تقنية استشعار Wi-Fi: ما تكشفه انعكاسات موجات الراديو حقًا

ماذا حدث

انتشرت تقارير بشأن تقنية تستخدم إشارات Wi-Fi المنزلية لمراقبة النشاط البشري. وتنبع هذه التقارير من أبحاث أكاديمية حول معلومات حالة القناة (CSI) لشبكات Wi-Fi وتطبيقاتها في التعرف على النشاط البشري (HAR). وتستخدم إحدى الشركات الأوروبية الرائدة في المعدات الجيوفيزيائية المتخصصة، X6 Geo Plus، تقنية استشعار Wi-Fi هذه في تطبيق Android الخاص بها لتحليل ما تحت السطح وفي تطبيقاتها العسكرية. (من الناشر: تعود ملكية X6 Geo Plus لناشر AENIGMA.) ويتعلق السياق الأوسع لهذه التقارير بالانتشار المتزايد للشبكات اللاسلكية في المساحات السكنية والتجارية. فخلال العقدين الماضيين، أصبحت أجهزة توجيه Wi-Fi عناصر قياسية في البنية التحتية الحديثة، حيث تبث باستمرار إشارات تردد راديوي لربط أجهزة مثل الهواتف الذكية وأجهزة الكمبيوتر والأجهزة المنزلية الذكية. ومع انتشار هذه الإشارات في بيئة ما، فإنها تتفاعل مع الأجسام المادية والأجسام البشرية. وقد فتح إدراك إمكانية قياس هذه التفاعلات وتحليلها آفاقًا جديدة في الاستشعار المحيطي. وكان الباحثون يستكشفون كيف يمكن للموجات غير المرئية التي توفر الوصول إلى الإنترنت أن تعمل أيضًا كنظام مراقبة سلبي. وقد أثارت هذه الطبيعة المزدوجة الاستخدام للتكنولوجيا اليومية نقاشات عبر مجالات متعددة، من علوم الكمبيوتر إلى الأمن السيبراني. ويمثل تحول Wi-Fi من مجرد أداة اتصال بسيطة إلى مستشعر بيئي محتمل نقلة نوعية في كيفية فهم البنية التحتية اللاسلكية. وتاريخيًا، يعود مفهوم استخدام موجات الراديو للكشف عن الأجسام إلى تطوير الرادار في أوائل القرن 20. ومع ذلك، فإن أنظمة الرادار التقليدية تبث بشكل نشط نبضات قوية وموجهة من طاقة الراديو. في حين تعتمد التطورات الحالية في استشعار Wi-Fi على الاستشعار السلبي أو الانتهازي، مستفيدةً من الإشارات المحيطية منخفضة الطاقة الموجودة بالفعل في البيئة لجمع بيانات حول الحركات المادية.

