RuView BFLD 技术解析：802.11ac/ax 波束赋形反馈（BFI）隐私泄露面 SOTA 调研与安全层设计

RuView BFLD 技术解析802.11ac/ax 波束赋形反馈BFI隐私泄露面 SOTA 调研与安全层设计【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView波束赋形反馈信息Beamforming Feedback InformationBFI是 802.11ac/ax 客户端STA与接入点AP之间在明文管理面上周期性交换的压缩信道表征任何处于监听模式的 WiFi 适配器都能被动截获。本文基于 RuView 仓库的 docs/research/BFLD/01-sota-survey.md 调研文档系统梳理 BFI 与 CSI 的物理层差异、身份推断攻击BFId、LeakyBeam与隐私保护感知技术现状并结合仓库内 ADR-118~123 与wifi-densepose-bfldcratev0.3.1的实现讲解 RuView 如何以测量身份泄露风险而非压制身份推断的方式把一项潜在的隐私风险转化为可观测、可审计的结构化安全信号。读完本文你将掌握 BFI 的捕获工具链、攻击面分析框架以及 BFLD 的隐私分级、风险评分与哈希轮换三大核心机制的设计与落地方式。1. BFI 与 CSI物理层差异与泄露剖面理解 BFLD 的动机首先要区分两个容易混淆的物理层信号CSI 与 BFI。二者都编码了无线信道的信息但在获取门槛、传输载体与泄露属性上截然不同。1.1 CSI需要固件修改的研究仪器CSIChannel State Information是接收端在全部子载波与天线对上测得的复数信道频率响应CFR。获取 CSI 通常需要两条路径之一固件修改在接收网卡上打补丁例如 Atheros CSI Tool或针对 Raspberry Pi 4/5 上 BCM43455c0 芯片的 Nexmon CSI 补丁专用无线电使用带 802.11 解码器的软件定义无线电SDR。其结果是维度为 Ntx × Nrx × Nsubcarrier 的复数矩阵——稠密、高维且在标准运行中不会在空中传输。在本项目中现有的 rvCSI 运行时vendor/rvcsi/见 ADR-095/ADR-096正是通过 Raspberry Pi 硬件上的 Nexmon 固件补丁捕获 CSI。调研文档明确指出ESP32-S3 无法产出完整管线所需的 CSI 格式——它缺少足够的射频链路数也没有 rvcsi 所期望的逐子载波相位提取固件支持详见后文开放技术问题章节。1.2 BFI生产协议中的明文广播制品BFI 与 CSI 本质不同它是 STA客户端回传给 AP接入点的信道压缩表征目的是让 AP 能把波束对准客户端。IEEE 802.11ac/ax 标准9.4.1.52 节定义的压缩波束赋形格式工作流程如下AP 发送一个 Null Data PacketNDP探测帧STA 依据 NDP 测量信道计算奇异值分解 V U·Σ·V^H再用一系列Givens 旋转压缩右奇异向量Givens 旋转产出一组角度φ 角取值范围 [0, 2π)ψ 角取值范围 [0, π/2)。802.11ac 中分别量化为 7 bit 与 5 bit802.11ax 默认降为 4 bitφ与 2 bitψSTA 发送包含这些量化角度的 VHT/HE Compressed Beamforming ReportCBFR帧每个活动子载波或压缩子载波组一组外加每流一个 SNR 字段。关键点CBFR 是管理面 802.11 帧而非 802.3 数据帧。它在关联加密协商之前就已传输在 WPA2/WPA3 部署中波束赋形探测与反馈交换以明文进行因为 WPA2/WPA3 只加密数据帧。即使是启用受保护管理帧PMF的 802.11axWi-Fi 6/6E截至 2025 年商用 AP 默认也不会加密波束赋形交换中的 action 帧——这一结论来自 NDSS 2025 论文 Lend Me Your BeamLeakyBeam的发现。关键不对称性由此产生维度CSIBFI获取方式需物理接触设备 固件修改只需监听模式网卡 CBFR 帧解析器传输状态标准运行中不传输任何 802.11ac/ax STA 周期性主动广播代表工具Atheros CSI Tool、Nexmon CSIWi-BFIpip 可安装Wi-BFIHaque, Meneghello, RestucciaACM WiNTECH 2023正是这样一个开源、pip 可安装的 BFI 提取工具印证了零门槛的结论。