💻 computer science

Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32

이 논문은 보급형 ESP32 WiFi 센서가 여러 사람의 보행을 정확하게 식별하는 데 실패하는 원인이 알고리즘의 결함보다는 주로 센싱 품질과 공간적 다양성 측면에서의 근본적인 하드웨어 한계에서 기인함을 입증하며, 이를 통해 저가형 WiFi CSI가 견고한 다중 사용자 생체 인식 기본 요소로서 타당한지에 대해 의문을 제기한다.

원저자: Oliver Custance, Saad Khan, Simon Parkinson

게시일 2026-06-12

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Oliver Custance, Saad Khan, Simon Parkinson

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 북적이는 방 안에 서 있어서, 여러 사람이 돌아다니며 동시에 대화를 나누는 소리를 들으려고 애쓰고 있다고 상상해 보세요. 발소리의 일반적인 소음은 들리지만, 그중 정확히 누가 어디로 걷고 있는지, 그리고 오직 발소리만으로 그들을 식별해 내는 것은 매우 어렵습니다.

이것이 바로 이 논문이 조사한 내용입니다. 다만 귀 대신 WiFi 신호(구체적으로는 ESP32라는 저렴한 칩)를 사용했고, 발소리 대신 사람들이 걷는 패턴이 보이지 않는 WiFi 파동을 어떻게 교란하는지를 관찰했습니다.

다음은 이 연구의 결과를 쉬운 비유를 사용하여 정리한 내용입니다.

핵심 질문: 저렴한 WiFi가 여러 명을 "들을" 수 있을까?

과학자들은 이미 WiFi가 걷고 있는 한 명의 사람을 식별할 수 있다는 사실을 알고 있었습니다. 그것은 마치 조용한 방에서 친구의 목소리를 알아채는 것과 같습니다. 하지만 10명의 사람이 북적이는 교실에서 동시에 걷고 있다면 어떤 일이 벌어질까요?

연구진은 다음과 같은 의문을 가졌습니다: 문제는 우리의 "듣는" 알고리즘(소프트웨어)이 충분히 똑똑하지 못한 것일까요, 아니면 저렴한 WiFi 하드웨어가 애초에 충분한 세부 정보를 들을 수 없을 만큼 성능이 낮은 것일까요?

실험: "WiFi 칵테일 파티"

연구팀은 저렴한 기성품 WiFi 센서(ESP3ove 칩)를 사용하여 "칵테일 파티" 시나리오를 설정했습니다. 그들은 두 개의 서로 다른 방에서 최대 10명의 사람이 걷도록 했습니다:

조용한 실험실: 방해 요소가 적은 통제된 공간.
실제 교실: 가구와 다른 WiFi 신호들이 사방으로 튀어 다니는 복잡한 공간.

그들은 섞여 있는 신호를 분리하여 각 개인의 고유한 걷기 스타일(보행)을 격리하기 위해 FastICA, SOBI, NMF와 같은 여섯 가지의 서로 다른 수학적 "필터"(알고리즘)를 테스트했습니다.

결과: "탁한" 신호

결과는 다소 실망스러웠지만, 매우 시사하는 바가 컸습니다.

"탁한 물" 비유: 빨간색과 파란색 식용 색소를 하나의 양동이에 담긴 물에 섞었다고 상상해 보세요. 아무리 똑똑한 필터를 사용하더라도, 애초에 물이 너무 탁하다면 색깔을 완벽하게 분리할 수 없습니다.
하드웨어의 한계: 저렴한 WiFi 센서는 단 3개의 안테나와 52개의 주파수 채널만을 가지고 있습니다. 연구진은 이것이 마치 세 개의 귀로 교향악단의 연주를 듣는 것과 같다는 것을 발견했습니다. 여러 사람이 동시에 움직일 때 누가 누구인지 구별할 수 있는 "공간 해상도"(상세 정보)가 턱없이 부족한 것입니다.
알고리즘의 고군분투: 그들은 여섯 가지 소프트웨어 방식(방법론)을 테스트했습니다. 가장 뛰어난 방식(NMF라고 불리는 방식)은 사람을 약 **56%**의 확률로 정확히 식별해 냈습니다. 가장 좋지 않은 방식은 **39%**에 불과했습니다.
- 이렇게 생각해 보세요: 만약 당신이 10개의 선택지가 있는 객관식 시험에서 답을 추측한다면, 운으로 10%를 맞힐 수 있습니다. 56%를 맞혔다는 것은 운보다 낫지만, 완벽과는 거리가 멉ng니다. 이는 약간 무게가 실린 동전 던지기와 같지만, 여전히 신뢰하기에는 부족합니다.

