Identificação de indivíduos através de perturbações no sinal eletromagnético do WiFi

A utilização de sistemas de identificação de indivíduos se tornam cada vez mais frequentes em empresas ou residências que busquem uma melhoria na segurança. As soluções existentes contam principalmente com a utilização de câmeras de monitoramento. Entretanto, esse tipo de solução possui um alto custo quando se necessita de uma boa acurácia, uma vez que são necessárias câmeras de alta resolução, e mesmo assim elas são suscetíveis a falhas devido a problemas de luminosidade ou o simples uso de acessórios que cubram total ou parcialmente o rosto do indivíduo. Por outro lado, interfaces de rede WiFi possuem, além de um custo acessível e uma alta disponibilidade, a capacidade de identificar indivíduos através das perturbações que ocorrem no sinal eletromagnético transmitido por elas. Assumindo que cada indivíduo causa uma perturbação única no sinal eletromagnético, devido às suas características físicas, e principalmente, a sua maneira de realizar determinadas ações, como por exemplo andar, podemos dizer que cada indivíduo possui uma assinatura eletromagnética. Neste trabalho, exploramos essas perturbações para criarmos um sistema que seja capaz de extrair a assinatura eletromagnética dos indivíduos e verificar quem são os indivíduos que estão presentes em um determinado ambiente. Através de experimentos em laboratório, extraímos amostras de cinco minutos e trinta segundos do sinal eletromagnético de uma sala contendo cinco configurações de presença de indivíduos: (a) Contendo unicamente o indivíduo I1, (b) Contendo unicamente o indivíduo I2, (c) Contendo unicamente o indivíduo I3, (d) Contendo os indivíduos I2 e I3 e (e) Contendo nenhum indivíduo. Dividimos cada uma das amostras em sinais de duração de seis segundos e extraímos as características desses sinais. Realizamos o treinamento de um classificador Naive Bayes e criamos a matriz de confusão das amostras. Os resultados demonstraram uma acurácia superior a 95%. Também realizamos testes com amostras criadas após a criação do classificador. Neste caso, os resultados obtidos demonstraram uma acurácia superior a 98%.