smart user authentication through actuation of daily activities leveraging wifi-enabled IoT

发表在Mobihoc‘17，是由陈莹莹团队研究的成果。

目的：通过用户的日常动作（walking，stationary activities）认证用户。

主要贡献：

1）通过无线信号与动作之间的关系，获取一个人独特的人体特点和行为特点，进而通过日常动作认证这个用户。

2）利用CSI的振幅和相位来描述用户的独一无二的动作。

3）利用深度学习方法来侦测用户的日常动作，并且防止非法用户攻击（这个点比较好）

4）在两类实验环境（lab and apartment）分别获取94% and 91%的认证精度。

代价：

1）一对设备

2）5个月的时间

STE(short time energy): 短时能量

效果展示：

针对一个波峰，如果多个波峰，这个方法会存在一定的问题。我还在思考是否可以在继续改进，提高侦测动作起始点的精度和稳定度。

subcarrier selection:

****to eliminate the negative effects caused by the unstable subcarriers,  a covariance based scoring function is defined to assess  each subcarrier's correlation level with its neighboring subcarriers as follows:

K：表示相邻子载波的数量

i,j：表示不同的子载波

效果如下：

我的思考：

我一直倾向于保留敏感的子载波，移除稳定的子载波。本文的工作则是移除不稳定的子载波，保留稳定的子载波。这一点挺有意思的，引起我的思考。哪一种说法接近真实的理论呢。还需要探讨和分析。

我个人观点：

该工作还是没有跳出我们常用解决动作识别的技术和方法，只是重新组合换了个说法，所以创新性还是不太突出。

“ we show that the proposed system is resilient to spoofing attacks when integrating the feature abstractions from the deep learning model with the SVM classifier”