Wi-Fi CSI 隐私与公开数据集脱敏：MAC、时间戳与行为风险

作者 Wu Jun · 更新于 2026-10-29 · Wi-Fi CSI, 隐私, 脱敏, MAC, 数据集, 时间戳 · 约 7 分钟

Wi-Fi CSI 不使用摄像头或麦克风，但这不等于它天然匿名。CSI 记录无线信道如何变化， 同时还会带出设备标识、采集时间、活动节律和环境变化。把文件里的 MAC 改掉，只解决了其中一类风险。

这篇文章面向准备公开 CSI 数据、教程截图或实验视频的人。先定义威胁模型，再说明本项目实际做了什么、 哪些风险仍然存在，最后给出一套可以复核的发布流程。本文是工程与研究建议，不构成法律意见。

1. CSI 文件里到底有什么

一条 CSI 记录通常同时包含信号值和元数据。以本项目格式为例，抓包容器有一个外层文件时间戳； payload 里有设备侧时间戳、发送端 MAC、RSSI、SNR、带宽、信道、收发链和 I/Q。即使删掉标签图片， 这些字段仍可能组合出可识别的信息。

因此“无摄像头”只说明没有图像和声音，不说明数据不会泄露活动。IEEE 802.11bf 已经把 WLAN sensing 定义为标准能力 ^[1]；CSI 感知也不只用于实验室演示，领域综述已经覆盖定位、活动识别和生命体征 等大量方向 ^[2]。

2. 风险证据不是一句“理论上可能”

两篇同行评审工作给出了具体风险边界。

输入侧信道。 Li 等人的 WindTalker 在受控实验中利用公共 Wi-Fi 的 CSI 变化推断手机数字输入， 在若干手机上做过案例评估 ^[3]。这说明公共热点 CSI 可以形成真实侧信道； 它不证明任意热点、任意手机、任意距离都能稳定还原密码。

步态与身份。 Yang 等人的 Gait-Enhance 在 4 至 9 人的公开数据上报告约 97.11% 至 98.12% 的步态识别 准确率 ^[4]。这也不是“CSI 一定知道你是谁”，但足以说明公开活动数据不能默认成 无关紧要的噪声。

正确的结论是条件式的：特定设备、场景、采样率和算法下，CSI 可以支持敏感推断。 风险大小取决于谁会拿到数据、能保留多久、能否和其他数据集关联。

3. 脱敏、伪匿名和匿名不是同义词

NIST SP 800-188 把去标识化描述为降低“数据与分析主体关联”风险的过程，要求先确定共享模型，再考虑 直接标识符、准标识符、再识别测试和治理；简单遮罩并不自动足够 ^[5]。 ICO 的指引也区分匿名化与伪匿名化，并提到可识别性、动机侵入者测试和控制措施 ^[6]。

本站因此采用更谨慎的措辞：

• MAC 脱敏：删除或替换直接设备标识符；
• 去标识/伪匿名数据：风险降低，但密钥、时间或行为特征仍可能支持关联；
• 匿名信息：在明确攻击者和数据环境下，合理认为无法再识别个人。

没有威胁模型和再识别审查，就不应把一份 CSI 文件称为“完全匿名”。

4. 本项目公开数据集的真实处理

10 分钟数据集公开了 57,293 条链记录 ^[7]。处理脚本在每个 payload 的 ta 字段 （偏移 4 到 9，共 6 字节）写入 02:00:00:00:00:01，这是一个本地管理、非真实厂商 OUI 的占位地址。 I/Q、RSSI、SNR、设备侧微秒时间和收发链字段保持不变。

这项改写让解析器、分组逻辑和算法仍可复现，也移除了直接的发送端 MAC。但它没有做到：

• 删除抓包容器的外层绝对 Unix 时间戳；
• 消除活动节律、在不在家、步态或环境变化；
• 防止同一采集 session 内部的时间关联；
• 证明拿到数据的人无法结合其他信息重新识别。

