IEEE Xploresta löytyy monenlaisia, viime vuosina julkaistuja tutkimuksia siitä, kuinka WiFi-säteilyn analysoinnin perusteella, mahdollisesti neuraaliverkoilla avustaen, voidaan tunnistaa eleitä, käytös ja identiteetti ilman, että kohteen ja monitorointilaitteiston tarvitsee sijaita samassa huonetilassa. Mietinkin, onkohan WiFi-säteilyn analysoinnin hyödyntämisessä päästy, sovelluskehittäjän kannalta, sellaisen helppouden tasolle kuin minkälaisella varmuudella ja helppoudella infrapunaa käyttävälle Leap Motion -laitteelle kehittävät voivat sovelluksiaan tehdä?
Leap Motion on siis alle vaaksan mittainen latteahko laite, joka tunnistaa sen yläpuolella liikuteltavien käsien liikkeet, eikä sovelluskehittäjän ole ollenkaan tarpeen suorittaa matemaattisesti monimutkaisia laskelmia selvittääkseen, mikä osuus kuvasta esittää kättä, missä kohdin jonkin sormen nivel on tai mikä on kahden sormen etäisyys toisistaan ym., sillä tällaiset saa selville muutamalla koodirivillä.
Kuinka paljon oikean käden ranne on kiertyneenä? Helppoa..
Mikä on peukalon ja nimettömän sormenpäiden etäisyys toisistaan? Helppoa..
Leap Motion SDK:n (Software Development Kitin) täydennykseksi voitaisiin esiharjoitellulla neuraaliverkolla tunnistaa esim. minkälaisen kirjaimen käyttäjä piirsi ilmaan, mutta WiFi-säteilyn analysointia hyödyntäessä voitaisiin opettaa yksinkertaista neuraaliverkkoa hienostuneemmalle tekoälylle minkälaista elämää joku yksilö viettää huoneistossaan, minkälaisia aikeita hänellä hetkeä myöhemmin todennäköisesti on ja mihin keittiön kaappiin hän tyypillisesti sijoittaa kaakaopakettinsa.
Ihmisten yksityisyyden ja leppoistumisen mahdollisuuksien kannalta olisi potentiaalisesti ongelmallista, jos jopa sellainen olisi helppoa, että useiden metrien päästä voitaisiin tunnistaa, millä sekunneilla joku yksilö tuli olleeksi jonkin suoritteensa tietyssä vaiheessa kuten ruoanlaittamisessa mausteiden laittamisen vaiheessa. Helpottavana voi pitää, että monet tutkimuksia aiheesta tehneet ovat osoittaneet ajautuneensa hyödynnettävyyttä rajoittaviin ongelmiin. Esim. ilmaan piirretyn kirjaimen on täytynyt olla kymmeniä senttejä halkaisijaltaan, jotta se voitaisiin luotettavasti tunnistaa. Toisaalta, jossain toisessa tutkimuksessa on osoittautunut helpoksi erottaa useat samassa huonetilassa liikuskelevat henkilöt toisistaan ja tuottaa heidän liikuskelustaan reaaliaikainen 3D-renderointi.
Mielikuvitusta käyttäen voit kuvitella minkälaisia, anonyymin kiusaamisen mahdollisuuksia WiFi-säteilyn helppo, sovellukseksi asti jalostettu analysointi tarjoaa. Nämä monet mahdollisuudet taasen toimisivat perusteena esittää kysymys siitä, pitäisikö ihmisiä suojella tällaisista uhkista tietämiseltä, kertomalla niistä vain sellaisella yli ymmärryksen menevällä tasolla kuin voitaisiin kertoa Android-puhelimiin kohdistuvasta Rowhammer-hyökkäyksestä? Tai sitten olemalla kertomatta asioista ollenkaan, mistä esimerkkinä voisi toimia Ilta-Sanomien Tuomas Linnakkeen artikkelit - ei mitään erityistä häntä vastaan, mainittakoon - joissa jonkinmoisista tietoteknisistä uhkista tullaan kertoneeksi, mutta vielä enemmästä ollaan kertomatta.
--
Lisätietona valikoima linkkejä tutkimusabstrakteihin:
GaitWay - GaitWay: Monitoring and Recognizing Gait Speed Through the Walls - IEEE Journals & Magazine
WiWho - WiWho: WiFi-Based Person Identification in Smart Spaces - IEEE Conference Publication
CSIID - CSIID: WiFi-based Human Identification via Deep Learning - IEEE Conference Publication
Wii - Wii: Device-Free Passive Identity Identification via WiFi Signals - IEEE Conference Publication
Wihi - Wihi: WiFi Based Human Identity Identification Using Deep Learning
DeepWiFi - DeepWiFi: Cognitive WiFi with Deep Learning - IEEE Journals & Magazine
WiFi-ID - WiFi-ID: Human Identification Using WiFi Signal - IEEE Conference Publication
NeuralWave - NeuralWave: Gait-Based User Identification Through Commodity WiFi and Deep Learning - IEEE Conference Publication
HumanFi - HumanFi: WiFi-Based Human Identification Using Recurrent Neural Network - IEEE Conference Publication
WiFi Vision - WiFi Vision: Sensing, Recognition, and Detection With Commodity MIMO-OFDM WiFi - IEEE Journals & Magazine
Leap Motion -esimerkkikoodi omasta aiemmasta kokeilustani:
http://sovelluksien.hoito.org/leapmotionkokeilu/ (ks. sivun lähdekoodi, toimii vain Leap Motion SDK:n legacy-versiolla v2)
--
edit 3.10.2020: pläh.. tälläseen viestiketjuunko tämä siirrettiinkin? seuraakohan tästä mitään hyvää?
edit 26.10.2020: jotta nytten on sitten takaisin erillisessä viestiketjussa, mutta otsikko pitää vielä laittaa entisenlaiseksi?
