Technologie de détection Wi-Fi : ce que révèlent réellement les réflexions d'ondes radio

Ce qui s'est passé

Des signalements ont circulé concernant une technologie qui utilise les signaux Wi-Fi domestiques pour surveiller l'activité humaine. Ces rapports découlent de recherches universitaires sur les informations sur l'état du canal (CSI) Wi-Fi et leurs applications dans la reconnaissance de l'activité humaine (HAR). L'une des principales entreprises européennes disposant d'équipements géophysiques spécialisés, X6 Geo Plus, utilise cette technologie de détection Wi-Fi dans son application Android pour l'analyse du sous-sol et dans ses applications militaires. (Note de l'éditeur : X6 Geo Plus appartient à l'éditeur d'AENIGMA.) Le contexte plus large de ces rapports concerne l'omniprésence croissante des réseaux sans fil dans les espaces résidentiels et commerciaux. Au cours des deux dernières décennies, les routeurs Wi-Fi sont devenus des éléments standards des infrastructures modernes, transmettant en permanence des signaux radiofréquences pour connecter des appareils tels que les smartphones, les ordinateurs et les équipements domotiques. À mesure que ces signaux se propagent dans un environnement, ils interagissent avec les objets physiques et les corps humains. La prise de conscience que ces interactions peuvent être mesurées et analysées a ouvert une nouvelle frontière dans la détection ambiante. Les chercheurs étudient comment les ondes invisibles qui fournissent l'accès à Internet pourraient également servir de système de surveillance passive. Cette nature à double usage d'une technologie du quotidien a suscité des discussions dans divers domaines, de l'informatique à la cybersécurité. La transition du Wi-Fi d'un simple outil de communication à un capteur environnemental potentiel représente un changement majeur dans la manière dont les infrastructures sans fil sont perçues. Historiquement, le concept d'utilisation des ondes radio pour détecter des objets remonte au développement du radar au début du 20e siècle. Cependant, les systèmes radar traditionnels émettent activement des impulsions ciblées et puissantes d'énergie radio. Les développements actuels de la détection Wi-Fi reposent sur une détection passive ou opportuniste, utilisant les signaux ambiants de faible puissance déjà présents dans l'environnement pour recueillir des données sur les mouvements physiques.

Ce que nous savons

Des recherches évaluées par des pairs et publiées dans ACM Computing Surveys confirment que les informations sur l'état du canal (CSI) Wi-Fi peuvent être utilisées pour surveiller la présence et l'activité humaines. Cela s'effectue en analysant les réflexions des ondes radio dans un environnement. Des experts en cybersécurité, notamment ceux de Kaspersky, ont examiné les implications en matière de confidentialité et de sécurité liées à l'utilisation du Wi-Fi pour la reconnaissance de l'activité humaine. La technologie s'appuie sur l'infrastructure Wi-Fi existante pour observer les variations de propagation des signaux causées par les mouvements physiques. Pour comprendre son fonctionnement, il convient d'examiner les principes de base de la transmission radiofréquence. Lorsqu'un routeur Wi-Fi émet un signal, les ondes radio ne se déplacent pas en une ligne droite unique jusqu'à l'appareil récepteur. Elles rebondissent au contraire sur les murs, les meubles et les personnes, créant des trajets multiples. Ce phénomène est connu dans les télécommunications sous le nom de propagation par trajets multiples. Historiquement, la propagation par trajets multiples était principalement perçue comme un problème, car le chevauchement des signaux pouvait provoquer des interférences et dégrader la qualité de la connexion sans fil. Les normes Wi-Fi modernes, en particulier celles exploitant la technologie MIMO (Multiple-Input Multiple-Output) et le multiplexage OFDM (Orthogonal Frequency-Division Multiplexing), ont été développées pour gérer et même exploiter ces trajets multiples afin d'améliorer les débits de transmission de données. L'information sur l'état du canal (CSI) est une métrique utilisée dans ces systèmes sans fil modernes pour décrire la manière dont un signal se propage de l'émetteur au récepteur. Contrairement à l'ancien indicateur d'intensité du signal reçu (RSSI), qui ne fournit qu'une mesure brute de la puissance globale du signal, la CSI offre des données très détaillées. Elle enregistre l'amplitude et la phase du signal sur des dizaines ou des centaines de sous-porteuses individuelles. Parce que le corps humain est composé en grande partie d'eau, il réfléchit et absorbe fortement les ondes radiofréquences dans les bandes de 2.4 GHz et 5 GHz couramment utilisées par le Wi-Fi. Ces fréquences ont des longueurs d'onde d'environ 12 centimètres et 6 centimètres, respectivement, ce qui les rend particulièrement sensibles aux objets et mouvements de taille humaine. Lorsqu'une personne se déplace dans une pièce, elle modifie l'environnement de trajets multiples, provoquant des variations minimes mais mesurables dans la matrice de données CSI. Les chercheurs universitaires ont démontré qu'en capturant et en analysant ces variations de CSI, il est possible d'identifier des mouvements humains spécifiques. Le processus implique généralement la collecte d'importants ensembles de données de relevés CSI pendant que les sujets effectuent diverses actions, telles que marcher, s'asseoir ou tomber. Des algorithmes d'apprentissage automatique sont ensuite entraînés sur ces ensembles de données pour reconnaître les motifs de signal uniques, ou signatures, associés à chaque activité. Ce domaine d'étude, connu sous le nom de reconnaissance de l'activité humaine (HAR), s'est considérablement développé avec les progrès de la puissance de calcul et des techniques d'apprentissage automatique. Les implications en matière de confidentialité soulignées par les experts en cybersécurité découlent de la nature passive et invisible de cette méthode de détection. Contrairement aux caméras de surveillance traditionnelles, qui nécessitent une ligne de visée dégagée et sont généralement visibles, la détection Wi-Fi peut fonctionner à travers les murs et à l'insu des personnes surveillées. Des experts d'organisations comme Kaspersky ont souligné que si des acteurs malveillants parvenaient à accéder aux données CSI d'un réseau, ils pourraient potentiellement déduire des informations sensibles sur les comportements et les routines des occupants. Cette intersection entre sécurité physique et cybersécurité pose de nouveaux défis pour la protection de la vie privée dans les environnements hyperconnectés.