所以当前 DOI 版本更准确的称呼是“MAC 脱敏后的去标识/伪匿名数据”，而不是“法律意义上的完全匿名数据”。 现有 Zenodo 版本不能静默改字节，否则会破坏已发布 SHA-256 和引用。更稳妥的后续版本应：

1. 保留 I/Q 与 payload 内容的对应关系；
2. 给外层绝对时间戳减去固定偏移，改成明确的相对时间轴；
3. 在 manifest 中记录时间变换、新哈希和新 DOI 版本；
4. 旧版本继续可访问，并在版本说明中区分“字节相同”与“解释修订”。

5. 公开前的发布流水线

对家庭 CSI 数据，步骤 4 和 5 往往比替换 MAC 更重要。一个文件即使没有真实 MAC，也可能清楚显示 每天何时有人活动、睡眠是否中断、房间是否空置。发布者必须先问“这些行为是否属于要公开的研究结论”， 不能因为字段已经变成数字就跳过判断。

6. 用一个最小审计脚本检查二进制

只运行 strings 或搜索 MAC 文本不足以检查自定义二进制格式，因为标识符可能没有被编码成可读字符串。 下面的最小审计器按本项目格式遍历记录，并统计 payload 中仍出现的发送端 MAC：

import struct
from pathlib import Path

REC = struct.Struct("<dH")  # outer Unix timestamp, payload length

def audit(path):
    data = Path(path).read_bytes()
    off = 0
    records = 0
    macs = set()
    absolute_times = []
    while off + REC.size <= len(data):
        file_ts, length = REC.unpack_from(data, off)
        payload = off + REC.size
        if payload + length > len(data) or length < 24:
            raise ValueError(f"truncated record at byte {off}")
        macs.add(data[payload + 4:payload + 10].hex(":"))
        if len(absolute_times) < 2:
            absolute_times.append(file_ts)
        records += 1
        off = payload + length
    return {"records": records, "macs": sorted(macs), "file_ts_samples": absolute_times}

print(audit("capture.bin"))

审计结果至少要回答四个问题：

1. 出现了多少个真实 MAC，是否只剩计划使用的占位符；
2. 外层时间戳是否仍是可解释为真实日期的 Unix 时间；
3. 文件切分后，是否仍然保留跨 session 的稳定关联；
4. 新的 manifest、总包哈希和数据集说明是否一致。

MAC 替换前后的 I/Q 是否保持原样，也应单独验证。不要用整文件哈希判断，因为改写 MAC 必然改变哈希； 应解析每条记录，在内存中把 ta 归零后分别计算规范化哈希，或逐字段比较 I/Q。

7. 哪些素材不要公开

本项目的实拍审查采用一条保守规则：能唯一指向设备、住址、账号或未授权第三方的原始素材，不发布。 具体包括：

• 带二维码、MAC、序列号或默认密码的设备铭牌；
• 含 GPS、精确采集时间和私人桌面的原片；
• 可以看到家庭拓扑、SSID、主机名、局域网 IP 或终端历史的屏幕录制；
• 没有获得同住者同意的长时间活动数据；
• 只在开头“薄薄模糊”一个字段，却保留其他可组合信息的图片。

视频和照片是辅助证据，不是隐私豁免区。项目日志中的 15 秒短片之所以静音、裁切并移除 EXIF， 是因为原片同时有私人桌面、人物和采集时间；铭牌照片则整张排除，而不是只遮一个二维码。

8. 发布者的最低结论

Wi-Fi CSI 的隐私问题不是“有没有摄像头”，而是数据能否指向一个人，或描述不愿公开的行为。 MAC 替换是必要步骤，不是终点。公开数据集时，应把绝对时间、活动语义、媒体元数据、分享范围和再识别风险 一起审查，并把残余风险写进数据集说明。

本站的 10 分钟数据、60 秒演示源和工具包仍可复现 ^{[8] [9]}； 本文也明确记录当前版本的残余风险。后续若发布时间平移版本，应使用新的版本 DOI 和哈希，而不是悄悄替换 已公开文件。

相关：数据格式与下载 · 方法、证据等级与纠错 · 隐私政策 · 10 分钟质量审计