WiFi può tracciare le persone senza smartphone: realtà scientifica o allarmismo?

L’idea di utilizzare le reti WiFi come strumenti di osservazione ambientale non è una sciocca provocazione, ma un filone di ricerca consolidato nell’ambito del radio sensing, della stima del canale wireless e dell’imaging RF. Negli ultimi anni, la combinazione tra accesso a informazioni di basso livello sul canale radio (CSI, RSSI, beamforming feedback) e modelli di machine learning ha reso possibile estrarre informazioni spaziali e comportamentali da segnali originariamente pensati esclusivamente per la comunicazione dati.

Negli ultimi mesi, alcuni studi accademici hanno riacceso il dibattito su un’ipotesi tanto affascinante quanto inquietante: le reti WiFi potrebbero trasformarsi in una forma di sorveglianza invisibile, capace di identificare e tracciare le persone anche senza dispositivi elettronici al seguito. L’articolo pubblicato su SciTechDaily rilancia questa possibilità, sostenendo che normali segnali radio possano essere analizzati per generare una sorta di “immagine” dell’ambiente e degli individui presenti.

Ma al di là dell’impatto mediatico, è davvero una minaccia realistica nel breve periodo? Oppure siamo di fronte a dimostrazioni di laboratorio con valore pratico ancora limitato?

Cosa dimostra davvero la ricerca

Lo studio citato dai ricercatori del Karlsruhe Institute of Technology (KIT) dimostra che i segnali WiFi possono essere utilizzati per riconoscere persone anche senza che queste portino con sé dispositivi attivi. Il meccanismo sfrutta il modo in cui le onde radio sono modificate dal corpo umano, generando pattern distintivi che possono essere analizzati tramite algoritmi.

In sostanza, il WiFi è utilizzato come una forma di “sensore passivo”: le variazioni del segnale rivelano presenza, movimento e, in condizioni controllate, persino identità. Non è la prima volta che la comunità scientifica mostra risultati simili: studi precedenti avevano già dimostrato la possibilità di rilevare movimenti o presenza attraverso i muri utilizzando la sola analisi delle perturbazioni del segnale radio.

La novità più rilevante del lavoro KIT è la combinazione tra:

• utilizzo di dispositivi WiFi standard (senza hardware specializzato),
• analisi avanzata del segnale (beamforming feedback),
• modelli di machine learning per il riconoscimento individuale.

Il principio tecnico

Un segnale WiFi tipico opera a frequenze di circa 2,4 GHz, 5 GHz e più di recente anche 6 GHz, con lunghezze d’onda nell’ordine di 12–6 cm. Quando il segnale si propaga, rimbalza sulle superfici e arriva al ricevitore attraverso percorsi multipli.

I chip WiFi moderni misurano già, per ogni pacchetto trasmesso, parametri come l’intensità del segnale (RSSI) e la risposta del canale su decine o centinaia di sotto-frequenze (subcarrier OFDM, ad esempio 52–234 subcarrier a seconda della larghezza di banda di 20, 40 o 80 MHz).

Quando una persona si muove nello spazio, introduce variazioni nell’ordine di pochi decibel di attenuazione e micro-variazioni di fase del segnale. Tali differenze sono piccole ma sistematiche: ad esempio, il movimento di un corpo umano può generare uno spostamento Doppler di pochi Hz e alterazioni della fase su più subcarrier. Campionando questi dati centinaia di volte al secondo (tipicamente tra 100 e 1000 misurazioni al secondo), si ottiene una sequenza temporale che rappresenta l’evoluzione dell’ambiente radio.

I ricercatori utilizzano queste sequenze come se fossero immagini o segnali audio: applicano modelli di machine learning (reti neurali o modelli statistici) per riconoscere pattern ricorrenti associati a presenza, movimento o postura. In sostanza, il sistema non “vede” direttamente le persone, ma ricostruisce una mappa indiretta basata su come il fisico modifica il campo elettromagnetico.

Laboratorio vs mondo reale

Il passaggio da proof-of-concept a sistema di sorveglianza su larga scala non è affatto banale. Diversi limiti emergono già da una lettura attenta della letteratura e dalle discussioni tecniche.

Innanzi tutto, gli esperimenti avvengono in ambienti controllati, con pochi soggetti e condizioni stabili. I modelli richiedono training specifico per ogni ambiente; inoltre, fattori come umidità, oggetti, disposizione dei mobili e presenza simultanea di più persone introducono rumore significativo.

La tecnologia funziona, ma funziona bene solo in condizioni sperimentali. Anche analisi tecniche indipendenti sottolineano come, in contesti reali affollati, le prestazioni degradino rapidamente e risultino inferiori a sistemi tradizionali come telecamere o sensori radar.

Il caso Intel: Wi-Fi Proximity Sensing e Human Presence Detection

Intel ha introdotto negli ultimi anni una tecnologia chiamata Wi-Fi Proximity Sensing, integrata in alcune piattaforme (Evo, vPro, Wi-Fi 6E/7), che usa i normali segnali WiFi del laptop per capire se una persona è davanti al dispositivo. In pratica il PC si sblocca o si attiva quando l’utente si avvicina; si blocca automaticamente quando si allontana.

La funzione sfrutta le variazioni del segnale WiFi per rilevare la presenza umana vicino al dispositivo, senza bisogno di una telecamera.

Intel stessa conferma che il WiFi può essere usato non solo per connettività ma anche per “presence detection, authentication, gesture recognition” e perfino analisi della respirazione, nelle evoluzioni future degli standard wireless.

Parallelamente, Windows 11 supporta nativamente sensori di presenza che possono spegnere lo schermo quando l’utente abbandona la sua postazione e riattivarlo al ritorno usando diversi tipi di sensori, tra cui anche quelli radio.

Tutto questo per dire che il WiFi può davvero essere usato come sensore di presenza ma Intel usa una versione “semplificata e robusta” del concetto, adatta a un prodotto commerciale.

WiFi una minaccia? Rimaniamo con i piedi per terra

L’utilizzo del WiFi sensing rappresenta una capacità tecnologica concreta, già parzialmente industrializzata in forme semplificate e con una traiettoria evolutiva ben definita.

Il vero elemento di attenzione non è tanto l’efficacia attuale dei prototipi accademici, ancora fragili fuori dal laboratorio, quanto la combinazione di tre fattori strutturali: la pervasività dell’infrastruttura WiFi, l’invisibilità del rilevamento e la possibilità di integrazione con altre fonti di dati digitali e sensoriali.

In questo contesto, anche un sensing radio imperfetto può diventare estremamente informativo se correlato con identità, dispositivi e flussi comportamentali. Per questo motivo, il tema non può essere liquidato come semplice curiosità né trattato come minaccia immediata: è piuttosto un tema emergente che richiede consapevolezza tecnica, trasparenza da parte dei vendor e un inquadramento normativo chiaro prima che le capacità di osservazione ambientale diventino una funzione standard delle reti wireless.