面向可信赖的 Wi-Fi CSI 基 sensing：对抗鲁棒性的系统评估

机器学习驱动的 Channel State Information (CSI) 基于人类感知在现代无线网络中，使能够实现如设备免除人类活动识别 (HAR) 和识别 (HID) 等应用。然而，这些模型对对抗扰动的脆弱性引发了安全担忧，必须在边缘部署前对其进行量化评估。我们对五种多样化 CSI 架构进行系统鲁棒性评估，分析了白盒、黑盒迁移和通用攻击，以及在无限制和 physics-guided 扰动边界下进行防御策略。与先前假设相反，我们的实验表明，模型容量并不保证鲁棒性；简单架构始终在鲁棒性方面优于高容量序列和视觉模型。此外，脆弱性是根本上取决于任务的，HAR 证明高度易受攻击，而 HID 显示出显著的内在抵抗力。关键的是，强制执行物理信号约束显著降低了攻击成功率并显著增加攻击者计算负担，表明标准的无限制特征空间攻击在实际 Over-The-Air 环境中显著高估了脆弱性。通过综合攻击、防御和安全指标，结合严格的边缘硬件考虑，本工作为构建安全、可部署且在物理上可实现的无线感知系统确立了基础设计原则。