WiFi-routers identificeren personen, ook zonder Smartphone

Een spannend security‑verhaal. Onderzoekers tonen aan dat wifi‑routers mensen kunnen herkennen, zelfs als ze hun smartphone uitzetten of helemaal niet bij zich hebben.

Klinkt als science fiction, maar het onderzoek toont aan dat het in theorie werkt.

Hoe werkt het?

Wifi‑apparaten wisselen onderling technische informatie uit om de verbinding te optimaliseren. Een deel daarvan zijn Beamforming Feedback Information (BFI)‑signalen. Die signalen laten zien hoe radiogolven zich door een ruimte bewegen: waar ze weerkaatsen, waar ze verzwakken, enzovoort.

Als iemand door die ruimte loopt, verandert het patroon van de radiogolven een beetje. De slimme kant zit in de software en data‑analyse, niet in de router zelf. En natuurlijk een goed getraind AI model.

In hun experiment met bijna 200 proefpersonen konden de onderzoekers met bijna 100% nauwkeurigheid onderscheid maken tussen personen, ongeacht looprichting of tempo.

Hoe weet de AI dat jij het bent, en niet je broer?

De AI “weet” niet wie jij bent in menselijke zin; hij leert puur statistisch onderscheid te maken tussen verschillende lichamen en manieren van bewegen.

Beamforming Feedback Information (BFI) laat o.a. zien:

• hoe sterk het wifi‑signaal is op verschillende antennes / frequenties;

• fase‑informatie (hoe de golf precies aankomt);

• hoe dat patroon in de tijd verandert.

Als jij door de ruimte loopt, verstoor je dat patroon op een manier die afhangt van:

• je lengte, bouw, hoeveelheid water/vet/spier (radiogolven absorberen en reflecteren anders);

• hoe je beweegt (looptempo, paslengte, houding, je unieke loopstijl);

• waar je precies loopt t.o.v. de router en andere objecten.

Je broer heeft nét andere fysieke eigenschappen en een net andere loopstijl, wat resulteert in een iets ander verstoringspatroon.

Hoe leert de AI “dit patroon = jij” ?

Vergelijk het met gezichtsherkenning, maar dan met radiogolf‑patronen:

• Trainingsfase (gecontroleerd experiment): De onderzoekers laten jij en je broer om de beurt door de ruimte lopen. Bij elke meting krijgt de AI een label: “dit was persoon A”, “dit was persoon B”. De AI krijgt duizenden voorbeelden per persoon.

• Feature‑extractie: Een neuraal netwerk (of ander ML‑model) zoekt patronen in die signalen, bijvoorbeeld:

  • typische verdeling van signaalsterktes over de antennes;

  • karakteristiek ritme in de tijd (jouw looptempo, micro‑bewegingen);

  • combinaties van frequenties die bij jou net anders dempen dan bij je broer.

• Het model maakt daar een soort “vingerafdruk in signaalruimte” van: een vector van getallen die voor jou telkens op elkaar lijken, en voor je broer op een andere plek in die ruimte zit.

• Classificatie: Tijdens gebruik meet de router/AI weer een nieuw BFI‑patroon. Dit wordt door het getrainde netwerk omgezet in zo’n vector. Een laatste laag zegt: “deze vector ligt dichter bij de wolk van ‘A’ dan bij die van ‘B’ → dus waarschijnlijk A”.

Belangrijk: dit gebeurt zonder dat de AI iets weet over je lengte, gewicht of haarkleur. Het ontdekt zelf welke combinaties van signaalkenmerken voorspellend zijn.

Grenzen en voorwaarden:

• Er is trainingsdata nodig. Zonder eerdere metingen van jou en je broer kan het systeem jullie niet uit elkaar houden; dan ziet het hooguit dat “iemand” beweegt.

• Context speelt mee. Het werkt het best in een redelijk vaste omgeving (router blijft staan, kamerindeling verandert niet radicaal).

• Niet magisch uniek. Twee mensen met zeer vergelijkbare lengte/bouw/loopstijl kunnen lastiger te onderscheiden zijn; de nauwkeurigheid is een kans, geen garantie.

Is dit meteen een groot privacyprobleem?

Ja én nee.

Waarom het wel serieus is

• Onzichtbare tracking zonder telefoon. Tot nu toe dachten veel mensen: “Als ik geen smartphone bij me heb, ben ik anoniem in de publieke ruimte." Deze techniek ondermijnt dat idee: je lichaam alleen al verstoort het wifi‑veld op een herkenbare manier.

• Mogelijk met bestaande hardware. De tests zijn gedaan met WiFi routers die voor consumenten en bedrijfsleven op de markt zijn.

• Je merkt het niet. Er zijn geen camera’s, geen microfoons of andere zichtbare sensoren.Voor de gemiddelde burger is het praktisch niet detecteerbaar dat deze vorm van observatie plaatsvindt.

Waarom het nog niet problematisch is

Tegelijk is het goed om de risico’s niet te overdrijven. De onderzoekers deden hun onderzoek na het uitgebreid trainen van het AI-model en onder gecontroleerde omstandigheden.

• Het is geen kant‑en‑klare spywarefunctie in je router

  • Er is geen standaardinstelling “herken personen via wifi”.

  • Misbruik vergt gespecialiseerde software, data‑verzameling en kennis van signaalverwerking en machine learning.

• Training is nodig

  • In de beschreven studie werd gewerkt met bekende testpersonen en gecontroleerde omstandigheden.

  • Om “persoon A” in het wild te herkennen, moet een systeem eerst voorbeelddata van persoon A hebben.

• Omgeving is rommelig In echte gebouwen heb je:

  • meerdere verdiepingen

  • veel metalen objecten

  • mensen die kriskras bewegen

  • apparaten die aan en uit gaan

Dat maakt metingen en interpretatie complexer en minder stabiel dan in een lab.

Toegang tot het netwerk is nodig

Een willekeurige voorbijganger op straat kan dit niet zomaar doen. Iemand moet:

• toegang hebben tot de router, met beheer-rechten;

• langdurig data kunnen verzamelen en AI trainen;

• daar AI‑analyse op kunnen draaien.

Kortom: het is technisch indrukwekkend en potentieel zorgelijk, maar niet iets waar iedere hoekcafé‑uitbater morgen zonder technische kennis gebruik van kan maken.

De onderzoekers roepen de industrie op rekening te houden met dit potentiële security risico. Ze noemen onder meer:

• Encryptie of beperking van feedback‑signalen zoals BFI.

• Standaard‑bescherming op router‑niveau tegen ongeautoriseerde toegang tot die ruwe signaaldata.

• Mogelijk regulering: duidelijke regels wanneer organisaties wifi‑sensing wél en níet mogen inzetten.

Dit is een bekend patroon in security:

• Onderzoekers tonen aan wat kan.

• De industrie verwerkt dat (hopelijk) in nieuwe standaarden voor het misgaat.