왜 실패했을까? (세 가지 주요 원인)

논문은 시스템이 실패한 이유를 설명하기 위해 세 가지 "진단 도구"를 소개하며, 이를 이해하기 쉽게 비유로 설명합니다.

피험자 내 변동성 (The "Same Person, Different Day" Problem - "같은 사람, 다른 날" 문제):
- 비유: 당신은 피곤하거나 내일 다른 신발을 신었기 때문에 오늘 다르게 걸을 수 있습니다. WiFi 신호는 이러한 미세한 변화를 너무 많이 포착하여, 시스템은 동일한 사람을 서로 다른 두 사람으로 인식했습니다. 한 개인의 움직임에서 발생하는 "노이즈"가 정체성을 나타내는 "신호"보다 더 컸던 것입니다.
피험자 간 구별 가능성 (The "Look-Alike" Problem - "닮은꼴" 문제):
- 비유: 군중 속에서 많은 사람은 비슷한 리듬으로 걷습니다. 서로 다른 사람들의 WiFi 신호가 너무 심하게 중첩되어(97~99% 중첩) 시스템은 A라는 사람과 B라는 사람을 구분할 수 없었습니다. 그들은 모두 동일한 "수프" 속에 잠겨 있었습니다.
환경 민감도 (The "Room Change" Problem - "방 변경" 문제):
- 비유: 조용한 실험실에서 완벽하게 작동했던 필터가 소음이 많은 교실에서는 처참하게 실패했습니다. WiFi가 벽이나 가구에 반사되는 방식(다중 경로)이 신호를 극적으로 변화시켜, 한 방에서 훈련된 시스템이 다른 방에서는 동일한 사람을 인식하지 못하게 만들었습니다.

결론: 소프트웨어가 아니라 하드웨어의 문제

이 논문의 가장 중요한 결론은 이렇습니다: 아무리 똑똑한 소프트웨어도 고장 난 마이크를 고칠 수는 없습니다.

연구진은 최고의 알고리즘(NMF)조차 문제를 해결하지 못했다는 것을 발견했는데, 그 이유는 하드웨어의 제약이 병목 현상이 되었기 때문입니다. 저렴한 센서는 10명의 사람이 동시에 걷는 상황을 분리할 수 있을 만큼의 상세 정보를 포착하지 못했습니다. "분리" 알고리즘은 그저 탁한 물을 다시 배치하고 있었을 뿐, 실제로 물을 깨끗하게 만드는 것이 아니었습니다.

이것이 당신에게 의미하는 바는?

보안 측면: 만약 당신이 저렴한 WiFi 공유기를 사용하여 바쁜 사무실이나 공항에서 지속적으로 신원을 확인(인증)하는 용도로 사용하고자 했다면, 이 논문은 이렇게 말합니다: 아직은 기대하지 마세요. 이 기술은 10명의 사람이 센서 앞을 지나갈 때 그들을 구별할 만큼 아직 신뢰할 수 없습니다.
개인정보 보호 측면: 반대로, 이는 프라이버시 측면에서 좋은 소식입니다. 저렴한 기성품 WiFi 기기가 북적이는 방 안의 모든 사람을 높은 정확도로 몰래 추적하고 식별할 수 없음을 시사하기 때문입니다. 저가형 WiFi의 "슈퍼 스파이" 능력은 소프트웨어가 아닌 하드웨어의 물리적 한계에 의해 제한됩니다.

요약하자면: 저렴한 WiFi로 여러 명의 보행자를 식별하려고 노력하는 것은, 소음이 심한 방에서 저품질 마이크 하나로 합창단의 개별 가수들을 식별하려고 애쓰는 것과 같습니다. 컴퓨터가 아무리 똑똑해도 하드웨어가 세부 사항을 듣기에 충분히 좋지 않습니다.

