罗马第一大学的研究团队发现，人体扰动WiFi信号形成的独特模式如同无形指纹，能够以高达95.5%的准确率跨空间重识别个体。这项技术无需摄像头或被识别者主动配合，利用WiFi信号的信道状态信息（CSI）变化来解析人体体型、动作姿态等特性在信号上留下的“印记”。该系统可在任何存在WiFi信号的区域运作，将场所转化为被动识别场域。尽管这是一项科学突破，但其在无需知情或同意的情况下追踪人员的能力，已引发关于隐私与道德监控的重大伦理质疑。

🌟 WiFi信号可用于人体识别：研究发现，人体扰动WiFi信号会产生独特的模式，如同无形指纹，可用于识别个体。这项技术无需摄像头，也无需被识别者主动配合。

🔬 基于CSI和深度学习：该系统通过分析WiFi信号的信道状态信息（CSI）变化，解析人体体型、动作姿态等特性在电磁波上的独特“印记”。研究团队使用Transformer深度神经网络模型，在标准数据集上训练，实现了高达95.5%的个体识别准确率。

🌐 广泛的应用潜力与伦理担忧：该技术可以在任何有WiFi信号的区域运作，潜在将住宅、办公室等场所转变为被动识别场域。虽然不存储图像或传统个人数据，但其在无需知情或同意的情况下追踪人员的能力，引发了关于隐私和道德监控的重大伦理质疑，尤其是在WiFi网络日益普及的背景下。

HackerNews 编译，转载请注明出处：

尽管这是一项科学突破，该技术仍引发关于隐私与道德监控的争议。

罗马第一大学的研究团队发现，人体扰动WiFi信号形成的独特模式如同无形指纹——每个人的特征均独一无二。然而，这与手机人脸识别或健身房指纹扫描等传统生物识别技术截然不同：该方法既无需摄像头，也无需被识别者主动配合。

该系统依赖于WiFi信号模式的细微变化，具体而言是信道状态信息（CSI）的变化。当电磁波穿透人体或经人体反射时，人体体型、动作姿态等特性会引发信号幅度与相位的独特“印记”。

为解析这些“印记”，团队基于标准数据集NTU-Fi训练了Transformer深度神经网络模型。结果显示，该模型能以高达95.5%的准确率跨空间重识别个体。

相较于固定位置的摄像头或生物扫描仪，该系统可在任何存在WiFi信号的区域运作，潜在将住宅、办公室等场所转化为被动识别场域。虽然系统不存储图像或传统个人数据，但其在无需知情或同意的情况下追踪人员的能力，已引发重大伦理质疑——尤其在WiFi网络日益密集的当下。

 

 

 

---

消息来源：cybernews；

本文由 HackerNews.cc 翻译整理，封面来源于网络；

转载请注明“转自 HackerNews.cc”并附上原文