MetAegis：通过超表面混淆技术防御物理层无线感知泄露

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》：MetAegis: Defend Against Physical-layer Wireless Sensing Leakage via Metasurface Obfuscation

Wi-Fi非侵入式感知存在隐私泄露风险，MetAegis通过信道端可编程超表面动态混淆信号，选择性隐藏特征，授权用户可准确恢复活动特征。实验表明，恶意识别准确率低于24%，授权用户准确率超88%，有效距离达5米以上，优于传统源端方案。

　　

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

基于Wi-Fi的非侵入式传感技术作为一种无需穿戴设备即可监测人类活动的技术应运而生，受到了业界和学术界的广泛关注。然而，无线信号的本质是广播式的，这使得用户活动特征容易受到恶意实体的窃听，从而带来严重的隐私风险。现有的隐私保护策略主要依赖于源端解决方案，例如对硬件进行修改以加密无线通道。尽管这些方法在一定程度上有效，但往往需要昂贵且不切实际的硬件升级，并且在某些情况下无法满足授权用户的需求，从而影响其在实际场景中的感知性能。为了克服这些限制，我们提出了MetAegis，这是一种创新的通道端混淆系统，它利用可编程的超表面实现灵活且成本效益高的部署。MetAegis动态改变无线通道，从而在多个方向上选择性地混淆特征，有效防止恶意用户的窃听，同时确保授权用户的性能不受影响。这是通过超表面上切换编码配置来驱动特征混淆技术实现的，并结合了一个特征恢复框架，使授权用户能够从混淆的信号中准确重建与活动相关的特征。我们使用现成的Wi-Fi设备实现了MetAegis，并在三个真实世界场景中进行了广泛的评估。实验结果表明，MetAegis将窃听者识别准确率平均降低到24%以下，而授权用户通过恢复机制在正常部署下的准确率保持在88%以上。值得注意的是，与需要与发射器紧密集成的传统源端解决方案不同，即使在超表面距离发射器超过5米等具有挑战性的条件下，MetAegis仍能保持其有效性。这些发现强调了MetAegis在保护隐私的同时不牺牲可用性的实用性和稳健性。

AI摘要

AI生成的摘要（实验性）

该摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现、评估相关性，并帮助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要，后者仍然是论文的官方摘要。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。您的反馈将有助于改进和未来版本的生成。

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。