The Pulse

I ricercatori di FOI addestrano WiFireNet a rilevare pistole tramite Wi-Fi

I ricercatori dell’ente svedese FOI hanno sviluppato WiFireNet, un modello che usa misurazioni dei segnali Wi-Fi per rilevare pistole nascoste in test con un massimo di quattro persone. Lo studio riporta risultati diversi a seconda di quant

AI.info Team · Scritto con l’IA · 2026-10-18

«I nostri risultati di riferimento dimostrano che i segnali WiFi contengono effettivamente informazioni sufficienti per rilevare pistole nascoste portate da persone in gruppi di massimo quattro e in presenza di altri oggetti comunemente portati con sé».

Scrivono gli autori, Erik Persson, David Gustafsson e Tomas Wilkinson, in «Concealed Handgun Detection using WiFi Signals».

I tre ricercatori dell’Agenzia svedese per la ricerca sulla difesa, FOI, hanno pubblicato il loro studio su WiFireNet su arXiv il 13 ottobre 2026. Il sistema analizza le informazioni sullo stato del canale (CSI), misurazioni di come cambia un segnale wireless nel percorso tra un trasmettitore e un ricevitore. Anziché esaminare un’immagine ripresa da una telecamera, il modello usa questi cambiamenti per stimare dove si trovino le persone e gli oggetti che portano con sé.

Gli autori descrivono il rilevamento tramite Wi-Fi come un possibile complemento alle telecamere e ai metal detector, non come un sostituto degli uni o delle altre. Le telecamere possono non vedere gli oggetti nascosti alla vista, mentre i metal detector tradizionali richiedono che le persone attraversino un posto di controllo. WiFireNet esamina se le misurazioni radio possano aiutare a individuare una pistola nascosta in una stanza in cui si muovono più persone.

Come WiFireNet impara dalle riprese video

Per l’addestramento e la valutazione, il gruppo ha creato il dataset WiFire, associando le misurazioni Wi-Fi a video RGB registrati contemporaneamente. I video hanno fornito le etichette con cui insegnare al modello cosa cercare; durante l’inferenza, WiFireNet usa soltanto le CSI. La distinzione è importante: le telecamere sono servite a preparare il modello, ma la fase di rilevamento descritta nello studio non richiede un’immagine in diretta da una telecamera.

Il dataset comprende quattro classi di oggetti: una pistola in metallo, una pistola in plastica, una borraccia in metallo e un telefono cellulare. Gli oggetti usati come esche servono a verificare se il modello sa distinguere una pistola vera da oggetti che ne condividono la forma o il materiale. Lo studio ha utilizzato una pistola nascosta e disattivata e ha incluso scene con un massimo di quattro persone che portavano con sé oggetti comuni.

I ricercatori hanno raccolto i dati in due stanze: una di 8 metri quadrati con un massimo di due persone e una di 12 metri quadrati con un massimo di quattro. La configurazione wireless usava un’implementazione open source modificata dello standard IEEE 802.11a, operante a 5,68 GHz con una larghezza di banda di 20 MHz. Oltre alle misurazioni standard 802.11a, hanno testato una configurazione «WiFi-plus» che usava più sottoportanti pilota per fornire ulteriori informazioni CSI.

I punteggi dipendono da cosa si considera una corrispondenza

WiFireNet non produce un unico, semplice valore di accuratezza. Lo studio riporta la recall e la precisione media media (mAP) a due soglie di intersezione sull’unione, che misurano quanto il riquadro previsto si sovrapponga alla posizione etichettata. Nel test nella stanza grande con Wi-Fi standard, la recall complessiva è stata del 91,5% alla soglia di sovrapposizione del 25%, mentre la mAP complessiva è stata del 50,3% alla stessa soglia.

I valori del 72,5% e del 53,8%, spesso citati, si riferiscono alla precisione media della sola classe delle pistole nella configurazione Wi-Fi standard: 72,5% alla soglia di sovrapposizione del 25% e 53,8% a quella del 50%. Non rappresentano la precisione complessiva del sistema né indicano che questo identifichi correttamente quella percentuale di tutte le persone che portano una pistola. La soglia più restrittiva richiede una maggiore corrispondenza tra il riquadro previsto e quello etichettato, e il punteggio della classe delle pistole cala con questo criterio più severo.

Una maggiore quantità di dati CSI non ha migliorato automaticamente i risultati. Nella tabella dei risultati di riferimento dello studio, la configurazione standard ha superato WiFi-plus nella mAP complessiva nella stanza grande: 50,3% contro 39,9% alla soglia del 25%. Gli autori ipotizzano che l’ambiente di test più privo di interferenze possa aver limitato il vantaggio delle informazioni aggiuntive sul segnale e affermano che occorre studiare ulteriormente contesti più complessi.

Due stanze non dimostrano che il sistema sia pronto per i posti di controllo

L’esperimento è una dimostrazione di fattibilità, non una sperimentazione sul campo in edifici o folle differenti. I dati provengono da due stanze al chiuso e i ricercatori hanno suddiviso il dataset in insiemi di addestramento e di test a livello dei singoli campioni CSI. Lo studio non riporta una validazione su un’ampia gamma di configurazioni spaziali mai incontrate prima, lasciando aperta la questione di quanto il modello funzionerebbe in un luogo diverso.

Il lavoro di FOI mette a disposizione un dataset, un modello e il codice per ulteriori ricerche, mentre i risultati riportati mostrano sia le potenzialità sia i limiti di questa specifica configurazione. Il risultato migliore per la classe delle pistole è legato a una soglia di sovrapposizione poco restrittiva; con quella più severa le prestazioni sono inferiori. Per ora, WiFireNet mostra che le misurazioni Wi-Fi possono contenere informazioni utili sulle pistole nascoste in test controllati, non che le normali reti wireless possano sottoporre le persone a controlli affidabili nei contesti quotidiani.