普通Wi-Fi信号竟能以近乎100%的准确率识别出个人身份

研究团队开发的这套系统利用机器学习技术，分析Wi-Fi设备本就持续发往路由器的信息。当一个人在房间内移动时，其身体会以特定方式扰动空间中传播的无线电波，这些扰动携带着足够的生物特征信息，使系统能够"学习"识别出某个人，并将其与其他人区分开来，效果堪比一种"无线电指纹"。

在一项涵盖197名参与者的研究中，无论观测角度如何、无论行走姿态如何变化，该系统都能准确识别出个体身份。一旦底层机器学习模型完成训练，为某人打上身份标签仅需数秒时间。

关键在于一种名为"波束成形反馈信息"（Beamforming Feedback Information，简称BFI）的数据。为了维持连接稳定，手机或笔记本电脑会持续向路由器反馈其接收信号的具体情况，以便路由器更精准地调整发射方向，而Wi-Fi设备会不断产生这类BFI反馈数据。

无线电波在房间内四处反弹并覆盖房间中的一切物体，包括人体本身。每个人独特的体型、身高与姿态都会以带有个人特征的方式扭曲这些电波。只要人工智能模型获取了足够多的这类扭曲数据，就能学习到某人独有的"无线电签名"，其原理与基于摄像头的人脸识别系统颇为相似。

令人担忧的是，BFI数据在传输过程中并未加密。恶意设备无需侵入Wi-Fi网络即可截获这些数据——由于波束成形报告是以明文形式回传给接入点的，任何在信号覆盖范围内、处于监听模式的Wi-Fi适配器都能被动记录下这些信息。更关键的是，被识别的对象本人甚至无需拥有其中任何一台涉事设备：无论是在某家咖啡馆还是机场，只要存在他人的路由器与他人的笔记本电脑之间的通信流量，就足以形成让身体产生扰动、从而生成个人专属签名的无线电场。

这项技术还有一点令人不安：它并不会被常见的规避手段所欺骗。若一套系统仅依靠步态识别人，改变走路方式便可蒙混过关；若系统只能正面识别，侧身通过即可躲避。但经测试，这种无线电签名在不同观测角度和不同步态下均保持稳定的识别准确率，其可靠性甚至超过了摄像头识别。

需要说明的是，该系统的工作原理类似指纹扫描仪：它能够捕捉到一个人的"签名"，却并不会自动知晓这个人是谁，必须先有参考记录作为比对基础。在研究人员的主要实验中，机器学习模型先通过每位参与者的若干段记录进行训练，随后被要求判断新记录出自哪位已知参与者。不过，这一限定条件几乎无法消除公众对隐私问题的担忧。

与指纹识别不同的是，通常情况下，有人必须先获取你的指纹并将其与你的身份关联起来，而且你在按压指纹扫描仪时往往是知情的。相比之下，一个人仅仅是走过一片被Wi-Fi信号覆盖的空间，无需触碰任何物品、无需携带任何设备，甚至完全不知情的情况下，其无线电指纹便可能已被采集。

更令人忧虑的是，Wi-Fi设备几乎无处不在。全球范围内，家庭、办公室、机场、咖啡馆和商店中的Wi-Fi网络时刻在运行，这为此类技术提供了极其庞大的应用空间。相比之下，摄像头再怎么令人不安，至少是可见的——人们能看到它、避开它的镜头，或者在会议中直接指向它提出异议。

而依托于墙壁中早已存在的Wi-Fi网络所构建的监控层，则完全不会引起任何怀疑。研究人员警告称，这恰恰是其危险所在。他们特别指出，在某些威权体制环境下，这种手段可能被用于监视抗议者，且不会留下通常会暴露监控行为的明显硬件痕迹。

研究团队并未止步于发出警告，而是致力于从标准层面推动解决方案。他们希望将隐私保护机制直接内置于即将出台的Wi-Fi新标准IEEE 802.11bf之中——该标准将使无线感应能力正式化，团队将此视为在这项能力大规模扩散之前、将保护措施植入协议本身的最后一次"干净"机遇。这项研究获得了德国亥姆霍兹联合会"工程安全系统"项目的资助，研究团队采集的197人数据集已面向非商业研究用途公开发布，供其他团队进一步探究这种攻击手段及相应防御措施。

该团队的研究成果《BFId：利用波束成形反馈信息的身份推断攻击》已在于台北举行的ACM计算机与通信安全会议（CCS）上发表。