1.3 为什么 BFI 格外危险CSI 是研究仪器——访问它需要刻意努力BFI 则是生产协议制品任何 802.11ac/ax STA 都会按常规周期性广播。其攻击面特征有四目标设备与 AP 均无需固件修改被动捕获即可帧向所有方向广播而非波束成形附近攻击者接收到的 SNR 与 AP 几乎相同结构化泄露φ/ψ 角度矩阵编码了空间信道的压缩但非平凡可逆的表征其中包含人体形状调制的多径几何——人体是改变信道形状与运动的介电障碍物规律性探测由 AP 按需发起在 802.11ax 部署中典型频率为 5–40 Hz。60 秒、10 Hz 的捕获可得到 600 帧 CBFR——这足以让 BFId 分类器达到 90% 的重识别准确率ACM CCS 2025。2. 压缩角度矩阵身份表面2.1 Givens 旋转重建φ/ψ 角度通过 Givens 旋转分解编码一个酉矩阵V G(N, N-1, φ_{N,N-1}, ψ_{N,N-1}) · G(N, N-2, ...) · ... · G(2,1, φ_{2,1}, ψ_{2,1}) · D其中 D 是对角相位矩阵。2×2 MIMO 系统对应 2 个角度4×4 系统对应 12 个角度。BFI 载荷中的每个列对应一个子载波组802.11ax 中每 4 个子载波一组802.11ac 中每 2 个一组。由此得到的逐子载波角度序列是空间信道的时变签名。由于人体调制多径信道该序列编码了身体特定的几何特征。BFId 论文KITACM CCS 2025证明基于这些序列训练的有监督分类器可在 197 人数据集上实现身份识别。2.2 AI/ML 压缩反馈回路IEEE 802.11 标准化组织正在探索基于 AI/ML 的波束赋形反馈压缩IEEE 802.11bn / Wi-Fi 8 研究组Toward AIML Enabled WiFi Beamforming CSI Feedback Compression。该工作提出用神经码本降低反馈开销。调研文档指出了一个重要的副作用神经 BFI 压缩器的学习潜空间可能比原始角度更具身份判别性因为神经压缩倾向于保留类别判别性方差。这意味着 BFLD 必须被设计为能处理压缩后的 BFI 编码而不仅是原始 φ/ψ 格式——这直接影响了 ADR-119 中帧格式对quantization字段0f32、1i16、2i8、3打包 4-bit nibble的设计BfldFrameHeader预留了多种量化档位正是为了兼容未来 AI/ML 压缩格式见 frame.rs。3. 工具链全景3.1 Wi-BFI能力从 802.11ac 与 802.11ax 中实时/离线提取波束赋形角度BFA支持 20/40/80/160 MHz 带宽支持 SU-MIMO 与 MU-MIMOpip 可安装。对 BFLD 的意义BFLD 的提取器模块extractor.rs必须产出与 Wi-BFI语义等价的输出——即逐子载波 φ/ψ 角度数组加每流 SNR——这样 Wi-BFI 生态的研究成果可以在 BFLD 捕获数据上复现。这一要求在 ADR-118 的 AC1解析 802.11ac/ax 捕获20/40/80/160 MHz2×2 至 4×4 MIMO中被固化为验收标准。3.2 PicoScenes能力跨网卡 CSI 与 CBFR 测量平台支持 Intel AX200、AX210、Atheros AR9300、QCA6174在 Linux 上以自定义内核模块运行。对 BFLD 的意义PicoScenes 可从同一帧序列同时捕获 CSI 与 BFI支撑 BFLD 规范中描述的 CSIBFI 融合路径csi_matrix可选输入对应 AC7 无 csi_matrix 也能运行。vendor/rvcsi/的适配层已处理 Nexmon PCap 格式PicoScenes 适配器被规划为未来扩展。3.3 Nexmon CSIBCM43455c0硬件Raspberry Pi 4/5 上的 BCM43455c0 芯片——与项目车队中cognitum-v0Pi 5 设备相同Pi 5 配合 BCM43456 支持 4×4 MIMO。能力监听模式下逐子载波复数 CSI。对 BFLD 的意义rvcsi 的 nexmon 适配器已把该硬件的 PCap 帧接入 wifi-densepose 管线。在同一硬件上做 BFI 提取需要在 CSI 嗅探器之外再增加一个 CBFR 帧嗅探器——这正是 ADR-123 的 P6 阶段方案Pi 5 / Nexmon 捕获适配器约 2.5 周工作量。