기술 요약: 범용 WiFi 센서가 다수 인원 보행 식별에 실패하는 이유

문제 정의
제어된 환경에서 단일 인원의 보행 식별에 대한 WiFi 채널 상태 정보(CSI)의 가능성은 입증되었으나, 저가형 범용 하드웨어를 이용한 다수 인원 식별의 실현 가능성은 불분명하다. 핵심 과제는 **신호 분리(signal separation)**이다. 여러 명의 개인이 동시에 걸을 때, 이들의 보행 특징은 수신된 CSI 내에서 서로 간섭하고 혼합되어, 개별 식별이 이루어지기 전에 반드시 분해해야 하는 중첩(superposition) 상태를 만든다. 기존 문헌에 따르면 특수 설정(예: 수정된 펌웨어, 특수 안테나 배열)을 통해 분리가 가능하지만, 범용 장치에서의 성능은 미미하다. 본 논문이 다루는 핵심 연구 질문은 다수 인원 식별 성능 저하가 주로 알고리즘적 한계(불충분한 분리 모델) 때문인지, 아니면 범용 WiFi 하드웨어 자체의 근본적인 센싱 천장(불충분한 공간 및 스펙트럼 다양성) 때문인지 여부이다.

연구 방법론
저자들은 5GHz 대역(IEEE 802.11n)에서 작동하는 범용 ESP32 WiFi 센서를 사용하여 체계적인 경험적 연구를 수행하였다. 본 연구는 현실적인 저비용 배포 제약 조건을 반영하기 위해 특수 NIC의 위상 안정적인(phase-stable) CSI 사용을 의도적으로 피하였다.

데이터 수집: 실험은 제어된 실험실(7m × 7m)과 가구 및 주변 트래픽이 존재하는 실제 교실(5.4m × 9m)의 두 가지 환경에서 진행되었다. 10명의 참가자(연령 20~40세)가 1명에서 10명까지의 7가지 시나리오를 포함하는 보행 실험을 수행하였다.
신호 구성: 시스템은 $k=3$ 개의 안테나와 $m=52$ 개의 정보 함유 부반송파(subcarrier)로부터 CSI 진폭을 캡처하였다.
분리 알고리즘: 알고리즘의 민감도를 센싱 제한으로부터 격리하기 위해 동일한 획득 조건 하에서 6가지의 뚜렷한 블라인드 소스 분리(BSS) 방법을 평가하였다:
1. FastICA (통계적 독립성)
2. SOBI (2차 시간 구조)
3. PCA–ICA (하이브리드 차원 축소 및 분리)
4. NMF (비음수 행렬 분해; 가산적 부분 기반 표현)
5. Wavelet Transform (다중 해상도 시간-주파수 분해)
6. Tensor Decomposition (모드 간 상호작용을 보존하는 다원 분해)
평가 파이프라인: 분리된 소스는 특징 벡터(시간, 주파수 및 공간 기술자)로 처리되었으며, RBF 커널을 사용하는 서포트 벡터 머신(SVM)을 사용하여 분류되었다.
진단 지표: 표준 정확도 외에도, 저자들은 실패 모드를 규명하기 위해 세 가지 지표를 도입하였다:
- 피험자 내 변동성 (ISV): 동일 사용자에 대한 특징의 일관성.
- 피험자 간 구별 가능성 (ISD): 특징 공간 내 서로 다른 사용자 간의 분리도.
- 성능 저하율 (PDR): 군중 밀도가 증가함에 따른 견고성.

주요 결과
연구 결과, 평가된 모든 방법이 보통 수준의 성능을 보였으며, 단일 알고리즘이 밀집된 다수 인원 분리 문제를 해결하지 못했다.

