وایفای معمولی میتواند افراد را با دقت ۹۹.۵ درصد شناسایی کند
پژوهشگران آلمانی نشان دادهاند که تجهیزات معمولی وایفای میتوانند علاوه بر انتقال اینترنت، به ابزاری برای شناسایی افراد حاضر در یک محیط تبدیل شوند.
سامانهای به نام BFId با بررسی نحوهی تأثیر بدن انسان بر امواج رادیویی، الگویی از هر فرد ایجاد میکند و میتواند او را در میان مجموعهای از افراد از پیش ثبتشده تشخیص دهد. این فناوری در آزمایشی شامل ۱۹۷ شرکتکننده به دقت حدود ۹۹.۵ درصد رسید.
نکتهی مهم این است که فرد برای شناساییشدن نیازی به همراهداشتن تلفن همراه، ساعت هوشمند یا دستگاه متصل به شبکه ندارد. حتی خاموشبودن گوشی نیز لزوماً مانع عملکرد سامانه نمیشود؛ زیرا دستگاههای دیگری که در همان محیط به شبکه متصلاند، سیگنال لازم را تولید میکنند.
وایفای چگونه افراد را شناسایی میکند؟
امواج وایفای هنگام حرکت در محیط به دیوارها، مبلمان، اشیا و بدن افراد برخورد میکنند. حضور و حرکت هر شخص تغییرات ظریفی در مسیر، شدت و فاز این امواج ایجاد میکند.
پژوهشگران این تغییرات را تحلیل میکنند تا نوعی الگوی رادیویی از فرد بسازند. این فرایند تا حدی شبیه استفاده از دوربین است، با این تفاوت که بهجای نور مرئی، از امواج رادیویی استفاده میشود.
سیستم BFId بهطور مشخص از دادههایی به نام Beamforming Feedback Information یا BFI استفاده میکند. این اطلاعات در شبکههای وایفای جدید برای کمک به روتر در هدایت بهتر سیگنال به سمت دستگاههای متصل تولید میشوند.
Beamforming چیست؟
در شبکههای قدیمی، روتر سیگنال را تقریباً در تمام جهتها منتشر میکرد. فناوری Beamforming تلاش میکند امواج را با تمرکز بیشتری به سمت دستگاه مقصد هدایت کند تا سرعت و کیفیت ارتباط افزایش یابد.
برای انجام این کار، دستگاههای متصل اطلاعاتی دربارهی وضعیت کانال رادیویی برای روتر ارسال میکنند. این اطلاعات نشان میدهند سیگنال در مسیر خود چه تغییراتی کرده است.
پژوهشگران دریافتند همین دادهها میتوانند جزئیاتی دربارهی افراد حاضر در محیط آشکار کنند. از آنجا که بخشی از بازخورد Beamforming بدون رمزگذاری منتقل میشود، فردی در محدودهی شبکه ممکن است بتواند آن را بهصورت غیرفعال دریافت و تحلیل کند.
شناسایی بدون ورود به شبکه
یکی از مهمترین جنبههای این پژوهش آن است که مهاجم لزوماً به رمز عبور وایفای یا دسترسی مستقیم به شبکه نیاز ندارد.
یک گیرندهی سازگار در محدودهی امواج میتواند دادههای بازخورد را شنود کند. سپس مدل یادگیری ماشین، تغییرات ایجادشده در سیگنالها را بررسی و آنها را با الگوهای قبلی مقایسه میکند.
به گفتهی پژوهشگران، تجهیزات تخصصی و گرانقیمت نیز برای این کار ضروری نیستند و فناوری میتواند با سختافزارهای رایج وایفای ۵ و نسلهای جدیدتر اجرا شود.
دقت ۹۹.۵ درصد به چه معناست؟
در آزمایش انجامشده، پژوهشگران دادههای وایفای ۱۹۷ نفر را جمعآوری کردند و سامانه توانست افراد را با دقت متوسط حدود ۹۹.۵ درصد تشخیص دهد.
این سیستم در برابر تفاوت زاویهی مشاهده، مسیر حرکت و شیوههای مختلف راهرفتن نیز عملکرد بالایی داشت. در یک مقایسهی مستقیم، روش مبتنی بر BFI از روشهای قدیمیتر مبتنی بر Channel State Information عملکرد بهتری ثبت کرد.
بااینحال، این نتیجه به معنای آن نیست که هر روتر میتواند فوراً نام هر فرد ناشناسی را اعلام کند. مدل ابتدا به نمونههایی از حضور یا حرکت هر شخص نیاز دارد تا مشخصات او را یاد بگیرد.