3.4 Atheros CSI Tool / iwlwifi CSIIntel 与 Atheros 网卡的遗留工具需要内核模块注入。与当前硬件车队ESP32-S3 Raspberry Pi 5无关仅作完整性记录为未来 Intel AX210 部署预留。4. 身份推断攻击4.1 BFIdACM CCS 2025KITBFId 是首个**仅使用 BFI无 CSI**的已发表身份推断攻击。其方法学数据集197 名受试者多会话、多 AP 角度。每名受试者沿固定路径行走其 STA 持续触发 BFI 交换同时记录 CSI 以作对比。特征提取φ/ψ 角度矩阵的时间序列按不同窗口长度开窗基础统计特征均值、方差、跨子载波相关性输入浅层分类器。结果仅 5 秒 BFI 即可实现 90% 的重识别准确率。性能对不同行走姿态与视角鲁棒——与人体测量学身体形状躯干宽度、步幅、肢体几何而非步态相位是主要判别因素的假设一致。与 CSI 对比尽管 BFI 是压缩表征其身份任务准确率与 CSI 相当——证实 Givens 角度压缩保留了身份判别性方差。4.2 LeakyBeamNDSS 2025LeakyBeam 的目标是占用检测房间内是否有人而非身份。关键发现使用商用硬件可穿墙在 20 m 距离检测到 BFI真实世界评估中真阳性率 82.7%、真阴性率 96.7%攻击成立的原因BFI 编码了运动引起的信道扰动即使穿过障碍物人体进入房间时 φ/ψ 角度方差也会发生可测变化防御传输前混淆 BFI只需极小的硬件改动。对 BFLD 的启示如果与 AP 无任何关系的被动攻击者都能检测占用那么 BFLD 节点本身就在隐式广播存在性信息——除非在 STA 固件层部署主动混淆。BFLD无法阻止这种被动攻击它只能确保节点自身输出不再额外泄露身份。4.3 先前的 RF 步态与生物特征推断BFI 特定攻击出现之前威胁图景已由 CSI 类攻击确立步态WiGait2017、Wi-Gait2023、GaitRespiration ID2021均展示从标准 WiFi 实现 90% 的步态重识别呼吸生物特征呼吸频率与深度在人群层面因人而异802.11 CSI 以 0.1–0.5 Hz 的幅度振荡捕获呼吸人体测量学推断手部尺寸、躯干宽度与肢体几何调制信道基于活动数据训练的分类器已被证明会以副作用形式泄露人体测量学信息。BFId 关于BFI 身份识别准确率与 CSI 相当的发现与上述工作一致——它只是证明了攻击的门槛更低。5. 隐私保护感知技术现状5.1 RF 嵌入上的差分隐私在 CSI 频谱图上进行自适应隐私预算分配的差分隐私特征发布工作对 CSI 频谱图应用拉普拉斯/高斯机制基于经验灵敏度逐子载波校准 ε。结果显示在 ε 1.0–4.0 区间内身份推断准确率显著下降同时保留活动识别效用。调研文档提出了一个前瞻性整合当前规范未包含BFLD 的identity_risk_score可充当自适应 ε 选择器——高风险帧获得更紧的隐私预算更多噪声低风险帧原样通过。5.2 联邦 / 本地推理2024–2025 无线联邦学习文献的共识是在资源受限边缘设备上带梯度扰动的本地差分隐私LDP可行。但对 BFLD 而言关键性质更简单身份嵌入永远不需要离开节点。身份没有联邦学习步骤风险分数是发布输出的本地计算而产出该分数的嵌入本身不发布。这一嵌入只在 RAM 环形缓冲区内存活的设计详见下节是 ADR-120 的结构性不变量 I2。5.3 感知的零知识ZK认证ZK-SenseLM 提出用零知识证明来证明感知模型的输出源自合法数据。这在架构上与 ADR-028 的 witness-bundle 方法相近。未来 BFLD 工作可用 ZK 证明来认证identity_risk_score 是从声明的输入计算而来同时不泄露输入本身。5.4 压缩 802.11 CSI 反馈中的人体活动签名保护一篇 2024 年论文直接针对 CBFR 帧中的活动签名泄露提出在 STA 传输前扰动 φ/ψ 角度。该防御与 BFLD 的方法互补BFLD 在接收端检测泄露该论文在发送端压制泄露。两种方法互为补充。6. 与项目 ADR 的关系从调研到落地调研文档明确将自身锚定到项目的 ADR 体系而仓库现状v2/crates/wifi-densepose-bfld/版本 0.3.1说明这份调研已经转化为实际代码。