Svensk AI-teknik hittar dolda vapen med wifi

Wifi-signaler kan användas till betydligt mer än att skicka Netflix till tv:n. Forskare vid svenska Totalförsvarets forskningsinstitut, FOI, har utvecklat ett AI-system som försöker avgöra om en person bär på en dold pistol genom att analysera hur radiosignaler förändras i rummet.

Systemet heter WiFireNet och använder så kallad Channel State Information, CSI. När radiosignalen färdas mellan en sändare och mottagare påverkas den av människor, väggar och olika föremål. Forskarna har tränat en AI-modell att hitta mönster i dessa förändringar som kan avslöja ett handeldvapen.

Det betyder däremot inte att en vanlig router hemma redan kan kontrollera vad någon har under jackan. Försöken använder särskild utrustning för att sända och mäta wifi-signaler, och tekniken är fortfarande en forskningsprototyp.

AI:n lärde sig skillnaden mellan pistol och mobil

För att träna systemet byggde forskarna först ett nytt dataset som fått namnet WiFire. Försökspersoner rörde sig i rum samtidigt som radiosignaler och vanliga kamerabilder spelades in.

Personerna kunde bära fyra olika typer av föremål: en riktig men deaktiverad metallpistol, en pistolmodell av plast, en metallflaska eller en mobiltelefon. Valet var medvetet. Plastpistolen hade ungefär samma form som vapnet, medan flaskan och mobilen delade vissa materialegenskaper med det.

AI:n behövde alltså lära sig mer än att bara reagera på metall.

I den större testmiljön rörde sig upp till fyra personer samtidigt inom ett område på omkring 12 kvadratmeter. Forskarna genomförde också tester i ett mindre rum på åtta kvadratmeter.

Kameran behövs när AI:n tränas

En viktig detalj är att kameror faktiskt användes under utvecklingen.

Forskarna spelade in RGB-video samtidigt som wifi-data samlades in. Bilderna användes för att markera var personerna och föremålen befann sig och på så sätt lära modellen vad olika mönster i radiosignalen betydde.

När WiFireNet sedan används för själva detekteringen behöver modellen däremot bara CSI-data från radiosignalerna. Kamerabilderna är alltså ett träningsverktyg, inte det som systemet analyserar när det försöker hitta vapnet.

Det gör tekniken intressant som komplement till kameraövervakning, eftersom ett föremål inte behöver vara synligt för en kamera för att påverka radiovågorna i rummet.

Läs mer: Nya tekniken använder AI för att se genom väggar med wi-fi

Resultatet nådde 72,5 procent i ett av testerna

För pistoler redovisar forskarna ett så kallat Average Precision-resultat på 72,5 procent när kravet på exakt positionering sattes relativt lågt. När systemet behövde placera vapnet betydligt mer exakt sjönk resultatet till 53,8 procent.

Det är viktigt att inte tolka siffrorna som att systemet ”hittar 72,5 procent av alla vapen”. Average Precision är ett mått som används vid objektdetektering och väger samman hur väl modellen hittar rätt objekt och hur säkra dess förutsägelser är.

I det bredare testet, där samtliga objektklasser räknades ihop, nådde modellen 50,3 procents mAP vid det lägre lokaliseringskravet och 47,1 procent vid det högre.

Forskarna beskriver resultaten som ett bevis på att wifi-signaler faktiskt innehåller information som går att använda för att upptäcka dolda handeldvapen. De hävdar inte att tekniken är redo att ersätta metalldetektorer.

Vanligt wifi fungerade bättre än den utökade versionen

Experimenten använde en modifierad implementation av den äldre wifi-standarden IEEE 802.11a på 5,68 GHz och 20 MHz bandbredd.

Forskarna testade två varianter. Den ena efterliknade vanlig 802.11a och den andra, kallad WiFi-plus, använde betydligt fler pilotbärvågor för att samla in mer detaljerad information om radiokanalen.

Överraskande nog gav den mer informationsrika versionen inte bättre resultat. I flera tester presterade den vanliga wifi-konfigurationen bättre.

Forskarna tror att en möjlig förklaring är att försöksmiljön var relativt ren och saknade mycket av det möblemang och den röra som normalt skapar ytterligare reflektioner. Det krävs fler studier för att veta hur systemen beter sig i mer komplexa miljöer.

Tekniken vet inte exakt var vapnet sitter

Tom’s Hardware lyfter en viktig begränsning: WiFireNet kan inte pålitligt avgöra exakt var på kroppen ett dolt vapen befinner sig.

Det märks också i forskarnas resultat. När kraven på att den uppskattade positionen ska överensstämma bättre med vapnets verkliga position höjs, försämras resultatet tydligt.

Systemet har dessutom testats i kontrollerade inomhusmiljöer. Det återstår att visa hur väl samma modell fungerar i ett helt annat rum, med andra människor, möbler, väggmaterial, radiosändare och störningar.

Kan komplettera kameror och metalldetektorer

Forskarna ser därför inte WiFireNet som en färdig ersättare för dagens säkerhetskontroller.

Kameror har svårt att se föremål som är dolda under kläder eller bakom andra människor. Metalldetektorer kan däremot hitta metall, men kräver ofta att personer passerar genom en bestämd kontrollpunkt en i taget och kan dessutom reagera på många ofarliga metallföremål.

Wifi-baserad sensing skulle i teorin kunna fungera över ett större område och ge ytterligare information utan att människor måste gå genom en traditionell båge.

Om tekniken någon gång används i exempelvis stationsbyggnader, arenor eller offentliga miljöer väcker den samtidigt tydliga integritetsfrågor. En radiosensor behöver inte vara lika uppenbar för den som övervakas som en kamera eller säkerhetskontroll.

Läs mer: Frihet eller säkerhet? AI gör den gamla frågan mer aktuell än någonsin. 

Forskningen släpps helt öppet

FOI-forskarna Erik Persson, David Gustafsson och Tomas Wilkinson har publicerat både datasetet, modellen och programkoden bakom projektet.

Det gör att andra forskare kan testa metoden, försöka förbättra resultaten och framför allt undersöka om modellen fungerar utanför den miljö där den tränades.

Koden finns här och datasetet finns här

Nästa stora steg blir därför inte att sätta tekniken i en flygplats eller arena. Det blir att visa att samma princip fungerar när miljön inte längre är kontrollerad.

Först då går det att avgöra om wifi kan bli ännu ett lager i framtidens säkerhetskontroller, eller om signalerna blir för känsliga för allt annat som händer runt omkring.