ตอนนี้ Internet of Things กำลังเข้ามาอยู่ในชีวิตประจำวันของใครหลายๆ คนกันเป็นที่เรียบร้อย เช่นในตอนนี้ที่เราเริ่มเห็นอุปกรณ์หลายๆ อย่างที่สามารถเชื่อมต่ออินเตอร์เน็ตเพื่อรับคำสั่งการทำงานต่างๆ ได้กันบ้างแล้ว
แต่ถึงอย่างนั้น บรรดาอุปกรณ์ IoT ทั้งหลายแหล่ก็ยังมีโจทย์ที่ต้องแก้กันอยู่ นั่นคือเรื่องของการทำงานร่วมกับผู้ใช้แต่ละคนนั่นเอง ให้ลองนึกภาพว่าเรามีตู้เย็นอัจฉริยะที่สามารถส่องไฟไปยังของที่คนเปิดตู้เย็นเป็นคนแช่ไว้ได้ดูสิ
ปัจจุบันเรามีวิธีในการจำแนกตัวบุคคลอยู่หลายวิธีด้วยกัน ตั้งแต่วิธีที่ฟังดูน่ากลัวอย่างการฝังชิป RFID ลงไปในตัวผู้ใช้ ไปจนถึงการจดจำใบหน้า เสียง ม่านตา หรือลายนิ้วมือ
แต่ด้วยงานวิจัยใหม่ล่าสุดในชื่อว่า “FreeSense” ได้นำเสนอวิธีใหม่ด้วยการใช้ “คลื่น WiFi” ในการจำแนกตัวผู้ใช้แต่ละคนด้วยรูปร่างของผู้ใช้และรูปแบบการแสดงท่าทางต่างๆ โดยผลวิจัยเผยว่ามีความแม่นยำในการจำแนกสูงถึง 90% เลยทีเดียว
โดนปกติแล้วคลื่น WiFi จะสามารถถูกรบกวนได้จากวัตถุต่างๆ ที่อยู่ในระยะ (ผนัง ประตู ทีวี ตู้เย็น ฯลฯ) ซึ่งคนเราก็จัดเป็นหนึ่งในวัตถุที่สามารถรบกวนคลื่นเหล่านี้ได้เช่นกัน โดยรูปร่างและลักษณะการเคลื่อนไหวของแต่ละคน ก็จะส่งผลต่อสัญญาณต่างกันไป ดังนั้นแล้วนักวิจัยจึงนำแนวคิดนี้มาประยุกต์ใช้ โดยใช้วิธีตรวจสอบการเปลี่ยนแปลงของข้อมูลสถานะช่องสัญญา WiFi (Channel State Information – CSI) และวิเคราะห์ออกมาว่าผู้ใช้คนใดที่ทำให้เกิดการเปลี่ยนแปลงสัญญาณในลักษณะนั้นๆ
ก่อนหน้านี้เคยมีการประยุกต์ใช้ CSI ไปใช้ในการตรวจสอบการเคลื่อนไหวมาก่อนแล้ว (เช่นตรวจสอบว่ามีคนอยู่ในห้องหรือไม่ หรือตรวจสอบว่ามีใครล้มหรือเปล่า) หากแต่ยังไม่เคยมีงานวิจัยใดที่สามารถประยุกต์ใช้ CSI ในการจำแนกตัวตนได้มาก่อน
ทีมวิจัยกล่าวเสริมอีกว่าการใช้ CSI ในการจำแนกตัวตนผู้ใช้นี้โดยรวมจะรักษาความเป็นส่วนตัวได้มากกว่าวิธีอื่นๆ เพราะจะไม่มีการเก็บข้อมูลส่วนบุคคลใดๆ ของผู้ใช้เอาไว้เหมือนอย่างวิธีอื่นเช่นการสแกนใบหน้าหรือลายนิ้วมือ
ความเห็นของเรา
วิธีการยืนยันตัวตนในปัจจุบันหลายวิธีจำเป็นต้องมีการเก็บข้อมูลเฉพาะตัวของผู้ใช้ก่อน เช่นการสแกนใบหน้า หรือสแกนลายนิ้วมือ ซึ่งก็ยังคงเสี่ยงที่จะถูกแฮ็กออกไปได้ หากแต่วิธีนี้จะพอแก้ปัญหาตรงนี้ลงไปได้ระดับหนึ่ง เพราะจะไม่มีการจัดเก็บข้อมูลเหล่านี้ ซ้ำแล้วการอยู่ต่างสถานที่กัน การตั้งค่า WiFi ต่างกัน แม้จะเป็นผู้ใช้คนเดียวกัน แต่ก็อาจจะทำให้รูปแบบการเปลี่ยนแปลงค่า CSI ต่างออกไปได้ด้วยอีกต่างหาก
อย่างไรก็ดีการจำแนกตัวบุคคลด้วยวิธีนี้ยังมีข้อจำกัดอยู่ที่อาจจะทำงานผิดพลาดเมื่อเจอผู้ใช้ที่มีรูปร่างท่าทางใกล้เคียงกัน ซึ่งทีมวิจัยกล่าวว่ามันจะทำงานได้แม่นยำที่สุดเมื่อมีผู้ใช้อยู่ประมาณ 2-6 คนเท่านั้น แต่นั่นก็เพียงพอสำหรับบ้านที่อยู่กันหลายคนแล้วล่ะครับ
ที่มา – Motherboard
