Технология Wi-Fi-зондирования: что на самом деле показывают отражения радиоволн

Что произошло

Циркулируют сообщения о технологии, использующей сигналы домашнего Wi-Fi для мониторинга активности человека. Эти сообщения основаны на академических исследованиях информации о состоянии канала Wi-Fi (CSI) и ее применения в распознавании активности человека (HAR). Одна из ведущих европейских компаний, производящих специализированное геофизическое оборудование, X6 Geo Plus, использует эту технологию Wi-Fi-зондирования в своем Android-приложении для анализа подповерхностного слоя и в военных целях. (От издателя: X6 Geo Plus принадлежит издателю AENIGMA.) Более широкий контекст этих сообщений связан с растущей повсеместностью беспроводных сетей в жилых и коммерческих помещениях. За последние два десятилетия Wi-Fi-роутеры стали стандартными элементами современной инфраструктуры, постоянно передающими радиочастотные сигналы для подключения таких устройств, как смартфоны, компьютеры и приборы умного дома. По мере распространения этих сигналов в окружающей среде они взаимодействуют с физическими объектами и телами людей. Осознание того, что эти взаимодействия можно измерить и проанализировать, открыло новые горизонты в области фонового зондирования. Исследователи изучают, как невидимые волны, обеспечивающие доступ в интернет, могут также служить пассивной системой мониторинга. Этот характер двойного назначения повседневных технологий вызвал дискуссии в различных областях — от компьютерных наук до кибербезопасности. Переход Wi-Fi от простого средства связи к потенциальному датчику окружающей среды представляет собой значительный сдвиг в понимании беспроводной инфраструктуры. Исторически концепция использования радиоволн для обнаружения объектов восходит к развитию радаров в начале 20-го века. Однако традиционные радиолокационные системы активно излучают мощные направленные импульсы радиоэнергии. Текущие разработки в области Wi-Fi-зондирования опираются на пассивное или оппортунистическое зондирование, используя маломощные фоновые сигналы, уже присутствующие в окружающей среде, для сбора данных о физических перемещениях.

Что мы знаем

Рецензируемые исследования, опубликованные в ACM Computing Surveys, подтверждают, что информация о состоянии канала Wi-Fi (CSI) может использоваться для мониторинга присутствия и активности человека. Это достигается за счет анализа отражений радиоволн в окружающей среде. Эксперты по кибербезопасности, такие как специалисты из Kaspersky, обсуждали последствия использования Wi-Fi для распознавания активности человека с точки зрения конфиденциальности и безопасности. Технология опирается на существующую инфраструктуру Wi-Fi для наблюдения за изменениями в распространении сигнала, вызванными физическим движением. Чтобы понять, как это работает, необходимо рассмотреть базовые принципы передачи радиочастот. Когда Wi-Fi-роутер излучает сигнал, радиоволны распространяются до принимающего устройства не по одной прямой линии. Вместо этого они отражаются от стен, мебели и людей, создавая множественные пути. Это явление известно в телекоммуникациях как многолучевое распространение. Исторически многолучевое распространение рассматривалось в первую очередь как проблема, поскольку накладывающиеся сигналы могли вызывать помехи и ухудшать качество беспроводного соединения. Современные стандарты Wi-Fi, особенно использующие технологии Multiple-Input Multiple-Output (MIMO) и Orthogonal Frequency-Division Multiplexing (OFDM), были разработаны для управления этими множественными путями и даже их использования для повышения скорости передачи данных. Информация о состоянии канала (CSI) — это метрика, используемая в этих современных беспроводных системах для описания того, как сигнал распространяется от передатчика к приемнику. В отличие от более старого индикатора уровня принимаемого сигнала (RSSI), который дает лишь грубую оценку общей мощности сигнала, CSI предоставляет высокодетализированные данные. Она фиксирует амплитуду и фазу сигнала на десятках или сотнях отдельных поднесущих. Поскольку человеческое тело в основном состоит из воды, оно сильно отражает и поглощает радиочастотные волны в диапазонах 2.4 GHz и 5 GHz, обычно используемых Wi-Fi. Эти частоты имеют длину волны около 12 сантиметров и 6 сантиметров соответственно, что делает их особенно чувствительными к объектам и движениям человеческого масштаба. Когда человек перемещается по комнате, он изменяет условия многолучевого распространения, вызывая мельчайшие, но измеримые изменения в матрице данных CSI. Академические исследователи продемонстрировали, что, фиксируя и анализируя эти вариации CSI, можно идентифицировать конкретные движения человека. Этот процесс обычно включает сбор больших наборов данных показаний CSI во время выполнения испытуемыми различных действий, таких как ходьба, сидение или падение. Затем алгоритмы машинного обучения обучаются на этих наборах данных распознавать уникальные сигнатуры сигналов, связанные с каждым действием. Эта область исследований, известная как распознавание активности человека (HAR), значительно выросла по мере роста вычислительных мощностей и развития методов машинного обучения. Вопросы конфиденциальности, обсуждаемые экспертами по кибербезопасности, обусловлены пассивным и невидимым характером этого метода зондирования. В отличие от традиционных камер наблюдения, которые требуют прямой видимости и обычно заметны, Wi-Fi-зондирование может работать сквозь стены и без ведома наблюдаемых людей. Эксперты таких организаций, как Kaspersky, подчеркивают, что если злоумышленники получат доступ к данным CSI сети, они потенциально смогут извлечь конфиденциальную информацию о поведении и распорядке дня жильцов. Это пересечение физической безопасности и кибербезопасности создает новые вызовы для защиты конфиденциальности в условиях высокой степени сетевой связности.