映射关系如下调研文档关联落地 ADR / 实现机制ADR-027MERIDIAN 跨环境泛化ADR-118 不变量 I3BFLD 的跨房间哈希轮换直接实例化无跨站相关性不变量ADR-028ESP32 能力审计 witness 验证ADR-119 AC6确定性证明模式相同输入 ⇒ 位级相同的BfldFrame序列化ADR-024AETHER 对比 CSI 嵌入identity_risk.rs复用 AETHER 嵌入基础设施做身份风险测量ADR-029/030RuvSense 多站 场模型features.rscross_perspective_consistency风险分量需要跨多传感器视角相关ADR-032多站网格安全加固威胁模型BFLD 威胁模型是 ADR-032 的超集在管理面层新增被动嗅探威胁6.1 三个结构性不变量非策略承诺BFLD 的核心主张是用类型系统 内存卫生实现隐私而非靠策略文本。wifi-densepose-bfld 的 README 明确列出了三条不变量及其强制执行机制不变量内容强制执行方式I1原始 BFI 永不出节点Sinkmarker trait 层级 PrivacyClass::Raw.allows_network() falseI2身份嵌入仅在 RAM 中IdentityEmbedding无Serialize/Clone/CopyDrop时零化内存I3跨站身份关联在密码学上不可能SignatureHasher基于 BLAKE3 keyed hash 每日 epoch 轮换SignatureHasher的计算方式ADR-120 §2.3pub fn rf_signature_hash( site_salt: [u8; 32], // 首次启动生成持久化在 TPM/KMS永不传输 day_epoch: u32, // floor(unix_time_utc / 86400) features: IdentityFeatures, ) - Hash { let mut hasher blake3::Hasher::new_keyed(site_salt); hasher.update(day_epoch.to_le_bytes()); hasher.update(features.canonical_bytes()); hasher.finalize() }结构性跨站隔离site_salt是每个节点独有的 256-bit 随机秘密且永不传输因此两个站点观察同一物理人会产出不相关的哈希。攻击者甚至被攻破单节点的操作者没有可用于跨站桥接的密钥——桥接无法被计算这比禁止共享的策略更强。每日轮换day_epoch在 UTC 午夜翻转强制同一人的哈希每天变化一次主动切断跨日关联周一的哈希与周二的哈希处于不相交的哈希空间即使同一人、同一节点。6.2 四个隐私等级字段级默认拒绝BfldFrameHeader中的privacy_class: u8字节选择四个等级之一ADR-120 §2.1等级名称用例可用字段0raw仅本地研究绝不联网全部字段、全精度 BFI 矩阵、身份嵌入1derived操作者确认的局域网研究降采样角度矩阵、全特征、identity_risk_score、身份嵌入2anonymous默认生产部署仅聚合感知presence、motion、person_count、zone_id、confidence3restricted养老院/受监管部署等级 2 减去 identity_risk_score 与 rf_signature_hash新 RuView 节点的默认等级是2。操作者必须通过--research-mode标志显式降级到等级 1等级 0 仅保留给cargo test从wifi-densepose-sensing-server不可达。等级间的降级只能通过PrivacyGate::demote(frame, target_class)完成断言目标等级数值更大、用subtle::Zeroize清零不允许的字段、重算payload_crc32、返回新帧。不存在promote操作——等级 2 的帧不可能变回等级 1因为被丢弃的字段在 gate 可达范围内已无任何留存。默认拒绝还体现在编译期每个新增到BfldFrame/BfldEvent的字段都必须标注#[must_classify]自定义属性宏未列入按类 allow-list 的字段会导致编译失败。这强制未来贡献者必须对每个新字段做出显式隐私决策。6.3 帧格式确定性、自描述、字节级隐私分类ADR-119 定义了BfldFrame头部little-endian、packed#[repr(C, packed)]共86 字节早期草稿误记为 40 字节已在 P1 脚手架阶段修正并由static_assertions::const_assert_eq!