（来源：IT之家）
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 WiFire Dataset 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 IEEE 802.11a 无线标准来验证原理。下一阶段将采用 Wi‑Fi 7、Wi‑Fi 8 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。
