Rubriques tendance
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
La nouvelle technologie d'empreinte Wi-Fi suit votre corps sans appareil, téléphone ou caméra | Aamir Khollam, Interesting Engineering
Les réseaux Wi-Fi pourraient bientôt vous suivre sans appareils, alors que des chercheurs italiens exploitent les distorsions de signal pour créer des identifiants biométriques uniques.
La surveillance à l'ère numérique n'est plus limitée aux caméras et aux smartphones. De la reconnaissance faciale aux journaux GPS, les outils utilisés pour surveiller les gens sont devenus de plus en plus sophistiqués.
Maintenant, des chercheurs en Italie ont montré que même des signaux Wi-Fi ordinaires peuvent être utilisés pour suivre des personnes, sans qu'elles aient besoin de porter un appareil.
Une équipe de l'Université La Sapienza de Rome a développé un système appelé 'WhoFi', qui peut générer un identifiant biométrique unique basé sur la façon dont le corps d'une personne interagit avec les signaux Wi-Fi environnants.
L'approche, décrite dans un article préimprimé, utilise les distorsions de signal causées par le corps humain pour réidentifier les individus alors qu'ils se déplacent à travers des espaces couverts par différents réseaux Wi-Fi.
Biométrie dans l'air
Les chercheurs derrière WhoFi, Danilo Avola, Daniele Pannone, Dario Montagnini et Emad Emam, affirment que leur système peut associer des personnes avec une précision allant jusqu'à 95,5 % en utilisant le jeu de données public NTU-Fi.
Leur méthode repose sur une technique connue sous le nom d'Information d'État de Canal (CSI), qui capture comment les signaux Wi-Fi changent lorsqu'ils traversent des environnements physiques.
"L'idée centrale est qu'à mesure qu'un signal Wi-Fi se propage à travers un environnement, sa forme d'onde est altérée par la présence et les caractéristiques physiques des objets et des personnes le long de son chemin," déclarent les auteurs dans l'article. "Ces altérations, capturées sous forme d'Information d'État de Canal (CSI), contiennent des informations biométriques riches."
Le CSI inclut des données sur l'amplitude et la phase des transmissions électromagnétiques.
Selon l'équipe, ces changements de signal sont suffisamment spécifiques pour servir de sorte d'empreinte digitale numérique, surtout lorsqu'ils sont analysés par un réseau neuronal profond.
Dans ce cas, les chercheurs ont utilisé une architecture basée sur un transformateur, un type de modèle populaire dans les applications avancées d'IA.
Nouvelle approche d'un ancien problème
Le concept de réidentification, liant la même personne à travers plusieurs points d'observation, n'est pas nouveau.
Il est largement utilisé dans la vidéosurveillance, souvent en suivant les vêtements ou les traits physiques. Mais le Wi-Fi présente de nouveaux avantages.
Les signaux Wi-Fi offrent une alternative puissante aux outils de surveillance traditionnels comme les caméras.
Contrairement aux systèmes visuels, ils peuvent fonctionner indépendamment des conditions d'éclairage, traverser les murs et éviter de capturer des images identifiables, ce qui les rend apparemment plus respectueux de la vie privée en surface.
La technique WhoFi ne repose pas sur des téléphones ou des dispositifs portables. Le corps d'une personne seul peut créer un motif suffisamment distinct dans les signaux Wi-Fi pour permettre la réidentification.
Cela soulève de nouvelles préoccupations concernant le suivi passif, surtout à mesure que la détection Wi-Fi devient plus largement adoptée.
Les bases de telles applications ont été posées en 2020 avec l'approbation de la spécification IEEE 802.11bf.
Depuis lors, la Wi-Fi Alliance a activement promu la détection Wi-Fi, requalifiant les routeurs et les points d'accès en capteurs environnementaux.
Un système comparable appelé 'EyeFi' a été introduit en 2020, atteignant 75 % de précision.
WhoFi améliore considérablement cela avec une précision allant jusqu'à 95,5 %, soulignant l'efficacité croissante des outils de réidentification basés sur le signal.

40,12K
Meilleurs
Classement
Favoris