Чего мы не знаем

Неизвестно, насколько широко эта технология внедрена в настоящее время за пределами контролируемых исследовательских сред. Хотя теоретические и экспериментальные основы Wi-Fi-зондирования хорошо задокументированы в академической литературе, переход от лабораторных условий к широкому практическому применению сопряжен с множеством нерешенных переменных. Одной из основных неопределенностей является надежность этих систем в крайне динамичных и непредсказуемых условиях. Академические исследования часто проводятся в контролируемых пространствах, где переменные могут быть сведены к минимуму. В типичном доме или офисе радиочастотная среда подвержена постоянным изменениям. Передвижения домашних животных, перестановка мебели, открывание и закрывание дверей, а также помехи от соседних сетей Wi-Fi или других электронных устройств вносят шум в данные информации о состоянии канала (CSI). До конца не понятно, насколько эффективно современные модели машинного обучения способны фильтровать этот окружающий шум, чтобы поддерживать точное распознавание активности человека на протяжении длительного времени без частой перекалибровки. Кроме того, серьезной проблемой остается одновременное отслеживание нескольких людей. Большинство успешных лабораторных демонстраций ориентированы на одного субъекта. Когда в пространстве перемещаются несколько человек, их воздействие на многолучевое распространение накладывается друг на друга, создавая чрезвычайно сложные вариации CSI. Неизвестно, когда и смогут ли методы обработки сигналов развиться настолько, чтобы надежно изолировать и отслеживать отдельные движения нескольких человек в заполненной людьми комнате, используя только фоновые сигналы Wi-Fi. Стандартизация извлечения CSI также остается открытым вопросом. Различные производители чипсетов Wi-Fi реализуют передачу данных CSI по-разному, и далеко не все коммерческие роутеры делают эти данные легко доступными для конечных пользователей или сторонних приложений. Степень, в которой требуются модификации прошивки или специализированное программное обеспечение для сбора пригодных к использованию данных CSI на широком спектре потребительского оборудования, детально не определена. Также отсутствуют исчерпывающие данные о долгосрочном воздействии фонового радиочастотного зондирования на конфиденциальность. Хотя эксперты по кибербезопасности обозначили потенциальные уязвимости, реальная частота подобных эксплойтов на практике неизвестна. Неясно, достаточны ли существующие протоколы сетевой безопасности для защиты данных CSI от несанкционированного перехвата или же по мере развития технологии потребуются новые, специально разработанные стандарты безопасности. Правовые и нормативные базы, регулирующие использование сигналов Wi-Fi в целях наблюдения, во многих юрисдикциях также практически не определены, что оставляет пробел в нашем понимании того, как эта технология будет регулироваться на общественном уровне.

