Forscher entwickeln KI zur Erkennung versteckter Pistolen mittels WLAN-Signalen
Schwedische Forscher haben ein KI-System entwickelt, das versteckte Pistolen durch Analyse von WLAN-Signalstörungen erkennt. Diese nicht-invasive Methode könnte eine Alternative zur herkömmlichen Sicherheitskontrolle darstellen.
Forscher des schwedischen Verteidigungsforschungsinstituts (FOI) haben ein künstliche Intelligenz-System entwickelt, das versteckte Handfeuerwaffen erkennen kann, indem es analysiert, wie WLAN-Signale durch ihre Anwesenheit verändert werden. Diese nicht-invasive Technologie namens WiFireNet bietet eine potenzielle Alternative zu herkömmlichen Methoden wie Kameras und Metalldetektoren.
Das System funktioniert durch die Analyse von Channel State Information (CSI), die erfasst, wie Objekte WLAN-Signale durch Reflexion und Beugung basierend auf Form, Ausrichtung und Material stören. Zur Erstellung von WiFireNet erstellten Forscher zunächst einen Datensatz namens WiFire Dataset, der synchronisierte RGB-Video- und WLAN-CSI-Daten von Personen enthielt, die verschiedene Gegenstände, darunter Schusswaffen, trugen. Ein Deep-Learning-Modell wurde mit diesen Daten trainiert, um die visuellen Merkmale von Objekten ihren entsprechenden WLAN-Signalstörungen zuzuordnen.
Nach dem Training kann WiFireNet versteckte Pistolen nur anhand von WLAN-CSI erkennen, wobei die Genauigkeit variiert. In kontrollierten Innenexperimenten, bei denen bis zu vier sich bewegende Personen in engen Räumen verfolgt wurden, lag die durchschnittliche Genauigkeit bei der Pistolenerkennung bei 72,5 Prozent. Strengere Lokalisierungsanforderungen, die darauf abzielten, die genaue Position der Waffe an einer Person zu bestimmen, reduzierten die Genauigkeit auf 53,8 Prozent. Die Effektivität des Systems nahm auch bei unbekannten Innenraumkonfigurationen ab.
Das Projekt befindet sich derzeit in einer experimentellen Phase. Es sind Pläne vorgesehen, die Leistung durch die Nutzung moderner WLAN-Standards wie Wi-Fi 7 und Wi-Fi 8 für CSI-Daten mit höherer Auflösung zu verbessern. Das Forschungsteam hat den Code, die Modelle und den Datensatz als Open Source veröffentlicht, um weitere Forschung zu fördern. Während die WLAN-basierte Sensorik aufgrund ihrer geringen Einsatzkomplexität zunehmend Aufmerksamkeit für potenzielle Überwachungsanwendungen erhält, bestehen Bedenken hinsichtlich der Auswirkungen auf die Privatsphäre und des Fehlens von regulatorischen Rahmenbedingungen für eine breite Nutzung.