ما نعرفه

تؤكد الأبحاث المحكمة المنشورة في ACM Computing Surveys أنه يمكن الاستفادة من معلومات حالة القناة (CSI) لشبكات Wi-Fi لمراقبة الوجود البشري والنشاط. ويتحقق ذلك من خلال تحليل انعكاسات موجات الراديو داخل البيئة. وقد ناقش خبراء الأمن السيبراني، مثل الخبراء في Kaspersky، الآثار المترتبة على الخصوصية والأمان جراء استخدام Wi-Fi في التعرف على النشاط البشري. وتعتمد التقنية على البنية التحتية الحالية لشبكات Wi-Fi لملاحظة التغيرات في انتشار الإشارة الناتجة عن الحركة المادية. ولفهم كيفية عمل ذلك، من الضروري فحص المبادئ الأساسية لنقل الترددات الراديوية. فعندما يبث جهاز توجيه Wi-Fi إشارة، لا تنتقل موجات الراديو في خط مباشر واحد إلى الجهاز المستقبل، بل ترتد عن الجدران والأثاث والأشخاص، مما يخلق مسارات متعددة. وتُعرف هذه الظاهرة في الاتصالات باسم الانتشار متعدد المسارات. وتاريخيًا، كان يُنظر إلى الانتشار متعدد المسارات في المقام الأول على أنه مشكلة، حيث يمكن أن تؤدي الإشارات المتداخلة إلى حدوث تشويش وتراجع جودة الاتصال اللاسلكي. وقد تم تطوير معايير Wi-Fi الحديثة، ولا سيما تلك التي تستخدم تقنيات المدخلات المتعددة والمخرجات المتعددة (MIMO) والضم المتعامد بتقسيم التردد (OFDM)، لإدارة هذه المسارات المتعددة وحتى استغلالها لتحسين معدلات نقل البيانات. وتعد معلومات حالة القناة (CSI) مقياسًا يُستخدم في هذه الأنظمة اللاسلكية الحديثة لوصف كيفية انتشار الإشارة من جهاز الإرسال إلى جهاز الاستقبال. وعلى عكس مؤشر قوة الإشارة المستقبلة (RSSI) القديم، والذي يوفر فقط قياسًا تقريبيًا لقوة الإشارة الإجمالية، توفر CSI بيانات دقيقة للغاية؛ إذ تسجل السعة والطور للإشارة عبر العشرات أو المئات من الحوامل الفرعية الفردية. ونظرًا لأن جسم الإنسان يتكون إلى حد كبير من الماء، فهو عاكس وماص للغاية لموجات التردد الراديوي في نطاقي 2.4 GHz و5 GHz المستخدمين بكثرة في Wi-Fi. وتمتلك هذه الترددات أطوالًا موجية تبلغ حوالي 12 centimeters و6 centimeters على التوالي، مما يجعلها حساسة بشكل خاص للأجسام والحركات ذات الحجم البشري. وعندما يتحرك شخص داخل غرفة، فإنه يغير بيئة المسارات المتعددة، مما يتسبب في تغيرات دقيقة ولكن قابلة للقياس في مصفوفة بيانات CSI. وقد أثبت الباحثون الأكاديميون أنه من خلال التقاط هذه التغيرات في CSI وتحليلها، يمكن تحديد حركات بشرية محددة. وتتضمن العملية عادةً جمع مجموعات بيانات كبيرة من قراءات CSI أثناء أداء الأفراد لأفعال مختلفة، مثل المشي أو الجلوس أو السقوط. ثم يتم تدريب خوارزميات التعلم الآلي على مجموعات البيانات هذه للتعرف على أنماط الإشارة الفريدة، أو البصمات، المرتبطة بكل نشاط. وقد نما هذا المجال من الدراسة، المعروف باسم التعرف على النشاط البشري (HAR)، بشكل كبير مع تقدم القدرة الحاسوبية وتقنيات التعلم الآلي. وتنبع تداعيات الخصوصية التي يناقشها خبراء الأمن السيبراني من الطبيعة السلبية وغير المرئية لطريقة الاستشعار هذه. فعلى عكس كاميرات المراقبة التقليدية، التي تتطلب خط رؤية واضحًا وتكون مرئية عادةً، يمكن أن يعمل استشعار Wi-Fi عبر الجدران ودون علم الأفراد الخاضعين للمراقبة. وقد سلط خبراء في منظمات مثل Kaspersky الضوء على أنه إذا تمكنت جهات خبيثة من الوصول إلى بيانات CSI الخاصة بالشبكة، فبإمكانها نظريًا استنتاج معلومات حساسة حول سلوكيات المقيمين وروتينهم اليومي. ويطرح هذا التقاطع بين الأمن المادي والأمن السيبراني تحديات جديدة لحماية الخصوصية في البيئات شديدة الاتصال.