Что утверждается

В академическом сообществе и сообществе специалистов по кибербезопасности высказывается ряд утверждений относительно возможностей и последствий технологии Wi-Fi-зондирования. Исследователи утверждают, что с помощью информации о состоянии канала (CSI) можно достичь высокоточного распознавания активности человека (HAR) без необходимости использования носимых датчиков или оптических камер. Утверждается, что эти системы способны различать едва заметные движения, такие как паттерны дыхания, частота сердечных сокращений или нажатия клавиш на клавиатуре, путем анализа микродоплеровских эффектов в радиоволнах. Сторонники технологии заявляют, что она обладает значительным потенциалом для применения в здравоохранении и уходе за людьми. Например, предполагается, что Wi-Fi-зондирование можно использовать для непрерывного ненавязчивого мониторинга пожилых людей, автоматически фиксируя падения или изменения в повседневном распорядке, которые могут свидетельствовать об ухудшении здоровья. Поскольку технология не фиксирует визуальные изображения, ее часто называют альтернативой видеонаблюдению, более щадящей конфиденциальность в таких чувствительных зонах, как ванные или спальни. В сфере автоматизации умного дома исследователи заявляют, что анализ CSI можно использовать для распознавания жестов, что позволит пользователям управлять бытовыми приборами или освещением простым движением рук в воздухе, не прикасаясь к физическому интерфейсу и не обращаясь к голосовому помощнику. Напротив, аналитики по кибербезопасности утверждают, что характер двойного назначения инфраструктуры Wi-Fi создает новые векторы атак. Утверждается, что в случае компрометации локальной сети злоумышленник теоретически может использовать данные CSI роутера для составления карты внутренних помещений здания или отслеживания перемещений его обитателей. Некоторые эксперты утверждают, что по мере усложнения алгоритмов машинного обучения барьер для извлечения значимой информации из фоновых радиосигналов будет снижаться, что потенциально может привести к скрытому повсеместному наблюдению с использованием повседневной потребительской электроники.

Что проверено

Академический консенсус подтверждает, что Wi-Fi CSI может использоваться для наблюдения за присутствием и активностью человека с помощью отражений радиоволн. Физическим фактом является то, что радиочастотные сигналы в диапазонах, используемых стандартными сетями Wi-Fi, взаимодействуют с физическими объектами, включая тела людей, что приводит к рассеянию, отражению и поглощению. Подтверждено, что современные приемники Wi-Fi рассчитывают информацию о состоянии канала для управления этими средами многолучевого распространения и оптимизации передачи данных. Предоставленные академические источники, включая рецензируемые публикации в ACM Computing Surveys, подтверждают, что эти данные CSI обладают достаточной степенью детализации, чтобы отражать изменения в физической среде, вызванные движением человека. Кроме того, подтверждено, что методы машинного обучения могут применяться к данным CSI для классификации определенных видов физической активности в экспериментальных условиях. Фундаментальный механизм — то, что физическое движение изменяет распространение сигнала, что затем фиксируется как вариации амплитуды и фазы поднесущих OFDM, — хорошо обоснован в областях телекоммуникаций и компьютерных наук. Дискуссии экспертов по кибербезопасности о теоретических последствиях этого сбора данных для конфиденциальности также подтверждены как часть текущего обсуждения технологий фонового зондирования. Подтвержденным фактом является и то, что инфраструктура, необходимая для сбора этих данных, уже существует в миллионах домов и предприятий по всему миру.

Конкурирующие объяснения

• Принято: Академические исследования подтверждают, что информация о состоянии канала Wi-Fi (CSI) может использоваться для обнаружения присутствия и активности человека путем анализа отражений радиоволн.

Что изменило бы нашу оценку

Оценка технологии Wi-Fi-зондирования изменилась бы, если бы рецензируемая техническая документация или независимая проверка продемонстрировали более широкое стандартизированное применение технологии Wi-Fi CSI в неконтролируемых реальных условиях. В настоящее время большая часть фундаментальных исследований опирается на конкретные конфигурации оборудования и контролируемые условия тестирования. Если бы были опубликованы масштабные долгосрочные исследования, демонстрирующие, что системы распознавания активности человека могут надежно работать в различных шумных средах без постоянной перекалибровки, практическая жизнеспособность технологии была бы подтверждена более убедительно. Доказательства того, что модели машинного обучения способны универсально адаптироваться к различным архитектурным планировкам, меняющимся уровням радиочастотных помех и сценариям с участием нескольких человек, существенно изменили бы понимание ее готовности к масштабному развертыванию. Создание крупных общедоступных наборов данных, содержащих показания CSI из тысяч различных сред, также изменило бы оценку, поскольку позволило бы независимым исследователям более строго тестировать свои алгоритмы. Кроме того, оценка рисков для конфиденциальности изменилась бы, если бы производители роутеров разработали и широко внедрили стандартизированные протоколы безопасности, специально предназначенные для шифрования или анонимизации данных CSI на аппаратном уровне. И наоборот, задокументированные случаи активного использования слежки на основе CSI злоумышленниками за пределами лабораторных демонстраций перевели бы оценку угрозы кибербезопасности из разряда теоретических в разряд непосредственных.