在 frame.rs 中静态校验。核心字段包括magic: u32 0xBF1D_0001、version: u16——自描述防止未来版本静默破坏聚合器状态flags: u16——bit0has_csi_delta、bit1privacy_modetimestamp_ns: u64——单调捕获时钟ap_hash/sta_hash——基于 site_salt 的 BLAKE3 keyed hashsta_hash 混入 day_epochchannel、bandwidth_mhz20/40/80/160、rssi_dbm、noise_floor_dbmn_subcarriers、n_tx、n_rx、quantization0f32、1i16、2i8、3打包 nibble、privacy_classpayload_len、payload_crc32——CRC-32/ISO-HDLC仅覆盖载荷字节。载荷为按固定顺序排列的类型化分段compressed_angle_matrix ‖ amplitude_proxy ‖ phase_proxy ‖ snr_vector ‖ optional_csi_delta ‖ optional_vendor_extension每段以[u32 len_le][bytes...]前缀。CRC32 覆盖所有分段字节含长度前缀但不含头部。字节序稳定性x86_64 的 ruvultra、aarch64 的 cognitum-v0/Pi 5、Xtensa 的 ESP32-S3 必须产出相同字节被列为设计要求。6.4 身份风险评分与一致性门ADR-121identity_risk_score回答一个问题当前捕获窗口是否具备识别特定个体的能力它有两个消费者操作者通过 HA 诊断传感器观测评分骤升提示 RF 环境进入更高泄露区间与隐私门评分越过阈值时自动降级 privacy_class。九大特征在 W32 帧滑动窗口10 Hz 下约 3 秒上计算特征定义来源模块mean_angle_delta跨子载波 ‖Φ_t − Φ_{t-1}‖ 均值extractorsubcarrier_variance子载波轴上 ‖Φ‖ 的方差extractortemporal_entropy窗口内角度分箱直方图的香农熵extractordoppler_proxy均值角度时间序列的 FFT 峰值幅度features.rspath_stability1 − ‖Φ_t − median(Φ)‖ / scalefeatures.rscross_antenna_correlationn_tx × n_rx 对的平均皮尔逊相关features.rsburst_motion_score高通滤波角速度的软阈值features.rsstationarity_score1 − 滚动 KL 散度W/2 vs Wfeatures.rsidentity_separability_score到最近 AETHER 簇中心的 top-1 余弦identity_risk.rs前八个是感知特征同时供存在性/运动管线使用只有第九个依赖 AETHER 嵌入因而要求identity_class 1。风险公式采用乘法组合pub fn identity_risk_score( sep: f32, // identity_separability_score, [0, 1] stab: f32, // temporal_stability, [0, 1] ema(path_stability, alpha0.1) consist: f32,// cross_perspective_consistency, [0, 1] multistatic.rs conf: f32, // sample_confidence, [0, 1] f(SNR, n_subcarriers, n_rx) ) - f32 { let s sep.clamp(0.0, 1.0); let t stab.clamp(0.0, 1.0); let p consist.clamp(0.0, 1.0); let c conf.clamp(0.0, 1.0); (s * t * p * c).clamp(0.0, 1.0) }乘法组合使任一弱因子例如极低 SNR ⇒ 低conf都把分数压向 0——符合隐私意图系统不确定时应报告低风险操作者不应被惊扰。加性评分、最大值评分、学习型 MLP 等替代方案均因过度报告/不可审计等原因被否决。