Une nouvelle méthode, appelée WhoFi, permet de réidentifier des personnes à partir de signaux Wi-Fi, sans utiliser de données visuelles.
Des chercheurs italiens ont développé une alternative à la vidéosurveillance qui utilise les signaux Wi-Fi pour identifier les personnes. La technique utilise les informations d’état du canal (CSI) pour extraire des caractéristiques biométriques des signaux radio. Les résultats ont été présentés dans un article intitulé « WhoFi : réidentification profonde de personnes via l’encodage des signaux de canal Wi-Fi ». L’étude a été publiée sur Arxiv.
Alternative à la vidéosurveillance
Les chercheurs proposent une méthode pour identifier les personnes à l’aide de signaux Wi-Fi plutôt que d’images de caméra. La technique, appelée WhoFi, analyse les informations d’état du canal (CSI) pour extraire des caractéristiques biométriques des signaux radio. Ces informations sont ensuite traitées par un modèle de deep learning modulaire, qui comprend notamment des réseaux Transformer. Selon les chercheurs, cette approche offre une alternative robuste aux systèmes traditionnels basés sur les caméras qui sont confrontés à des problèmes tels que le mauvais éclairage, l’obstruction visuelle ou des angles de caméra défavorables.
Avec cette méthode, les caractéristiques physiques d’une personne — comme la forme du corps, la structure osseuse ou la composition — influencent la façon dont les signaux Wi-Fi se propagent dans l’espace. Ces déformations de signal sont interprétées par le système comme des signatures biométriques uniques. Contrairement aux systèmes optiques, les signaux Wi-Fi peuvent traverser les murs et les objets, et ne dépendent pas de la lumière, ce qui permet leur utilisation dans des environnements complexes.
Deep learning
Les chercheurs ont entraîné leur modèle de deep learning avec une fonction de perte négative in-batch. Cette technique permet d’apprendre des caractéristiques distinctives sans avoir besoin de paires de données étiquetées manuellement. Pour le traitement des séries temporelles de données CSI, ils ont testé différents réseaux, notamment des architectures LSTM, Bi-LSTM et Transformer. L’évaluation a été réalisée sur le jeu de données public NTU-Fi.
Les expériences montrent que WhoFi obtient des résultats comparables aux méthodes de pointe basées sur les images de caméra. De plus, les chercheurs ont étudié l’influence de facteurs tels que la longueur des séquences, la complexité du modèle et l’augmentation des données sur les performances. Selon l’équipe, cette recherche démontre que la biométrie sans fil peut constituer une alternative évolutive et respectueuse de la vie privée à la vidéosurveillance.
Selon les auteurs, le système offre des perspectives pour des applications où l’observation visuelle est peu fiable ou indésirable, comme dans des espaces mal éclairés, à travers les murs ou dans des environnements sensibles en matière de confidentialité.