Channel state information (CSI) features collection in wi-fi access points for IoT Forensics

In an increasingly connected world, human activities sensing can contribute to solve a wide range of problems, starting from those in the medical field and security in private environments, to more complex IoT Forensics problems. The techniques used to perform human detection often requires wearable smartwatches or other IoT devices that need to be carried. However, this may be unconventional in places such as at home. Alternative solutions leverage devices equipped with visual or acoustic sensors, but the main drawback is that their performance is conditioned by the surrounding environment. For example, a bad light or audio quality may prevent to successfully accomplish the task. To overcome all the mentioned limitations, one can rely on wireless sensing, which takes advantage of the existing radio signals generated inside a Wi-Fi infrastructure. One of the most suitable indicators of wireless sensing often used for human activity classification is the Channel State Information (CSI). This thesis proposes a tool that allows to capture and process CSI features directly in a Wi-Fi access point, to be easily controlled via its user web interface. In particular, after presenting the tool in all its implementation details, we use the collected features for IoT forensics, applying common classification techniques for two different tasks. We show that the user can easily collect CSI features without the need of setting up a proper collection environment, and that it is possible to use the features extracted from common IoT devices for the smart home to detect the presence of humans inside a closed environment as well as its passage through the room door.

In un mondo sempre più connesso, il rilevamento delle attività umane può contribuire a risolvere un’ampia gamma di problemi, a partire da quelli in ambito medico e di sicurezza in ambienti privati, fino ai più complessi problemi di IoT Forensics. Le tecniche utilizzate per eseguire il monitoraggio umano spesso richiedono smartwatch indossabili o altri dispositivi IoT che devono essere portati con sè. Tuttavia, questo può essere poco pratico in luoghi come la casa. Soluzioni alternative sfruttano dispositivi dotati di sensori visivi o acustici, ma lo svantaggio principale è che le loro prestazioni sono condizionate dall’ambiente circostante. Ad esempio, una scarsa illuminazione o qualità dell’audio possono impedire di portare a termine con successo il compito. Per superare tutte le limitazioni menzionate, ci si può affidare al rilevamento wireless. Il rilevamento wireless sfrutta i segnali radio esistenti generati all’interno di un’infrastruttura Wi-Fi e il suo indicatore più adatto è il Channel State Information (CSI). Questa tesi propone uno strumento che permette di catturare ed elaborare le features CSI direttamente dall’access point e che è controllabile facilmente dall’utente tramite la sua interfaccia web. In particolare, dopo la presentazione dello strumento in tutti i suoi dettagli implementativi, utilizziamo le features raccolte per scopi nell’ambito dell’IoT forensics, applicando tecniche di classificazione diffuse per due diversi compiti. Dimostriamo che l’utente può raccogliere facilmente le features CSI senza la necessità di allestire un ambiente di raccolta specifico e che è possibile utilizzare i dati estratti dai comuni dispositivi IoT di smart home per rilevare la presenza di esseri umani all’interno di un ambiente chiuso così come il loro passaggio dalla porta della stanza.