Ce que nous ne savons pas

On ignore à quel point cette technologie est actuellement déployée en dehors des environnements de recherche contrôlés. Bien que les fondements théoriques et expérimentaux de la détection Wi-Fi soient bien documentés dans la littérature universitaire, le passage du laboratoire à une application pratique à grande échelle comporte de nombreuses variables non résolues. L'une des principales inconnues réside dans la robustesse de ces systèmes dans des environnements très dynamiques et imprévisibles. Les études universitaires se déroulent souvent dans des espaces contrôlés où les variables peuvent être réduites au minimum. Dans un logement ou un bureau ordinaire, l'environnement radiofréquence est soumis à des changements constants. Les déplacements d'animaux domestiques, le déplacement de meubles, l'ouverture et la fermeture de portes, ainsi que les interférences provenant de réseaux Wi-Fi voisins ou d'autres appareils électroniques introduisent tous du bruit dans les données d'information sur l'état du canal (CSI). L'efficacité réelle avec laquelle les modèles actuels d'apprentissage automatique peuvent filtrer ce bruit environnemental pour maintenir une reconnaissance précise de l'activité humaine sur de longues périodes sans réétalonnage fréquent n'est pas pleinement comprise. De plus, le suivi simultané de plusieurs personnes demeure un défi majeur. La plupart des démonstrations réussies en laboratoire se concentrent sur un seul individu. Lorsque plusieurs personnes se déplacent dans un espace, leurs effets sur la propagation par trajets multiples se superposent, créant des variations CSI très complexes. On ignore quand, ou si, les techniques de traitement du signal progresseront suffisamment pour isoler et suivre de manière fiable les mouvements distincts de plusieurs personnes dans une pièce encombrée en utilisant uniquement les signaux Wi-Fi ambiants. La standardisation de l'extraction des données CSI reste également une question ouverte. Les différents fabricants de puces Wi-Fi implémentent la restitution des CSI de manières diverses, et tous les routeurs commerciaux ne rendent pas ces données facilement accessibles aux utilisateurs finaux ou aux applications tierces. La mesure dans laquelle des modifications de micrologiciel ou des logiciels spécialisés sont nécessaires pour collecter des données CSI exploitables sur une variété de matériels grand public n'est pas cartographiée de manière exhaustive. Il existe également un manque de données complètes concernant les impacts à long terme de la détection passive par radiofréquence sur la vie privée. Bien que les experts en cybersécurité aient décrit les vulnérabilités potentielles, la fréquence réelle de telles exploitations dans des conditions réelles est inconnue. Il n'est pas établi si les protocoles actuels de sécurité réseau suffisent à protéger les données CSI contre les interceptions non autorisées, ou si de nouvelles normes de sécurité spécifiques seront requises à mesure que la technologie mûrira. Les cadres juridiques et réglementaires régissant l'utilisation des signaux Wi-Fi à des fins de surveillance sont également largement indéfinis dans de nombreuses juridictions, laissant une incertitude quant à la manière dont cette technologie sera encadrée au niveau sociétal.

