Cosa porta i modelli di rilevamento della presenza nelle smart home a confondere gli ospiti con i residenti?
I modelli di presenza confondono gli ospiti con i residenti quando l’attività domestica assomiglia a una routine nota, ma nessun segnale di identità affidabile distingue la persona.
Un server locale per la casa intelligente può dedurre che un residente sia in casa perché i movimenti, le porte, le luci, i dispositivi multimediali e gli spostamenti tra le stanze corrispondono al suo comportamento abituale. Un ospite può attivare gli stessi sensori, usare un tablet condiviso, prendere in prestito una chiave, arrivare insieme a un residente o rimanere dopo che il residente è uscito. La presenza, il conteggio degli occupanti e l’identità personale sono attività di inferenza diverse, eppure molte automazioni le comprimono in un’unica etichetta come «Alex è in casa».
Il rilevamento della presenza e l’identificazione delle persone sono attività diverse
Un sensore di movimento può indicare che qualcuno è entrato in una stanza senza rivelare chi sia. I contatti delle porte, il consumo energetico, la temperatura e le variazioni della luce hanno lo stesso limite per quanto riguarda l’identità.
La ricerca sul rilevamento dei visitatori utilizza il tempo di permanenza, le attivazioni dei sensori e gli spostamenti tra le stanze per dedurre la presenza di visitatori.
Un modello che rileva un occupante aggiuntivo può comunque etichettarlo erroneamente come residente. Il conteggio può essere corretto mentre l’assegnazione dell’identità è sbagliata.
I modelli delle routine apprendono schemi comportamentali, non un’identità permanente
Un residente può normalmente entrare da una determinata porta, muoversi tra stanze familiari, accendere alcune luci e utilizzare gli elettrodomestici in orari prevedibili.
Un ospite che segue il residente, si occupa della casa o utilizza gli stessi spazi può riprodurre gran parte di questo schema. Il modello riconosce quindi una sequenza dalla forma abituale e assegna l’etichetta del residente che storicamente la accompagnava.
Una confusione che compare solo durante attività domestiche familiari indica una sovrapposizione comportamentale. Una confusione all’ingresso, prima che si sviluppi qualsiasi routine, fa pensare più fortemente all’attribuzione di un dispositivo o di una credenziale.
I sensori semplici richiedono la fusione dei dati per stimare chi è presente
I singoli sensori PIR, di contatto, Bluetooth, Wi-Fi e di consumo energetico forniscono prove parziali e talvolta contraddittorie.
La ricerca sul rilevamento online degli ospiti combina la topologia e le attivazioni dei sensori con il ragionamento probabilistico in presenza di incertezza dei sensori.
Quando due persone si muovono molto vicine, una sequenza di sensori può sembrare quella di una sola persona che si sposta rapidamente. Anche gli eventi mancanti possono far apparire il percorso di un ospite come la continuazione del percorso precedente di un residente.
L’identificazione dei residenti dipende spesso dai dispositivi portati o toccati
Telefoni, orologi, chiavi, dispositivi indossabili e sensori applicati agli oggetti forniscono indizi sull’identità più forti rispetto al movimento anonimo rilevato in una stanza.
Uno studio della Carnegie Mellon esamina l’identificazione degli occupanti tramite la fusione dei dati dei sensori applicati agli oggetti.
Un ospite senza un dispositivo registrato viene trattato come un’osservazione sconosciuta, mentre un tablet condiviso o una chiave presa in prestito può far sembrare l’ospite il proprietario registrato. Il modello identifica la credenziale, non direttamente la persona.
Le ipotesi fisse sul numero di occupanti impongono l’etichetta sbagliata
Alcuni modelli vengono addestrati o configurati in base al numero abituale di residenti e non includono uno stato robusto per le persone sconosciute.
La ricerca sulla stima di più residenti utilizza sensori nelle stanze e agli ingressi per dedurre le variazioni nel numero degli occupanti.
Se il modello presume che possano essere presenti solo due residenti noti, una terza persona deve essere unita a uno di loro o trattata come rumore. L’errata identificazione è quindi incorporata nello spazio delle etichette.