분류 성능: 가장 우수한 성능을 보인 방법은 NMF로, 56.00%의 정확도와 48.00%의 F1-score를 달ach했다. FastICA와 SOBI가 약 48~49%의 정확도로 그 뒤를 이었으며, PCA–ICA가 39.39%로 가장 낮은 성능을 보였다.
특징 중첩: 결정적인 발견은 모든 방법에서 **매우 높은 특징 공간 중첩(97~99%)**이 나타났다는 점이다. 이는 가장 우수한 분리 알고리즘조차 깨끗한 분리가 아닌 강한 정체성 엉킴(identity entanglement) 영역에서 작동하고 있음을 나타낸다.
안정성 vs 분리성 트레이드오프:
- Tensor Decomposition은 가장 높은 피험자 간 구별 가능성(ISD)을 달성했으나, **극심한 피험자 내 변동성(ISV)**을 겪었다. 즉, 단일 사용자에 대한 표현이 실험 간에 불안정했다.
- PCA–ICA는 가장 안정적인 표현(최저 ISV)을 제공했으나, 식별을 위한 충분한 변별력을 제공하는 데 실패했다.
- NMF는 텐서 모델의 심각한 불안정성이나 PCA의 낮은 정확도 없이 가장 유리한 균형을 제공했다.
환경 민감도: 성능은 환경에 크게 의존했다. 대부분의 방법은 "풍부한" 다중 경로를 가진 교실 환경에서 개선되었으며, Tensor decomposition은 제어된 실험실에서 더 나은 성능을 보였다. 이는 다중 경로 다양성이 알고리즘에 따라 유익한 신호 또는 구조화된 간섭로 작용할 수 있음을 시사한다.
확장성: 인원수가 2명에서 10명으로 증가함에 따라 모든 방법에서 성능 저하가 나타났다. Tensor decomposition은 밀도에 대한 가장 좋은 회복력(가장 낮은 저하율)을 보였으며, Wavelet과 PCA–ICA는 더 급격히 저하되었다.

의의 및 주장
본 논문은 범용 ESP32 장치에서의 다수 인원 보행 식별의 병목 현상이 단순히 알고리즘적인 문제가 아니라 근본적으로 센싱의 한계라고 결론짓는다.

하드웨어 제약: 범용 하드웨어의 제한된 안테나 수(3개)와 부반송파 수(52개)는 인간의 보행이 밀집되어 혼합된 신호를 분리하기에 불충분한 공간 및 스펙트로그램 자유도를 제공한다. 문제는 과소 결정(underdetermined)되어 있으며, 신호에는 사용자를 신뢰성 있게 분리할 수 있는 충분한 유효 정보가 포함되어 있지 않다.
알고리즘적 한계: 모델의 정교함을 높이는 것(예: 행렬에서 텐서 분해로 이동)이 성능을 단조롭게 향상시키지는 않는데, 이는 알고리즘이 측정값에서 누락된 정보를 보완할 수 없기 때문이다. 알고리즘은 주로 정체성의 엉킴을 재배치할 뿐, 이를 해결하지 못한다.
보안 및 개인정보 보호 시사점:
- 인증: 범용 WiFi CSI는 현재 견고한 다중 사용자 생체 인증을 위한 취약한 기초이다. 높은 중첩과 환경 민감도는 안정적인 정체성 분리가 필요한 보안 결정에 있어 신뢰성을 떨어뜨린다.
- 개인정보 보호: 본 결과는 개인정보 침해 위협에 대한 중요한 경계를 설정한다. 수동적 RF 센싱이 우려 사항이긴 하지만, 본 연구는 저가형 기성 WiFi 하드웨어를 이용한 밀집된 수동 식별이 흔히 가정되는 것보다 실현 가능성이 낮음을 시사한다. 센싱 신호 자체가 복잡한 환경에서 신뢰할 수 있는 정체성 분리를 지원하지 않는 것으로 보인다.

결론
저자들은 범용 ESP32 CSI 제약 조건 하에서, 밀집된 다수 인원 보행 식별은 분리 알고리즘의 선택보다는 센싱 품질과 공간적 다양성에 의해 제한된다고 주장한다. 향후 이 분야의 발전은 기존의 저가형 하드웨어에서 분리 알고리즘을 점진적으로 개선하는 것이 아니라, 더 풍부한 센싱 양식(예: Massive MIMO, mmWave)이나 센서 퓨전을 필요로 할 것이다.