄理工学院,将于2025年ACM计算机与通信安全大会发表
研究发现,无需携带任何电子设备,仅通过分析环境中Wi-Fi路由器与联网设备间的波束成形反馈信息,即可生成人体图像并实现身份识别。该方法利用标准Wi-Fi设备,在197人实验中准确率接近100%,且不受行走姿态或角度影响。专家警告,该技术可能将遍布各处的无线网络转变为监控基础设施,对公民隐私构成严重威胁,呼吁在下一代Wi-Fi标准中建立有效的隐私保护机制。
来源: 卡尔斯鲁厄理工学院,将于2025年ACM计算机与通信安全大会发表
研究发现,无需携带任何电子设备,仅通过分析环境中Wi-Fi路由器与联网设备间的波束成形反馈信息,即可生成人体图像并实现身份识别。该方法利用标准Wi-Fi设备,在197人实验中准确率接近100%,且不受行走姿态或角度影响。专家警告,该技术可能将遍布各处的无线网络转变为监控基础设施,对公民隐私构成严重威胁,呼吁在下一代Wi-Fi标准中建立有效的隐私保护机制。
来源:2025年分布式计算与物联网国际会议(DCOSS-IoT)
加州大学圣克鲁兹团队研发“Pulse-Fi”系统,利用普通Wi-Fi设备(如5美元的ESP32芯片)发射的射频信号,通过机器学习算法提取人体心跳引起的微弱信号变化,实现无穿戴心率监测。在118名被试测试中,5秒内误差仅0.5次/分钟,且不受体位、距离(最远3米)和活动状态影响。该技术有望扩展至呼吸频率与睡眠呼吸暂停监测,成本低、适用场景广。