Gli ospiti che arrivano insieme ai residenti creano eventi d’ingresso ambigui
L’apertura di una porta può far entrare due o più persone, soprattutto quando i sensori di movimento hanno periodi di raffreddamento o una copertura limitata.
Il modello può associare l’intero flusso di attività successivo al residente il cui telefono ha oltrepassato il confine della casa. Un ospite che rimane può restare collegato a quell’identità anche dopo la partenza del residente.
Questa causa produce errori dopo gli arrivi e le partenze di gruppo, anziché durante gli ingressi solitari. Un rilevamento migliore nelle stanze non può recuperare completamente una persona che non è mai stata conteggiata sulla soglia.
Le entità persona ereditano i limiti dei relativi tracker dei dispositivi
Le piattaforme di automazione domestica spesso uniscono uno o più tracker di dispositivi in un’entità persona.
L’integrazione Person di Home Assistant associa i dispositivi monitorati a una persona nominata.
Un telefono lasciato a casa può mantenere un residente nello stato «presente» mentre l’ospite si muove nell’abitazione. Un ospite connesso tramite un dispositivo non riconosciuto potrebbe non ricevere mai un’identità separata.
Una verità di riferimento ritardata o assente rafforza l’associazione sbagliata
I modelli di presenza hanno bisogno di etichette che mostrino chi era effettivamente presente. I sistemi domestici ricevono raramente correzioni complete dopo ogni visita.
Se il risultato di un’automazione viene accettato, il sistema può trattare l’identità del residente dedotta come una conferma, anche se è stato l’ospite ad attivare i sensori. Le visite ripetute e non corrette rafforzano quindi l’associazione sbagliata.
La spiegazione di ZimaSpace su come un server per la casa intelligente correla gli eventi definisce il limite: un maggior numero di segnali correlati può ridurre i falsi avvisi, ma la correlazione non può creare prove d’identità che non sono mai state osservate.
I limiti della privacy restringono i segnali d’identità più efficaci
Telecamere, microfoni, dati biometrici e impronte persistenti dei dispositivi possono migliorare l’identificazione, creando però rischi per la privacy e il consenso degli ospiti.
La ricerca di USENIX sull’uso dei dispositivi intelligenti negli affitti evidenzia le aspettative degli ospiti riguardo alla privacy dei dispositivi intelligenti.
Una casa attenta alla privacy può scegliere deliberatamente un’inferenza a livello di occupazione invece dell’identità biometrica. In questo contesto, uno stato «ospite sconosciuto» è più onesto che forzare ogni schema di attività dentro il profilo di un residente.
Domande frequenti
La presenza Wi-Fi può distinguere in modo affidabile ogni ospite?
No. Gli ospiti potrebbero non connettersi alla rete, i dispositivi possono randomizzare gli identificatori e una persona può portare con sé diversi dispositivi mentre un’altra non ne porta nessuno.
Un maggior numero di sensori di movimento risolve l’identificazione dei residenti?
Migliora le prove relative all’occupazione e al percorso, ma il movimento anonimo rimane anonimo se non viene collegato a una credenziale affidabile o a un’osservazione dell’identità.
Le automazioni dovrebbero trattare le persone sconosciute come residenti?
No. Le automazioni sensibili alla sicurezza e alla privacy dovrebbero mantenere uno stato sconosciuto o ospite invece di presumere che il profilo del residente più vicino sia corretto.
Prodotti consigliati
Hub Tecnologico e AI
Altro da leggere
Quali funzionalità consentono di creare un confine di fiducia per l’IA domestica attorno ai file sensibili?
Un confine di fiducia per l’IA domestica combina la crittografia dei dati inattivi, autorizzazioni con il principio del privilegio minimo, sandboxing in fase di...
Cosa fa sì che i risultati di ricerca privati favoriscano i file modificati frequentemente?
I file modificati frequentemente ottengono vantaggi nel ranking quando ogni aggiornamento aggiunge segnali di freschezza, segmenti, versioni o interazioni senza normalizzarli in base alla...
Cosa causa il caricamento di copie duplicate di un modello da parte di un runtime di IA locale?
Le copie duplicate del modello compaiono quando worker o sessioni indipendenti non possono riutilizzare un’allocazione dei pesi già caricata e ciascuno crea il proprio...
