MURAL-Fi：一种利用WiFi实现多用户呼吸识别的认证技术

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

集成WiFi通信与生命体征感知，基于802.11bf标准提出多用户呼吸认证系统MURAL-Fi，通过迭代优化抑制干扰并定位胸腔区域，结合Siamese神经网络实现身份感知认证，实验验证其在多场景下的高精度和抗欺骗攻击能力。

　　

摘要AI 摘要

要查看此由 AI 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、连续性和可扩展性的安全保障。然而，当前的基于 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，这是第一个使用 WiFi 实现多用户呼吸认证的系统，满足了三个关键要求：多用户支持、身份识别能力和对非自愿运动的容忍度。与传统的监测 WiFi 频谱中呼吸频段内最高能量点移动的方法不同，MURAL-Fi 引入了一种新的基线区域变化检测技术。该技术通过分析这些区域内的强度变化来识别与胸腔对应的空间点集，并提取呼吸信号。具体而言，我们结合干扰抑制，使用从 WiFi 信号中提取的空间频谱信息进行基线区域识别。这种迭代优化方法逐步提高了胸腔定位的精度，并有效减少了各种干扰，从而能够在身体发生非自愿运动的情况下仍然准确提取呼吸模式。随后，我们进行了多层次的特征分析以提取用户的特定呼吸特征，并利用基于三元组损失的双胞胎神经网络进行用户认证。通过 24 名参与者在多种环境下的广泛实验，我们证明了 MURAL-Fi 具有高认证准确性，在包括抵抗模仿攻击在内的各种挑战性场景中均表现出色。

AI 摘要

AI 生成的摘要（实验性）

此摘要是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的相关性，并帮助来自相关研究领域的读者理解本文的研究成果。它旨在补充作者提供的摘要，后者仍是文章的官方总结。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。您的反馈将有助于改进未来的版本。

要查看此由 AI 生成的通俗语言摘要，您必须具有高级访问权限。