Storage-accuracy analysis for CSI-based human activity detection: an IoT forensics perspective

The spread of WiFi devices in homes, offices and places we visit everyday allows to use this technology as a new medium, to monitor and describe the nearby environment and that can support or replace the tasks which are currently executed by traditional security systems: thus, the information obtainable from the analysis of WiFi signals can be useful in a lot of contexts, among which the crime evidence detection. In this research we demonstrate, by means of experiments done in real world and involving resource-limited IoT devices, how starting from the channel state information (CSI) of a WiFi signal it is possible to detect accurately a target that is moving in a certain direction although the presence of obstacles such as walls, doors, etc., and that hence there is a strict correlation between how WiFi waves propagate and the nearby environment. Data analysis is performed with a view to IoT forensics, thus the main considered aspects are IoT devices data extraction, accurate data preservation and a human-readable presentation; furthermore some statistics are produced, that aim to evaluate the possible realization of a binary classifier that is able to recognize if a target is occupying a certain zone of a building. Finally, some considerations are done about the correlation between the storage space required by CSI data and the prediction accuracy of a binary classifier trained with such information.

La diffusione di dispositivi WiFi nelle case, negli uffici e nei luoghi che frequentiamo permette di utilizzare questa tecnologia come nuovo mezzo per monitorare e descrivere l'ambiente circostante e che può supportare o sostituire l'attività dei sistemi di sicurezza tradizionali; le informazioni ricavabili dall'analisi delle trasmissioni WiFi può quindi essere utile in molti contesti, tra cui la rilevazione di prove di un crimine. In questa ricerca dimostriamo, con esperimenti svolti nel mondo reale e dispositivi IoT con risorse limitate, come, a partire dall'analisi delle informazioni dello stato del canale (Channel State Information, CSI) ottenute dal segnale WiFi, è possibile sfruttare le informazioni scambiate tra dispositivi IoT per riconoscere in modo accurato il movimento di un obiettivo in una determinata direzione nonostante la presenza di ostacoli come muri, porte ecc., e che quindi è presente una stretta correlazione tra il modo in cui si propagano le onde WiFi e l'ambiente circostante; le analisi dei dati sono svolte nell'ottica dell'IoT forense, sono quindi messi in evidenza aspetti quali l'estrazione da dispositivi IoT, la corretta preservazione e la presentazione degli stessi in un modo compresnibile all'utente. Inoltre vengono presentate delle statistiche atte a valutare la possibile realizzazione di un classificatore binario in grado di rilevare quando un obiettivo si trova in una determinata zona di un edificio. Sono presentate infine delle considerazioni riguardo la correlazione tra lo spazio di archiviazione richiesto per salvare i dati CSI e l'accuratezza di previsione che un classificatore binario avrebbe se fosse allenato con tali dati.