Wi-Fi CSI篡改框架：保护隐私的对抗神经网络技术

知识点： 1. 生成对抗神经网络（GANs）： 生成对抗神经网络是一种深度学习模型，由两个网络组成：生成器（Generator）和判别器（Discriminator）。生成器的任务是生成数据，而判别器的任务是区分真实数据和生成的数据。这种模型在多个领域有广泛的应用，例如图像合成、图像转换等。在本项目中，生成对抗神经网络被应用于修改Wi-Fi帧的信道状态信息（CSI），以增强隐私保护。 2. Wi-Fi信号的信道状态信息（CSI）： CSI是指无线信道的传输特性，它能够反映无线信号在空间中的传播情况，包括反射、折射、散射等。CSI的信息可以用来估计物体的位置和移动。在本研究中，CSI被用于实现无设备被动定位技术，即在无需安装额外硬件的情况下，通过分析Wi-Fi信号的CSI来定位设备或用户的位置。 3. 无设备被动定位技术： 无设备被动定位是一种新兴的技术，它利用现有的Wi-Fi网络和设备进行定位。这种技术不需要目标用户持有任何特定的定位设备，而是通过分析Wi-Fi网络中传播的信号的CSI来确定用户的位置。这项技术的应用前景非常广泛，如智能家居、安全监控、流量分析等。 4. 隐私保护： 隐私保护是当前信息技术领域中一个重要的议题。由于无设备被动定位技术能够通过CSI获得用户的精确位置信息，这可能会对用户的隐私安全造成威胁。为了保护用户的隐私，本项目研究了一种混淆技术，通过在传输过程中修改I/Q样本的顺序，使得CSI中的位置特定信息在传输过程中被扭曲，从而阻止攻击者获取位置信息。 5. 神经网络在定位系统中的应用： 本项目采用了基于神经网络的定位系统，并对其进行了测试。神经网络定位系统通过学习大量的CSI数据，能够对用户的位置进行准确的预测。然而，通过实施CSI的随机化技术，研究证明了神经网络定位系统的不可行性，从而有效地保护了用户的位置隐私。 6. CSI的随机化技术： 为了扰乱定位，本项目提出了一种对CSI进行随机化处理的方法。通过将随机信息添加到CSI中，增加了定位的难度，从而保护了用户的位置隐私。同时，由于随机化的CSI仍然保留了通信性能，该技术确保了通信质量不受影响。 7. Matlab WLAN工具箱： 在本项目的存储库中，包含使用Matlab WLAN工具箱生成的WiFi帧。Matlab是一种广泛应用于工程和科学计算的编程语言和开发环境，它提供了WLAN工具箱用于模拟和分析无线局域网（WLAN）系统。通过这些工具箱，可以生成Wi-Fi帧并使用软件定义无线电（SDR）平台进行传输。 8. 软件定义无线电（SDR）平台： SDR是一种无线通信技术，它允许使用软件控制无线设备的硬件功能。这为研究人员提供了一种灵活、高效的方法来测试和实施无线通信技术，包括本项目中的CSI篡改技术。SDR可以用于传输由Matlab生成的Wi-Fi帧，并分析其CSI。 9. 系统开源： 项目“csi-murder”作为开源项目，它的源代码和相关资源可以在互联网上公开获取。开源系统允许其他研究人员和开发者审查、使用和改进代码，这对于科研工作的透明度和社区合作具有重要意义。 通过以上知识点，我们可以了解到本项目旨在通过生成对抗神经网络和随机化CSI技术，对抗基于CSI的无设备被动定位技术，以此保护用户的位置隐私，同时保持通信系统的正常运作。此外，本项目还展示了Matlab和SDR在无线通信研究中的应用，并强调了开源精神在科研工作中的重要性。