MURAL-Fi：一种利用WiFi实现的多用户呼吸识别认证技术

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》：MURAL-Fi: Multi-User Respiration Authentication Leveraging WiFi

集成WiFi通信与生命体征监测，特别是基于802.11bf标准，可构建下一代非侵入式连续安全认证系统。本文提出MURAL-Fi，首次实现多用户呼吸认证，通过迭代式基线区域识别和空间谱信息干扰抑制技术，结合多级特征分析和三元损失Siamese神经网络，有效抵抗无意识身体运动和欺骗攻击，实验验证其高效性与鲁棒性。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

将WiFi通信与生命体征检测相结合，特别是在新兴的802.11bf标准下，为下一代认证系统提供了一条有前景的途径，实现了非侵入式、连续且可扩展的安全性。然而，目前的基于WiFi的呼吸认证方法仅限于单用户场景，而现有的多用户呼吸监测技术要么缺乏身份识别功能，要么要求用户保持完全静止。在本文中，我们提出了MURAL-Fi，这是首个使用WiFi实现多用户呼吸认证的系统，它满足了三个关键要求：多用户支持、身份识别能力和对非自主运动的容忍度。与传统方法不同，MURAL-Fi采用了一种新颖的基线区域变化探索技术。该技术识别出与胸腔相对应的空间区域，并通过分析这些区域内的信号强度变化来提取呼吸信号。具体而言，我们通过迭代使用基线区域识别结合干扰抑制方法，利用从WiFi信号中提取的空间频谱信息来进行优化。这种迭代改进逐渐提高了胸腔定位的精度，并能够有效缓解各种干扰，从而在用户有非自主运动的情况下仍能准确提取呼吸模式。随后，我们进行多层次特征分析以提取用户的特定呼吸特征，并使用基于三元组损失的结构相似神经网络（Siamese Neural Network）来认证用户。通过对24名参与者在多种环境下的广泛实验，我们证明了MURAL-Fi具有较高的认证准确性，并在包括抵抗模仿攻击在内的各种具有挑战性的场景中保持了优异的性能。

人工智能摘要

人工智能生成的摘要（实验结果）

此摘要是使用自动化工具生成的，并非由文章作者编写或审核。它旨在帮助读者发现研究价值、评估文章的相关性，并协助来自相关研究领域的读者理解本文内容。它是对作者提供的摘要的补充，而作者提供的摘要仍是文章的正式摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于我们改进未来的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。