Дослідницька група з Університету Карнегі-Меллона продемонструвала технологію, що дозволяє відстежувати людські рухи крізь стіни за допомогою радіохвиль Wi-Fi. На відміну від камер або дорогих лазерних сканерів LiDAR, цей метод базується на аналізі відбитих сигналів, які поширюються у будь-якому приміщенні з працюючим роутером. Науковці використали обладнання загальною вартістю близько 30 доларів за одиницю, що робить потенційну загрозу приватності доступною для ширшого кола осіб, ніж вважалося раніше у складних системах моніторингу.
Система базується на програмному інструменті DensePose, розробленому лабораторією штучного інтелекту компанії Facebook. Програма аналізує те, як радіохвилі відбиваються від предметів та людського тіла. Оскільки Wi-Fi сигнал постійно присутній у просторі, ці дані можна обробити нейронною мережею для створення візуальної моделі пози людини. Попередні спроби реалізації подібних систем, наприклад технологія RF-Capture від Массачусетського технологічного інституту, не забезпечували такої якості реконструкції, як поточний експеримент із застосуванням оновленого програмного забезпечення для обробки сигналів.
Технічний успіх дослідників полягає у використанні глибокої нейронної мережі, яка зіставляє фазу та амплітуду Wi-Fi сигналу з координатами частин людського тіла. Дослідники виділили 24 окремі зони, що дозволяє системі розпізнавати пози кількох людей одночасно. Головною умовою є наявність даних про фазу та амплітуду хвиль, які стають єдиним джерелом інформації для побудови тривимірного відображення об’єктів, що знаходяться поза межами прямої видимості в кімнаті чи офісному приміщенні.
Важливо зазначити, що представлене дослідження на даний момент не пройшло процедуру рецензування іншими фахівцями. Окрім цього, для ефективного функціонування системи вченим знадобилося три окремі роутери та три приймачі сигналу, розташовані у конкретних точках. У звичайних умовах житлового будинку, де користувачі обмежуються одним пристроєм або простим підсилювачем сигналу, якість отриманих даних може бути значно нижчою через перешкоди та нестабільність Wi-Fi хвиль у середовищі з великою кількістю предметів інтер’єру.
Хоча нейронна мережа доступна для вивчення на платформі Github, навчена модель для конкретних просторових умов залишається закритою. Зловмисникам знадобляться значні зусилля для самостійного навчання алгоритмів під конфігурацію приміщення. Проте у комерційних будівлях чи великих офісах, де присутня мережа з багатьох точок доступу, ризик використання технології для пасивного відстеження стає цілком реальним технічним сценарієм, який не потребує фізичного проникнення всередину об’єкта або згоди людей на проведення спостереження.
За даними статистики, близько 80% домогосподарств у США вже використовують Wi-Fi роутери, що створює широке поле для потенційного збору даних. Оскільки Wi-Fi сигнали локально активні навіть за відсутності з’єднання з інтернетом, система може працювати автономно. Питання про те, хто саме здійснюватиме моніторинг та як визначатиметься підозріла поведінка мешканців, залишається відкритим, оскільки розробники пропонують використовувати цей метод для оцінки добробуту людей, проте етичні ризики приватної власності на приватне життя залишаються критичними.
