瑞典 FOI 开发 WiFireNet：利用 Wi-Fi 信号识别隐藏手枪
瑞典国防研究机构（FOI）的人工智能研究团队近期推出了一套名为 WiFireNet 的系统。该系统旨在通过环境中的 Wi-Fi 信号检测被隐藏的枪支，为传统的可见光摄像头和金属探测器提供了一种非侵入式的替代方案。
WiFireNet 的核心原理在于分析物体对无线信号的扭曲作用。整个硬件架构由一个 Wi-Fi 发射器、一个 Wi-Fi 接收器以及运行 AI 算法的主机组成。当普通 Wi-Fi 信号遇到物体时，会根据物体的形状、方向及材料特性发生穿透或反射。这些变化被记录为信道状态信息（CSI），经过深度学习模型处理后，可实现对特定物体的高精度识别。此前已有安全研究人员证实，仅利用普通 Wi-Fi 路由器即可达到 99.5% 的人员识别准确率。
数据集构建与训练逻辑
为了构建这一系统，研究人员首先创建了名为“WiFire”的专用数据集。在此基础上，团队训练了一个深度学习模型，该模型能够根据视频片段，将隐藏的手枪与其特定的 Wi-Fi 特征签名（即 CSI 数据）进行匹配。
为确保系统能有效区分手枪与其他外形或材质相似的日常物品，训练过程涵盖了多种干扰项的数据录音，包括塑料玩具枪、金属水瓶、真实金属手枪以及智能手机。
测试表现与局限性
在控制试验中，WiFireNet 展现了不同的检测精度。在一个小型室内空间中，系统需追踪多达四个移动个体，其平均手枪检测准确率为 72.5%。然而，当任务要求更为严格，例如确定武器在携带者身上的具体位置时，准确率下降至 53.8%。此外，神经网络在面对陌生且未经测试的室内布局时，执行效果也存在不足。
技术演进路线与隐私争议
目前该系统仍处于原型验证阶段。概念验证基于修改后的 IEEE 802.11a 标准（1999年发布的旧版无线标准）实现。研究团队制定了明确的改进路线图，计划在后续阶段引入支持更高分辨率 CSI 数据的现代 Wi-Fi 7 和 Wi-Fi 8 网络，以提升检测性能。
值得注意的是，该项目无需复杂的专用设备或设置即可部署。研究人员已将代码、模型及数据集开源，以推动该领域的进一步研究。尽管技术前景广阔，但批评者指出，由于 Wi-Fi 信号的无处不在以及缺乏相应的监管框架，这项技术在应用过程中引发了严重的隐私担忧。