一致性门消费评分并输出四种动作pub enum GateAction { Accept, // score 0.5, publish normally PredictOnly, // 0.5 score 0.7, publish but flag confidence Reject, // 0.7 score 0.9, drop the event Recalibrate, // score 0.9, drop AND rotate site_salt }Recalibrate触发强制 site-salt 轮换——对持续高风险区间的激进响应例如攻击级嗅探器进入范围代价是长期聚合分析的连续性中断。门采用 ±0.05 滞回与 5 秒去抖防止阈值附近振荡tests/coherence_gate.rs、tests/gate_clock_skew.rs覆盖此行为。计算预算特征提取 3 ms/窗口、可分离性余弦 5 ms/窗口RuVector RaBitQ 索引≤1k 质心、风险评分 0.1 ms、门决策 0.1 msPi 5 单核上窗口级 p95 ≤ 10 ms。ESP32-S3 只承载提取阶段特征计算风险评分按 ADR-123 由主机侧完成。校准目标评分在 KIT BFId 数据集留出测试集上按重识别成功率校准分段线性等渗回归把原始分数映射到 [0,1] 带其中score ≥ 0.8对应校准数据集 5 秒窗口上 80% 的重识别准确率。校准参数存放在独立于代码版本化的data/risk_calibration.toml——回归更新是一个纯内容 PR无需重新编译。6.5 MQTT 主题路由与 HA/Matter 暴露边界ADR-122 定义输出表面BfldEventJSON 通过 MQTT 在ruview/node_id/bfld/*下按类路由默认 mosquitto ACL 拒绝匿名客户端的通配订阅ruview/node_id/bfld/raw/state默认禁用。Matter 边界cog-ha-mattercrate只暴露 OccupancySensingpresence、MotionSensormotion、PeopleCountperson_count三个簇identity_risk_score、rf_signature_hash、raw_bfi、identity_embedding在 Matter 边界被显式拒绝。仓库的 cog-ha-matter/blueprints/bfld/ 提供了三个 HA 操作者蓝图presence 照明、motion HVAC、身份风险异常。6.6 可审计性验证原始 BFI 从未离开节点调研文档给出了三层审计手段与仓库中的测试一一对应网络层审计tcpdump -i eth0 -w bfld_audit.pcap port 1883 or port 8883随后在 PCAP 中搜索 BFI 帧魔数big-endian 的BF 1D 00 01——正常情况不应出现节点自检命令P3 规划wifi-densepose bfld audit --duration 60s输出各 privacy_class 分布CI 确定性哈希检查verify_bfld.py风格工具结构同 ADR-028 的 witness-bundle 模式被篡改的二进制会改变输出哈希并立即失败。仓库中对应的确定性验证由 tests/pipeline_determinism.rs、tests/frame_roundtrip.rs 等测试固化。7. 威胁模型与攻击树要点调研文档配套的威胁模型docs/research/BFLD/03-security-threat-model.md定义了六类对手对手能力BFLD 相关性A1 被动嗅探者好奇邻居监听模式网卡 Wi-BFILeakyBeam 威胁BFLD 无法阻止空中捕获只确保自身输出不助长其工作A2 定向跟踪者A1 MAC 地址与时间关联每日哈希轮换切断跨会话哈希序列关联A3 ISP/操作者访问 MQTT broker / HA / 云隐私门在节点边界拦截身份相关字段A4 国家/执法机关强制访问日志与存储不变量成立时 broker 仅有 presence/motion/count/轮换哈希均不可单独重识别A5 被攻破的 AP 固件修改探测计划提取更多判别性 BFIidentity_risk_score 会检测到抬升的可分离性并标记高风险——系统对捕获质量自归一化A6 供应链攻破节点移除隐私门的篡改二进制witness-bundle 确定性哈希使篡改二进制在下次 verify 时失败攻击树AT-1 被动捕获→身份推断、AT-2 跨站哈希关联、AT-3 风险评分时序侧信道、AT-4 MQTT 主题枚举、AT-5 Matter 簇滥用共同刻画了边界BFLD 不阻止 AT-1 的空口捕获但确保自身输出不提供第 4 步的关联锚点AT-2 因 site_salt 站点特异且保密而结构性失败AT-3 因风险评分默认不发布、等级 3 输出置零而缓解AT-5 因 Matter 边界拒绝身份字段而失败。