在WiFi中数据泄露的批判性分析基于CSI的人类动作识别使用CNNs

科学领域:

• 计算机科学 计算机科学
• 电气工程 电气工程
• 信号处理 信号处理

背景情况:

• 无线网络通道状态信息 (CSI) 用于非侵入性的人类行动识别.
• 卷积神经网络 (CNN) 是这个任务的一个常见方法.
• 由于潜在的数据泄露,人们对报告的绩效指标的可靠性存在担忧.

研究的目的:

• 批判性地分析一项特定的IEEE传感器期刊关于基于WiFi CSI的人类行为识别的研究.
• 识别和证明原始研究中的数据泄露问题.
• 用正确的,基于主题的数据分区重新评估绩效指标.

主要方法:

• 在WiFi CSI中分析数据分区方法的人类行为识别.
• 经验调查以验证数据集分区之间缺乏个人独家权.
• 重新评估绩效指标,并根据主题划分数据.

主要成果:

• 在分析的研究中,由于数据分区不当,发现了数据泄露的情况.
• 经验证据证实,个人存在于多个数据集分区中.
• 基于主体的分区导致精度比以前报告的要低得多,反驳了99.9%的说法.

结论:

• 原始研究的高性能指标因数据泄露而被膨胀.
• 严格的数据管理,特别是基于主题的分区,对于基于WiFi CSI的可靠活动监控至关重要.
• 准确的报告对于防止误导性结果和促进真正的研究进步至关重要.