به بیان ساده، سامانه بیشتر شبیه تشخیص چهره در میان افراد ثبتشده است، نه شناسایی فوری هر فرد ناشناس در جهان.
آیا گوشی باید روشن باشد؟
خیر. فرد هدف لازم نیست هیچ دستگاه وایفای همراه خود داشته باشد.
اگر در محیط دستگاههای دیگری مانند لپتاپ، تلویزیون هوشمند، دوربین، تلفن یا وسایل متصل به شبکه وجود داشته باشند، تبادل اطلاعات میان آنها و روتر میتواند سیگنال کافی برای حسکردن تغییرات محیط ایجاد کند.
بنابراین، خاموشکردن گوشی شخصی بهتنهایی ممکن است برای جلوگیری از شناسایی کافی نباشد.
نگرانی دربارهی نظارت نامرئی
پژوهشگران هشدار دادهاند که این فناوری میتواند روترهای معمولی را به زیرساختی برای نظارت پنهانی تبدیل کند.
برای مثال، یک فروشگاه، اداره، فرودگاه یا کافه میتواند در آینده افراد را از روی الگوی سیگنال شناسایی کند، بدون آنکه دوربین آشکاری نصب شده باشد یا کاربران از این فرایند اطلاع داشته باشند.
دادههای وایفای پیشتر برای تشخیص حضور افراد، موقعیت آنها، حرکات بدن و نوع فعالیت استفاده شده بودند. امکان شناسایی هویت، سطح تازهای از نگرانیهای حریم خصوصی را ایجاد میکند.
این مسئله بهویژه در محیطهایی اهمیت دارد که دوربینها با محدودیت قانونی یا اجتماعی روبهرو هستند، زیرا حسگر وایفای تقریباً نامرئی است و کاربران معمولاً حضور آن را ابزار نظارتی تلقی نمیکنند.
محدودیتهای پژوهش
دقت ۹۹.۵ درصد در یک مجموعهی آزمایشی و برای افرادی به دست آمده که سیستم از قبل نمونههایی از آنها در اختیار داشته است.
تغییر شدید محیط، جابهجایی مبلمان، حضور همزمان افراد متعدد، نوع متفاوت روتر و فاصلههای بیشتر میتوانند بر نتیجه اثر بگذارند. همچنین هنوز مشخص نیست این دقت در مقیاس میلیونها کاربر یا در محیطهای شلوغ عمومی حفظ خواهد شد یا خیر.
بنابراین، این پژوهش بیشتر یک هشدار جدی دربارهی ظرفیت نظارتی سیگنالهای موجود است، نه معرفی محصولی آماده برای شناسایی عمومی همهی افراد.
آیا میتوان از این فناوری جلوگیری کرد؟
پژوهشگران چند راه کاهش خطر را بررسی کردهاند. کاهش تعداد دفعات ارسال دادههای Beamforming تأثیر محدودی بر دقت سیستم داشت و نتوانست مشکل را بهطور کامل برطرف کند.
رمزگذاری اطلاعات بازخورد میتواند راهحل قویتری باشد، اما احتمالاً به تغییر استانداردهای وایفای و تجهیزات فعلی نیاز دارد و ممکن است با دستگاههای قدیمی سازگار نباشد.
پژوهشگران خواستار آن شدهاند که حفاظت از حریم خصوصی در استانداردهای آیندهی Wi-Fi Sensing بهطور جدیتری در نظر گرفته شود. این فناوری میتواند کاربردهای مفیدی مانند تشخیص سقوط سالمندان، کنترل خانههای هوشمند یا پایش حضور داشته باشد، اما بدون محدودیتهای مناسب ممکن است به ابزار نظارت گسترده تبدیل شود.
سلب مسئولیت:
مطالب منتشرشده صرفاً با هدف اطلاعرسانی تهیه شده و فاقد هرگونه وابستگی، جانبداری یا جهتگیری سیاسی و حزبی است و بههیچوجه توصیهای برای خرید، فروش یا نگهداری داراییهای مالی، سهام، ارزهای دیجیتال یا سایر ابزارهای سرمایهگذاری محسوب نمیشود. تصمیمگیری برای سرمایهگذاری بر عهدهی مخاطب است و توصیه میشود پیش از هر اقدامی، تحقیقات کافی انجام داده و در صورت نیاز با مشاور مالی متخصص مشورت کنید.
۰ دیدگاه
در حال آمادهسازی فرم دیدگاه…