Red Hot Cyber
Sicurezza Informatica, Notizie su Cybercrime, Analisi Vulnerabilità e Intelligenza Artificiale
Le onde radio riempiono ogni stanza. Non le vediamo, ma sono ovunque: router, dispositivi, reti wireless. Ora immagina di poter usare proprio quei segnali per capire cosa succede in una stanza. Senza telecamere, senza sensori indossabili.
È l’idea alla base di π RuView, un progetto open source che esplora come l’intelligenza artificiale possa interpretare le variazioni dei segnali WiFi per rilevare presenza e movimento umano. L’obiettivo?
Trasformare i normali segnali radio in una forma di percezione ambientale.
Ogni movimento modifica il modo in cui le onde radio si propagano nello spazio. Il corpo umano riflette e distorce quei segnali. Cambiano ampiezza, fase, percorso. Piccole variazioni, ma misurabili.
RuView analizza queste variazioni utilizzando i dati chiamati Channel State Information (CSI). In sostanza, si osservano i cambiamenti nei sotto-canali del segnale WiFi per capire se qualcuno si muove nella stanza o se è presente.
Questo approccio deriva da ricerche accademiche come gli studi sulla tecnica WiFi DensePose, che hanno dimostrato come i segnali radio possano essere utilizzati per stimare la posizione del corpo umano. Ma qui è bene essere chiari: non si tratta di immagini o video. Il sistema interpreta statisticamente disturbi radio, generando modelli molto approssimativi di movimento.
Una delle promesse più affascinanti riguarda la possibilità di stimare segnali vitali come respirazione o battito cardiaco. In teoria, questi fenomeni producono micro-variazioni nel segnale WiFi.
La respirazione è relativamente più semplice da rilevare perché genera oscillazioni più ampie nel segnale. Il battito cardiaco invece è molto più difficile da isolare: le variazioni sono minuscole e spesso sommerse dal rumore radio dell’ambiente.
Per questo motivo la documentazione tecnica indica che le funzionalità più avanzate richiedono una mesh di più sensori, spesso tra quattro e sei nodi ESP32-S3 sincronizzati tra loro. Un singolo sensore economico non è sufficiente per ottenere risultati affidabili.
Insomma… la tecnologia è interessante, ma non è ancora la “lettura del cuore via WiFi” che certe descrizioni lasciano intendere.
WiFi Router → radio waves pass through room → hit human body → scatter
↓
ESP32 mesh (4-6 nodes) captures CSI on channels 1/6/11 via TDM protocol
↓
Multi-Band Fusion: 3 channels × 56 subcarriers = 168 virtual subcarriers per link
↓
Multistatic Fusion: N×(N-1) links → attention-weighted cross-viewpoint embedding
↓
Coherence Gate: accept/reject measurements → stable for days without tuning
↓
Signal Processing: Hampel, SpotFi, Fresnel, BVP, spectrogram → clean features
↓
AI Backbone (RuVector): attention, graph algorithms, compression, field model
↓
Signal-Line Protocol (CRV): 6-stage gestalt → sensory → topology → coherence → search → model
↓
Neural Network: processed signals → 17 body keypoints + vital signs + room model
↓
Output: real-time pose, breathing, heart rate, room fingerprint, drift alertsUno degli aspetti più innovativi del progetto è l’utilizzo di piccoli dispositivi edge basati su ESP32-S3. Questi moduli catturano i dati radio e li elaborano localmente senza bisogno di cloud o connessione Internet.
Il sistema può apprendere la cosiddetta “firma radio” dell’ambiente, cioè il comportamento normale dei segnali in una stanza. Quando qualcosa cambia – una persona che entra, un movimento – il sistema rileva l’anomalia.
Va però ricordato che modelli di riconoscimento complessi, come quelli che stimano la postura del corpo, non nascono dal nulla. Anche in questo caso si utilizzano modelli addestrati con dataset di ricerca che combinano segnali WiFi e dati di riferimento.
Il progetto è stato sviluppato e pubblicato dal team di ricerca open source di Ruvnet, che ha reso disponibile il codice e la documentazione tecnica nel repository ufficiale.
Per la community di Red Hot Cyber la vera lezione è un’altra. Tecnologie come il WiFi sensing non sono fantascienza, ma nemmeno magia. Sono strumenti complessi, ancora in evoluzione. Capirne i limiti tecnici oggi è il primo passo per affrontare domani i temi di sicurezza, privacy e possibile uso improprio.
È uscito il sesto episodio di Betti-RHC, la serie a fumetti di Red Hot Cyber nata con l'obiettivo di trasformare la cybersecurity awareness in un'esperienza di formazione più semplice, coinvolgente e accessibile. Quello che è nato come un progetto editoriale innovativo è diventato negli anni un vero e proprio corso di cybersecurity awareness a fumetti, adottato da aziende e professionisti per sensibilizzare le persone sui rischi informatici attraverso storie, personaggi ed emozioni. In cinque anni di attività, la serie Betti-RHC ha raggiunto un risultato importante: circa 70.000 copie vendute, a testimonianza dell'interesse crescente delle organizzazioni verso nuovi strumenti per costruire una concreta cultura della sicurezza.
Il sesto episodio porta Betti dentro le nostre case, in un mondo "connesso", dove lampadine, telecamere, assistenti vocali, serrature, sensori ed elettrodomestici intelligenti promettono comfort e sicurezza, ma possono nascondere nuove e insidiose superfici di attacco. Attraverso una nuova avventura, Betti ci accompagna alla scoperta del mondo della domotica e dei dispositivi IoT, mostrando come la poca cautela nell'utilizzo di queste tecnologie possa trasformare oggetti quotidiani in porte d'accesso per chi vuole osservare, controllare o colpire.
Per accompagnare la crescita del progetto abbiamo realizzato il sito ufficiale di Betti-RHC, dove è possibile conoscere meglio la serie, gli episodi e il progetto di cybersecurity awareness sviluppato da Red Hot Cyber. L'obiettivo è continuare a portare la cultura della sicurezza fuori dai tradizionali percorsi formativi standard, utilizzando il linguaggio immediato del fumetto per parlare a dipendenti, professionisti e persone senza competenze tecniche. Per maggiori informazioni su Betti-RHC e sul sesto episodio “Open Mic” è possibile visitare il sito ufficiale: betti.redhotcyber.com.