瑞典国防研究局（FOI）的一组AI研究人员开发出一套基于Wi-Fi信号的隐藏武器识别系统，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Wi-Fi信号造成的扰动来识别隐藏手枪，研究团队将其定位为可见光摄像头与笨重金属探测器之外的一种非侵入式替代方案。在受控实验环境中，该系统检测手枪的平均精确率为72.5％。
WiFireNet的技术原理建立在信道状态信息（CSI）分析之上。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，这类数据即信道状态信息。整套系统由Wi-Fi发射端、接收端以及WiFireNet人工智能模型构成。安全领域研究人员此前已公开过相关技术验证，普通Wi-Fi路由器识别人体的准确率可达99.5％。
为训练模型，研究人员首先构建了名为WiFire Dataset的数据集。他们在同步录制RGB视频的同时，采集携带各类物品行走的人所反射的Wi-Fi信号，物品范围从手机到手枪不等。借助视频片段，研究团队将隐藏手枪的视觉特征与其对应的信道状态信息建立映射，使深度学习模型能够在海量数据上完成训练。为保证系统能把手枪与外形、材质相近的日常物品区分开，训练素材中特别加入了塑料手枪、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信道状态信息即可检测隐藏手枪，但精度存在明显波动。在受控实验环境中，狭小室内空间最多可同时追踪四名移动人员，此时检测手枪的平均精确率为72.5％。若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％。此外，当系统面对陌生、未经测试的室内布局时，神经网络的识别效果也会明显变差。
该系统目前仍处于实验阶段，原型机采用经过改造的老旧1999年IEEE 802.11a无线标准验证原理。研究团队已规划后续优化路线，下一阶段将采用Wi-Fi 7、Wi-Fi 8现代无线网络，以获取分辨率更高的信道状态信息，从而提升检测性能。研究团队同时将项目开源，放出了代码、模型和数据集，以推动该领域的后续研究。
基于Wi-Fi感知的监控技术正受到越来越多关注，其优势在于无需复杂设备与部署成本。但批评者指出，这项技术具备广泛部署的可行性，而目前尚缺少对应的监管框架，可能带来严重的隐私隐患。WiFireNet的开源属性在加速学术研究的同时，也使这一争议更加具体：当Wi-Fi信号可以被用于识别随身隐藏物品，如何在公共安全需求与个人隐私边界之间建立规则，将成为该技术走向实用化过程中无法回避的问题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