Leap Motion on siis alle vaaksan mittainen latteahko laite, joka tunnistaa sen yläpuolella liikuteltavien käsien liikkeet, eikä sovelluskehittäjän ole ollenkaan tarpeen suorittaa matemaattisesti monimutkaisia laskelmia selvittääkseen, mikä osuus kuvasta esittää kättä, missä kohdin jonkin sormen nivel on tai mikä on kahden sormen etäisyys toisistaan ym., sillä tällaiset saa selville muutamalla koodirivillä.
Kuinka paljon oikean käden ranne on kiertyneenä? Helppoa..
Koodi:
var frame = main.getController().frame();
var hand = frame.hand(righthandid);
var totalRotation = hand.rotationAngle(frame);
Mikä on peukalon ja nimettömän sormenpäiden etäisyys toisistaan? Helppoa..
Koodi:
var frame = main.getController().frame();
var hand = frame.hand(righthandid);
var currentdistance = Leap.vec3.distance(hand.thumb.tipPosition, hand.ringFinger.tipPosition);
Leap Motion SDK:n (Software Development Kitin) täydennykseksi voitaisiin esiharjoitellulla neuraaliverkolla tunnistaa esim. minkälaisen kirjaimen käyttäjä piirsi ilmaan, mutta WiFi-säteilyn analysointia hyödyntäessä voitaisiin opettaa yksinkertaista neuraaliverkkoa hienostuneemmalle tekoälylle minkälaista elämää joku yksilö viettää huoneistossaan, minkälaisia aikeita hänellä hetkeä myöhemmin todennäköisesti on ja mihin keittiön kaappiin hän tyypillisesti sijoittaa kaakaopakettinsa.
Ihmisten yksityisyyden ja leppoistumisen mahdollisuuksien kannalta olisi potentiaalisesti ongelmallista, jos jopa sellainen olisi helppoa, että useiden metrien päästä voitaisiin tunnistaa, millä sekunneilla joku yksilö tuli olleeksi jonkin suoritteensa tietyssä vaiheessa kuten ruoanlaittamisessa mausteiden laittamisen vaiheessa. Helpottavana voi pitää, että monet tutkimuksia aiheesta tehneet ovat osoittaneet ajautuneensa hyödynnettävyyttä rajoittaviin ongelmiin. Esim. ilmaan piirretyn kirjaimen on täytynyt olla kymmeniä senttejä halkaisijaltaan, jotta se voitaisiin luotettavasti tunnistaa. Toisaalta, jossain toisessa tutkimuksessa on osoittautunut helpoksi erottaa useat samassa huonetilassa liikuskelevat henkilöt toisistaan ja tuottaa heidän liikuskelustaan reaaliaikainen 3D-renderointi.
Mielikuvitusta käyttäen voit kuvitella minkälaisia, anonyymin kiusaamisen mahdollisuuksia WiFi-säteilyn helppo, sovellukseksi asti jalostettu analysointi tarjoaa. Nämä monet mahdollisuudet taasen toimisivat perusteena esittää kysymys siitä, pitäisikö ihmisiä suojella tällaisista uhkista tietämiseltä, kertomalla niistä vain sellaisella yli ymmärryksen menevällä tasolla kuin voitaisiin kertoa Android-puhelimiin kohdistuvasta Rowhammer-hyökkäyksestä? Tai sitten olemalla kertomatta asioista ollenkaan, mistä esimerkkinä voisi toimia Ilta-Sanomien Tuomas Linnakkeen artikkelit - ei mitään erityistä häntä vastaan, mainittakoon - joissa jonkinmoisista tietoteknisistä uhkista tullaan kertoneeksi, mutta vielä enemmästä ollaan kertomatta.
--
Lisätietona valikoima linkkejä tutkimusabstrakteihin:
GaitWay - GaitWay: Monitoring and Recognizing Gait Speed Through the Walls - IEEE Journals & Magazine
WiWho - WiWho: WiFi-Based Person Identification in Smart Spaces - IEEE Conference Publication
CSIID - CSIID: WiFi-based Human Identification via Deep Learning - IEEE Conference Publication
Wii - Wii: Device-Free Passive Identity Identification via WiFi Signals - IEEE Conference Publication
Wihi - Wihi: WiFi Based Human Identity Identification Using Deep Learning
DeepWiFi - DeepWiFi: Cognitive WiFi with Deep Learning - IEEE Journals & Magazine
WiFi-ID - WiFi-ID: Human Identification Using WiFi Signal - IEEE Conference Publication
NeuralWave - NeuralWave: Gait-Based User Identification Through Commodity WiFi and Deep Learning - IEEE Conference Publication
HumanFi - HumanFi: WiFi-Based Human Identification Using Recurrent Neural Network - IEEE Conference Publication
WiFi Vision - WiFi Vision: Sensing, Recognition, and Detection With Commodity MIMO-OFDM WiFi - IEEE Journals & Magazine
Leap Motion -esimerkkikoodi omasta aiemmasta kokeilustani:
http://sovelluksien.hoito.org/leapmotionkokeilu/ (ks. sivun lähdekoodi, toimii vain Leap Motion SDK:n legacy-versiolla v2)
--
edit 3.10.2020: pläh.. tälläseen viestiketjuunko tämä siirrettiinkin? seuraakohan tästä mitään hyvää?
edit 26.10.2020: jotta nytten on sitten takaisin erillisessä viestiketjussa, mutta otsikko pitää vielä laittaa entisenlaiseksi?
Viimeksi muokattu: