缓解数据泄露在一个WiFi CSI对人类行动识别的基准数据泄露
1Nokia Bell Labs, 1082 Budapest, Hungary.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
一个用于人类行动识别的通用WiFi数据集存在数据泄露问题. 在这个数据集上训练的模型在正确分离个体时表现不佳,揭示了当前WiFi CSI研究中的缺陷.
科学领域:
- 计算机科学 计算机科学
- 信号处理 信号处理
背景情况:
- 使用WiFi通道状态信息 (CSI) 识别人类行动,为医疗保健,智能环境和安全提供非侵入性传感.
- 基于CSI的动作识别系统的可靠性在很大程度上取决于数据集质量和评估协议.
研究的目的:
- 在广泛使用的WiFi CSI基准数据集中识别和分析关键数据泄露问题.
- 为了证明不正确的数据分区对人类行动识别模型的性能指标的影响.
主要方法:
- 调查了一个普遍的WiFi CSI基准数据集,用于数据分区错误.
- 重新训练的基准行动识别模型使用更正的数据分割技术,确保训练和测试集之间的个人分离.
- 在严格的无泄漏条件下评估模型性能.
主要成果:
- 由于基准数据集中培训和测试集之间的个人不适当分离,发现了一个重要的数据泄露问题.
- 当数据分区正确排除个人重叠时,重新训练模型的准确性显著下降,这表明之前的性能膨胀了.
- 该研究证实,模型学习的是个体特征,而不是可概括的行动模式.
结论:
- 严格的数据分区对于开发可靠的基于WiFi CSI的人类行为识别系统至关重要.
- 由于数据泄露,一些WiFi CSI数据集的现有性能基准可能过于乐观.
- 提供了建议,以减轻数据泄露,并改进未来在这个领域的研究.