ما لا نعرفه

لا يُعرف مدى انتشار تطبيق هذه التقنية حاليًا خارج بيئات البحث الخاضعة للرقابة. ومع أن الأسس النظرية والتجريبية لاستشعار Wi-Fi موثقة جيدًا في الأدبيات الأكاديمية، فإن الانتقال من المختبرات إلى التطبيق الواقعي واسع النطاق ينطوي على العديد من المتغيرات غير المحسومة. وتتمثل إحدى النقاط المجهولة الرئيسية في مدى متانة هذه الأنظمة في البيئات شديدة الديناميكية وغير المتوقعة؛ إذ غالبًا ما تُجرى الدراسات الأكاديمية في مساحات خاضعة للرقابة حيث يمكن تقليل المتغيرات إلى أدنى حد. أما في المنازل أو المكاتب النمطية، فإن بيئة الترددات الراديوية عُرضة لتغير مستمر؛ فحركة الحيوانات الأليفة، وإعادة ترتيب الأثاث، وفتح الأبواب وإغلاقها، والتشويش الناجم عن شبكات Wi-Fi المجاورة أو الأجهزة الإلكترونية الأخرى، تُدخل جميعها ضوضاء في بيانات معلومات حالة القناة (CSI). وليس مفهومًا تمامًا مدى فعالية نماذج التعلم الآلي الحالية في تصفية هذه الضوضاء البيئية للحفاظ على دقة التعرف على النشاط البشري على مدى فترات طويلة دون الحاجة إلى إعادة معايرة متكررة. وعلاوة على ذلك، لا يزال تتبع عدة أفراد في وقت واحد يمثل تحديًا كبيرًا؛ إذ تركز معظم التجارب المخبرية الناجحة على شخص واحد فقط. وعندما يتحرك عدة أشخاص داخل مكان ما، تتداخل تأثيراتهم على الانتشار متعدد المسارات، مما ينتج تغيرات معقدة للغاية في CSI. ولا يُعرف متى أو ما إذا كانت تقنيات معالجة الإشارات ستتقدم بما يكفي لعزل وتتبع الحركات المميزة لعدة أشخاص بشكل موثوق في غرفة مزدحمة باستخدام إشارات Wi-Fi المحيطية وحدها. كما تظل مسألة توحيد معايير استخراج CSI سؤالًا مفتوحًا؛ إذ تطبق الشركات المصنعة لشرائح Wi-Fi المختلفة إعداد تقارير CSI بطرق متباينة، ولا تتيح جميع أجهزة التوجيه التجارية هذه البيانات بسهولة للمستخدمين النهائيين أو لتطبيقات الطرف الثالث. ولم يتم رسم خريطة شاملة لمدى الحاجة إلى تعديل البرمجيات الثابتة أو استخدام برامج متخصصة لجمع بيانات CSI قابلة للاستخدام عبر مجموعة متنوعة من أجهزة المستهلكين. وهناك أيضًا نقص في البيانات الشاملة بشأن التأثيرات طويلة المدى لاستشعار الترددات الراديوية المحيطية على الخصوصية. فبينما حدد خبراء الأمن السيبراني نقاط ضعف محتملة، فإن التكرار الفعلي لمثل هذه الاختراقات في الواقع غير معروف. وليس من الواضح ما إذا كانت بروتوكولات أمان الشبكة الحالية كافية لحماية بيانات CSI من الاعتراض غير المصرح به، أو ما إذا كانت هناك حاجة إلى معايير أمنية جديدة ومخصصة مع نضوج التقنية. كما أن الأطر القانونية والتنظيمية التي تحكم استخدام إشارات Wi-Fi لأغراض المراقبة تظل غير محددة إلى حد كبير في العديد من الولايات القضائية، مما يترك فجوة في فهمنا لكيفية إدارة هذه التكنولوجيا على المستوى المجتمعي.

الادعاءات

تُطرح داخل الأوساط الأكاديمية ومجتمعات الأمن السيبراني عدة ادعاءات بشأن قدرات تقنية استشعار Wi-Fi وتداعياتها. ويدعي باحثون أنه باستخدام معلومات حالة القناة (CSI)، يمكن تحقيق دقة عالية في التعرف على النشاط البشري (HAR) دون الحاجة إلى أجهزة استشعار قابلة للارتداء أو كاميرات بصرية. ويُزعم أن هذه الأنظمة يمكنها التمييز بين الحركات الدقيقة، مثل أنماط التنفس، أو معدلات ضربات القلب، أو ضغطات المفاتيح على لوحة المفاتيح، من خلال تحليل تأثيرات دوبلر الدقيقة على موجات الراديو. ويدعي مؤيدو هذه التقنية أنها تنطوي على إمكانات كبيرة لتطبيقات الرعاية الصحية والحياة بمساعدة الغير؛ فعلى سبيل المثال، يُقترح أنه يمكن استخدام استشعار Wi-Fi للمراقبة المستمرة وغير المتطفلة لكبار السن، واكتشاف حالات السقوط أو التغيرات في الروتين اليومي تلقائيًا والتي قد تشير إلى تدهور الصحة. ونظرًا لأن التقنية لا تلتقط صورًا مرئية، فغالبًا ما يُزعم أنها بديل أكثر حفاظًا على الخصوصية مقارنة بالمراقبة بالفيديو في المناطق الحساسة مثل الحمامات أو غرف النوم. وفي مجال أتمتة المنازل الذكية، يدعي باحثون أنه يمكن استخدام تحليل CSI للتعرف على الإيماءات، مما يسمح للمستخدمين بالتحكم في الأجهزة أو الإضاءة بمجرد تحريك أيديهم في الهواء، دون لمس واجهة مادية أو التحدث إلى مساعد صوتي. وعلى النقيض من ذلك، يدعي محللو الأمن السيبراني أن الطبيعة المزدوجة الاستخدام للبنية التحتية لشبكات Wi-Fi تقدم نواقل هجوم جديدة. ويُزعم أنه إذا تمكن مهاجم من اختراق شبكة محلية، فيمكنه نظريًا استخدام بيانات CSI الخاصة بجهاز التوجيه لرسم خريطة للجزء الداخلي من مبنى أو تتبع تحركات شاغليه. ويدعي بعض الخبراء أنه مع زيادة تطور خوارزميات التعلم الآلي، ستنخفض الحواجز أمام استخراج معلومات استخباراتية ذات مغزى من إشارات الراديو المحيطية، مما قد يؤدي إلى مراقبة سرية واسعة النطاق باستخدام الإلكترونيات الاستهلاكية اليومية.

