研究人员训练 AI 利用 Wi-Fi 信号检测隐藏手枪

瑞典国防研究所（FOI）的一组人工智能研究人员开发出一种基于 Wi-Fi 信号识别隐藏手枪的 AI 系统，为传统可视摄像头和笨重的金属探测器提供了一种无侵入性的替代方案。这项名为 WiFireNet 的技术于 10 月 13 日在 arXiv Wi-Fi 预印本平台上发表的论文中详述，其核心在于分析物体如何扭曲环境中的 Wi-Fi 信号，进而获取信道状态信息。完整系统由 Wi-Fi 发射器、Wi-Fi 接收器以及 WiFireNet AI 模型构成。 当普通 Wi-Fi 信号遇到路径上的物体时，会根据其形状、朝向和材质产生独特的穿透与反射模式。这种被称为信道状态信息的数据能够被用于高精度地识别物体。安全 研究人员此前曾披露过一种技术，使普通 Wi-Fi 路由器能够以 99.5% 的准确率识别人体。 为了构建 WiFireNet 系统，研究人员首先创建了一个名为 WiFire Dataset 的数据集。在该数据集中，他们同时录制了人们手持从手机到手枪等不同物体行走时的 RGB 视频画面及反射的 Wi-Fi 信号。随后，研究人员利用这一海量数据集训练深度學習模型，通过视频片段将隐藏手枪的视觉特征与其特定的 Wi-Fi 特征（即信道状态信息）进行匹配。为确保系统能专门将手枪与形状或材质相似的日常物品区分开来，研究人员使用了塑料手枪、金属水瓶、真实金属手枪和手机的录制数据进行训练。

训练完成后，最终的 AI 系统 WiFireNet 可以仅凭 Wi-Fi CSI 检测隐藏的手枪，但准确度有所差异。在一间小型室内空间中追踪最多四名移动人员的受控试验里，该系统的手枪检测平均精度达到 72.5%。然而，在更严格的定位要求下（比如精确指出武器在携带者身上的位置），精度降至 53.8%。此外，神经网络在陌生、未经测试的室内环境中也难以保持准确表现。

话虽如此，该系统仍处于实验阶段，团队已制定了后续改进计划。原型基于 1999 年的老版 IEEE 802.11a 无线标准的改造实现搭建，用于验证概念可行性。后续阶段将采用 Wi-Fi 7 和 Wi-Fi 8 等现代网络，借助分辨率更高的 CSI 来提升检测效果。研究团队已将项目开源，公开了代码、模型和数据集，以推动该领域的进一步研究。Wi-Fi 感知作为一种无需复杂设备或部署的监控技术正日益流行。不过，批评人士指出，这项技术的普及加上监管框架的缺失，引发了严重的隐私担忧。