IT之家10月19日消息，瑞典国防研究局（FOI）的一组AI研究人员开发出一套AI系统，能够利用Wi‑Fi信号识别隐藏的手枪，可以作为可见光摄像头、笨重金属探测器之外的非侵入式替代方案。相关论文于10月13日发布在arXiv平台，这套名为WiFireNet的系统，通过分析物体对环境Wi‑Fi信号造成扰动所产生的信道状态信息（CSI）完成识别。整套系统由Wi‑Fi发射端、接收端以及WiFireNet人工智能模型构成。

普通Wi‑Fi信号在传播途中遇到物体时，会根据物体的形状、摆放角度与材质，发生穿透和反射，产生独有的信号特征。这类数据就是信道状态信息，对其分析可以实现较高精度的物体识别。安全领域研究人员此前已经公开过一项技术：普通Wi‑Fi路由器识别人体的准确率可达99.5%。

为搭建WiFireNet系统，研究人员首先构建了名为WiFireDataset的数据集。他们同步录制RGB视频，同时采集携带各类物品（从手机到手枪）行走的人所反射的Wi‑Fi信号。研究人员在这份海量数据集上训练深度学习模型，借助视频片段，把隐藏手枪的视觉特征和它对应的Wi‑Fi特征（信道状态信息）建立映射。为保证系统能够把手枪和外形、材质相近的日常物品区分开，训练素材包含塑料手枪、金属水杯、真金属手枪以及手机的采集记录。

训练完成后，WiFireNet仅依靠Wi‑Fi信道状态信息就可以检测隐藏手枪，但精度存在波动。在受控实验环境中，狭小室内空间最多同时追踪四名移动人员，这套系统检测手枪的平均精确率为72.5%。但如果提出更严格的定位要求，例如精准定位武器在携带者身上的具体位置，精确率会下降至53.8%。当遇到陌生、未经过测试的室内布局时，神经网络识别效果也会明显变差。

该系统目前仍处于实验阶段，研究团队规划了后续优化路线。原型机采用经过改造的老旧1999年IEEE802.11a无线标准来验证原理。下一阶段将采用Wi‑Fi7、Wi‑Fi8现代无线网络，获取分辨率更高的信道状态信息，提升检测性能。研究团队将项目开源，放出代码、模型和数据集，推动该领域后续研究。

IT之家注意到，基于Wi‑Fi感知的监控技术正受到越来越多关注，其无需复杂设备与部署。但批评者认为，这项技术可以广泛部署，同时缺少对应的监管框架，会带来严重的隐私隐患。