Ce qui est affirmé

Au sein des communautés universitaires et de la cybersécurité, plusieurs affirmations sont avancées concernant les capacités et les implications de la technologie de détection Wi-Fi. Des chercheurs affirment qu'en utilisant les informations sur l'état du canal (CSI), il est possible d'obtenir une reconnaissance de l'activité humaine (HAR) très précise sans avoir recours à des capteurs portables ou à des caméras optiques. Il est affirmé que ces systèmes peuvent différencier des mouvements subtils, tels que les rythmes respiratoires, les fréquences cardiaques ou les frappes sur un clavier, en analysant les effets micro-Doppler sur les ondes radio. Les partisans de la technologie affirment qu'elle présente un potentiel important pour les applications de soins de santé et d'assistance à l'autonomie. Par exemple, il est suggéré que la détection Wi-Fi pourrait être utilisée pour une surveillance continue et non intrusive des personnes âgées, en détectant automatiquement les chutes ou les changements dans les routines quotidiennes pouvant indiquer une détérioration de l'état de santé. La technologie ne capturant pas d'images visuelles, elle est souvent présentée comme une alternative plus respectueuse de la vie privée que la vidéosurveillance dans des espaces intimes comme les salles de bains ou les chambres. Dans le domaine de la domotique, des chercheurs affirment que l'analyse des CSI peut être utilisée pour la reconnaissance gestuelle, permettant aux utilisateurs de contrôler des appareils ou l'éclairage simplement en bougeant leurs mains dans les airs, sans toucher d'interface physique ni s'adresser à un assistant vocal. À l'inverse, des analystes en cybersécurité soutiennent que la nature à double usage des infrastructures Wi-Fi introduit de nouveaux vecteurs d'attaque. Il est affirmé que si un attaquant compromet un réseau local, il pourrait théoriquement utiliser les données CSI du routeur pour cartographier l'intérieur d'un bâtiment ou suivre les mouvements de ses occupants. Certains experts affirment qu'à mesure que les algorithmes d'apprentissage automatique deviennent plus sophistiqués, la barrière à l'extraction de renseignements significatifs à partir des signaux radio ambiants s'abaissera, ouvrant potentiellement la voie à une surveillance clandestine généralisée à l'aide d'appareils électroniques grand public ordinaires.

Ce qui est vérifié

Le consensus universitaire vérifie que les données CSI du Wi-Fi peuvent être utilisées pour observer la présence et l'activité humaines grâce aux réflexions des ondes radio. C'est un principe physique vérifié que les signaux radiofréquences dans les bandes utilisées par les réseaux Wi-Fi standards interagissent avec les objets physiques, y compris les corps humains, ce qui entraîne de la diffusion, de la réflexion et de l'absorption. Il est vérifié que les récepteurs Wi-Fi modernes calculent les informations sur l'état du canal pour gérer ces environnements à trajets multiples et optimiser la transmission de données. Les sources universitaires fournies, y compris des publications évaluées par des pairs dans ACM Computing Surveys, confirment que ces données CSI contiennent une granularité suffisante pour refléter les modifications de l'environnement physique causées par le mouvement humain. De plus, il est vérifié que les techniques d'apprentissage automatique peuvent être appliquées aux données CSI pour classifier certaines activités physiques dans des conditions expérimentales. Le mécanisme fondamental — selon lequel le mouvement physique modifie la propagation du signal, laquelle est ensuite enregistrée sous forme de variations d'amplitude et de phase des sous-porteuses OFDM — est bien établi dans les domaines des télécommunications et de l'informatique. Les discussions des experts en cybersécurité concernant les implications théoriques de cette collecte de données sur la vie privée sont également vérifiées comme faisant partie du débat actuel autour des technologies de détection ambiante. C'est un fait vérifié que l'infrastructure nécessaire pour capturer ces données existe déjà dans des millions de foyers et d'entreprises à travers le monde.

Explications concurrentes

• Acceptée: La recherche universitaire confirme que les informations sur l'état du canal (CSI) Wi-Fi peuvent être utilisées pour détecter la présence et l'activité humaines en analysant les réflexions des ondes radio.

Ce qui changerait notre évaluation

L'évaluation de la technologie de détection Wi-Fi changerait si une documentation technique évaluée par des pairs ou une vérification indépendante démontrait des applications plus larges et standardisées de la technologie CSI Wi-Fi dans des environnements réels non contrôlés. Actuellement, une grande partie des recherches fondamentales repose sur des configurations matérielles spécifiques et des conditions de test contrôlées. Si des études longitudinales à grande échelle étaient publiées démontrant que les systèmes de reconnaissance de l'activité humaine peuvent fonctionner de manière fiable dans des environnements variés et bruités sans réétalonnage constant, la viabilité pratique de la technologie serait plus solidement établie. Des preuves montrant que les modèles d'apprentissage automatique peuvent s'adapter universellement à différentes configurations architecturales, à divers niveaux d'interférences radiofréquences et à des scénarios multipersonnes modifieraient considérablement l'état des connaissances sur son état de préparation à un déploiement à grande échelle. La création de grands ensembles de données open source contenant des relevés CSI issus de milliers d'environnements différents modifierait également l'évaluation, car cela permettrait aux chercheurs indépendants d'évaluer leurs algorithmes de manière plus rigoureuse. De plus, l'évaluation des risques pour la vie privée évoluerait si des protocoles de sécurité standardisés, spécifiquement conçus pour chiffrer ou anonymiser les données CSI au niveau matériel, étaient développés et largement adoptés par les fabricants de routeurs. Inversement, des cas documentés de surveillance basée sur les CSI activement exploités par des acteurs malveillants en dehors des démonstrations de laboratoire feraient passer l'évaluation de la menace de cybersécurité de théorique à immédiate.