8. 开放技术问题调研文档以三个开放问题收尾其中前两个直接影响实现约束ESP32-S3 上的 BFI 捕获ESP32-S3 的esp_wifi_csi_set_configAPI 提供的是厂商特有的 Espressif HT20 格式 CSI不暴露 VHT/HE CBFR 帧。因此 BFI 捕获大概率需要主机侧嗅探Pi 5 Nexmon 监听模式cognitum-v0已具备。ADR-123 进一步指出唯一的固件改动是把 stream_sender.h 的流头增加包类型字节以区分 CSI 帧与 BFI 帧STREAM_PKT_TYPE_CSI 0x01/STREAM_PKT_TYPE_BFI 0x02BFI 帧源自 Pi 侧主机而非 ESP32。量化分辨率退化802.11ax 默认的 φ 4 bit / ψ 2 bit 比 802.11ac 的 7/5 bit 更粗。BFId 论文使用 802.11ac 硬件。BFLD 必须验证identity_risk_score校准在更低量化下仍然有效。WiFi 7802.11be变化802.11be 引入多链路操作MLO可能改变探测/反馈节奏。BFLD 帧格式magic0xBF1D_0001 version 字节被设计为可容纳未来协议版本——这正是 86 字节头部中version与flags保留位的用途。9. 评估与基准把隐私保证变成可测量指标调研文档配套的 07-benchmarks-and-evaluation.md 给出了一套量化的评估策略核心思想是校准而非猜测数据集以 KIT BFId 数据集为主197 人、BFI 与 CSI 同步、多会话多角度、非商用研究协议MM-Fi 用于验证 CSI 可选路径AC7Wi-Pose 用于 person_count 与 motion 基线。校准定义设 r(t) 为 BFLD 的风险评分acc(t) 为 BFId 分类器在 t 附近窗口的重识别准确率。评分已校准当且仅当E[acc(t) | r(t) v]随 v单调递增——即更高风险分数对应身份推断真正更易成功的窗口。评估协议以滑动 5 秒窗口跑 BFId留一交叉验证与 BFLD 评分做 Spearman 相关目标 ρ 0.5。红队协议哈希重识别攻击跨 3 天收集 H1/H2/H3成功率 ≤ 1/N 0.05、跨站重识别攻击哈希匹配按构造失败、时序侧信道攻击仅得到有人在场级别的信息等价于等级 2 已发布的 presence。对比基线未加门的 BFICSI 融合管线估算 F1 ≈ 0.97与 BFLD 等级 2 门控后目标 F1 0.93之间的差距是身份安全换适度效用的显式取舍。CI 持续评估每次触碰 BFLD crate 的 PR 运行三项测试——确定性哈希AC6、隐私模式字段抑制模糊测试AC51000 随机输入、延迟冒烟测试AC2100 帧回放首事件 200 ms严于 1 s 的 AC 目标以保持 CI 快速。10. 结语从潜在风险到可观测信号BFLD 的独特贡献不在于压制身份推断——它承认空口被动嗅探LeakyBeam 类攻击无法由节点自身阻止其贡献在于连续测量身份泄露潜力并把测量结果显式写入每个事件。每日每站点哈希轮换与仅存于 RAM 的身份嵌入使跨站重识别在结构上不可能不变量 I3而非仅仅是策略承诺。从 docs/research/BFLD/ 的 11 份设计文档13,544 词到v2/crates/wifi-densepose-bfld/v0.3.1含 no_std 兼容核心、rumqttc MQTT 发布、Soul Signature 可选集成与 WiFi Veil 咨询集成这份调研已在仓库中沉淀为可编译、可测试、带 CI 矩阵含 live mosquitto Docker 服务的实现。对于在养老院、酒店、共享办公室部署感知系统的操作者而言BFLD 提供的正是系统是否在匿名运行这一问题的可验证答案。【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考