ما تم التحقق منه

يؤكد الإجماع الأكاديمي أنه يمكن استخدام CSI لشبكات Wi-Fi لمراقبة الوجود البشري والنشاط من خلال انعكاسات موجات الراديو. ومن المبادئ الفيزيائية المؤكدة أن إشارات التردد الراديوي في النطاقات المستخدمة في شبكات Wi-Fi القياسية تتفاعل مع الأجسام المادية، بما في ذلك الأجسام البشرية، مما يؤدي إلى التشتت والانعكاس والامتصاص. ومن المؤكد أن مستقبلات Wi-Fi الحديثة تحسب معلومات حالة القناة لإدارة هذه البيئات متعددة المسارات وتحسين نقل البيانات. وتؤكد المصادر الأكاديمية المقدمة، بما في ذلك المنشورات المحكمة في ACM Computing Surveys، أن بيانات CSI هذه تحتوي على دقة تفصيلية كافية لتعكس التغيرات في البيئة المادية الناتجة عن الحركة البشرية. علاوة على ذلك، ثبت أنه يمكن تطبيق تقنيات التعلم الآلي على بيانات CSI لتصنيف أنشطة بدنية معينة في ظل ظروف تجريبية. والآلية الأساسية — المتمثلة في أن الحركة المادية تغير انتشار الإشارة، وهو ما يُسجل بعد ذلك كتغيرات في سعة وطور الحوامل الفرعية لـ OFDM — راسخة جيدًا في مجالات الاتصالات وعلوم الكمبيوتر. كما تم التحقق من أن مناقشات خبراء الأمن السيبراني بشأن الآثار النظرية المترتبة على الخصوصية من جمع هذه البيانات تعد جزءًا من النقاش الجاري حول تقنيات الاستشعار المحيطي. ومن الحقائق المثبتة أن البنية التحتية اللازمة لالتقاط هذه البيانات موجودة بالفعل في ملايين المنازل والشركات حول العالم.

تفسيرات متنافسة

• مقبول: تؤكد الأبحاث الأكاديمية أنه يمكن استخدام معلومات حالة القناة (CSI) لشبكات Wi-Fi للكشف عن الوجود البشري والنشاط من خلال تحليل انعكاسات موجات الراديو.

ما قد يغير تقييمنا

سيتغير تقييم تقنية استشعار Wi-Fi إذا أظهرت وثائق تقنية محكمة أو تحقق مستقل تطبيقات أوسع وموحدة لتقنية Wi-Fi CSI في بيئات واقعية غير خاضعة للرقابة. وفي الوقت الحالي، يعتمد جزء كبير من الأبحاث التأسيسية على تكوينات أجهزة محددة وظروف اختبار خاضعة للرقابة. وإذا نُشرت دراسات طولية واسعة النطاق تثبت أن أنظمة التعرف على النشاط البشري يمكن أن تعمل بشكل موثوق عبر بيئات متنوعة ومليئة بالضوضاء دون الحاجة إلى إعادة معايرة مستمرة، فسيتم إثبات الجدوى العملية للتكنولوجيا بشكل أكثر رسوخًا. ومن شأن الأدلة التي تُظهر أن نماذج التعلم الآلي قادرة على التكيف عالميًا مع مختلف التخطيطات المعمارية، ومستويات تداخل الترددات الراديوية المتفاوتة، وسيناريوهات تعدد الأشخاص، أن تغير بشكل كبير فهم مدى جاهزيتها للنشر على نطاق واسع. كما أن إنشاء مجموعات بيانات كبيرة ومفتوحة المصدر تحتوي على قراءات CSI من آلاف البيئات المختلفة من شأنه أيضًا تغيير التقييم، حيث سيتيح للباحثين المستقلين قياس خوارزمياتهم بمزيد من الدقة. بالإضافة إلى ذلك، سيتطور تقييم مخاطر الخصوصية إذا تم تطوير بروتوكولات أمان موحدة مصممة خصيصًا لتشفير بيانات CSI أو إخفاء هويتها على مستوى الأجهزة، واعتمادها على نطاق واسع من قبل مصنعي أجهزة التوجيه. وعلى العكس من ذلك، فإن الحالات الموثقة لاستغلال المراقبة المستندة إلى CSI بشكل نشط من قبل جهات خبيثة خارج العروض التوضيحية المخبرية ستنقل تقييم تهديد الأمن السيبراني من كونه نظريًا إلى تهديد فوري.