Waardoor verwarren slimme-aanwezigheidsmodellen gasten met bewoners?

Aanwezigheidsmodellen verwarren gasten met bewoners wanneer de activiteit in het huishouden lijkt op een bekend patroon, maar geen betrouwbaar identiteitssignaal de persoon onderscheidt.

Een lokale smarthomeserver kan afleiden dat een bewoner thuis is omdat bewegingen, deuren, verlichting, media-apparaten en verplaatsingen tussen kamers overeenkomen met het gebruikelijke patroon van die bewoner. Een gast kan dezelfde sensoren activeren, een gedeelde tablet gebruiken, een sleutel lenen, samen met een bewoner aankomen of blijven nadat de bewoner is vertrokken. Aanwezigheid, het aantal aanwezigen en persoonlijke identiteit zijn verschillende inferentietaken, maar veel automatiseringen brengen ze terug tot één label, zoals ‘Alex is thuis’.

Aanwezigheidsdetectie en persoonsidentificatie zijn verschillende taken

Een bewegingssensor kan aangeven dat iemand een kamer is binnengegaan, zonder te onthullen wie die persoon is. Deurcontacten, stroomverbruik, temperatuur- en lichtveranderingen hebben dezelfde beperking wat identiteit betreft.

Onderzoek naar bezoekerdetectie gebruikt verblijfsduur, sensoractiveringen en verplaatsingen tussen kamers om af te leiden dat er bezoekers aanwezig zijn.

Een model dat een extra aanwezige detecteert, kan die persoon nog steeds verkeerdelijk als bewoner labelen. Het aantal kan kloppen terwijl de identiteit verkeerd is toegewezen.

Routinemodellen leren gedragspatronen, geen permanente identiteit

Een bewoner komt normaal gesproken via één bepaalde deur binnen, beweegt door vertrouwde kamers, schakelt bepaalde lampen in en gebruikt apparaten op voorspelbare tijdstippen.

Een gast die de bewoner volgt, op het huis past of dezelfde ruimtes gebruikt, kan een groot deel van dat patroon reproduceren. Het model herkent dan een reeks die de vorm van een routine heeft en wijst het bewonerslabel toe dat er historisch mee werd geassocieerd.

Verwarring die alleen optreedt tijdens vertrouwde huishoudelijke activiteiten wijst op overlap in gedrag. Verwarring bij de ingang, voordat er een routine ontstaat, wijst sterker op toewijzing aan een apparaat of legitimatie.

Eenvoudige sensoren hebben sensorfusie nodig om in te schatten wie aanwezig is

Afzonderlijke PIR-, contact-, Bluetooth-, wifi- en stroomsensoren leveren gedeeltelijke en soms tegenstrijdige informatie.

Onderzoek naar online bezoekerdetectie combineert topologie en sensoractiveringen met probabilistische redenering bij onzekere sensorgegevens.

Wanneer twee mensen dicht bij elkaar bewegen, kan één sensorreeks eruitzien alsof één persoon zich snel verplaatst. Ontbrekende gebeurtenissen kunnen er ook voor zorgen dat het pad van een gast lijkt aan te sluiten op het eerdere pad van een bewoner.

Featured

ZimaCube 2 Persoonlijke Cloud Home NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

Identificatie van bewoners hangt vaak af van meegedragen of aangeraakte apparaten

Telefoons, horloges, sleutels, wearables en sensoren op objecten leveren sterkere identiteitssignalen dan anonieme bewegingen in kamers.

Een onderzoek van Carnegie Mellon behandelt identificatie van bewoners via sensorfusie met sensoren op objecten.

Een gast zonder geregistreerd apparaat wordt een onbekende waarneming, terwijl een gedeelde tablet of geleende sleutel de gast kan laten lijken op de geregistreerde eigenaar. Het model identificeert de legitimatie, niet rechtstreeks de persoon.

Aannames over een vast aantal bewoners dwingen het verkeerde label af

Sommige modellen zijn getraind op of geconfigureerd rond het normale aantal bewoners en bevatten geen robuuste status voor een onbekende persoon.

Onderzoek naar schatting van het aantal bewoners gebruikt kamer- en ingangssensoren om veranderende aantallen aanwezigen af te leiden.

Als het model ervan uitgaat dat er slechts twee bekende bewoners aanwezig kunnen zijn, moet een derde persoon met één van hen worden samengevoegd of als ruis worden behandeld. De verkeerde identificatie is dan al ingebouwd in de beschikbare labels.

Gasten die samen met bewoners aankomen, zorgen voor ambigue binnenkomstgebeurtenissen

Een deur die één keer opengaat, kan twee of meer mensen binnenlaten, vooral wanneer bewegingssensoren een afkoelperiode hebben of een beperkt bereik.

Het model kan de volledige daaropvolgende activiteitenstroom koppelen aan de bewoner wiens telefoon de grens van de woning overschreed. Een gast die achterblijft, kan na het vertrek van de bewoner aan die identiteit gekoppeld blijven.

Deze oorzaak leidt tot fouten na aankomst en vertrek in groepen, en niet tijdens binnenkomsten van afzonderlijke personen. Betere sensoren in kamers kunnen iemand die nooit bij de drempel is geteld, niet volledig reconstrueren.

Persoonsentiteiten erven de beperkingen van hun apparaattrackers

Domoticaplatforms voegen vaak een of meer apparaattrackers samen in een persoonsentiteit.

De Person-integratie van Home Assistant koppelt getraceerde apparaten aan een benoemde persoon.

Een telefoon van een bewoner die thuis is achtergelaten, kan ervoor zorgen dat die persoon als aanwezig gemarkeerd blijft terwijl de gast door het huis beweegt. Een gast die via een niet-herkend apparaat verbinding maakt, krijgt mogelijk helemaal geen afzonderlijke identiteit.

Vertraagde of ontbrekende grondwaarheid versterkt de verkeerde koppeling

Aanwezigheidsmodellen hebben labels nodig die aangeven wie er daadwerkelijk aanwezig was. Huishoudelijke systemen ontvangen zelden na elk bezoek volledige correcties.

Als een automatiseringsresultaat wordt geaccepteerd, kan het systeem de afgeleide bewonersidentiteit als bevestiging behandelen, ook al heeft de gast de sensoren geactiveerd. Herhaalde bezoeken zonder correctie versterken vervolgens de verkeerde associatie.

De uitleg van ZimaSpace over hoe een smarthomeserver gebeurtenissen correleert geeft de grens aan: meer gecorreleerde signalen kunnen valse meldingen verminderen, maar correlatie kan geen identiteitsbewijs creëren dat nooit is waargenomen.

Privacybeperkingen beperken de sterkste identiteitssignalen

Camera’s, microfoons, biometrie en permanente apparaatvingerafdrukken kunnen de identificatie verbeteren, maar brengen privacy- en toestemmingsrisico’s voor bezoekers met zich mee.

USENIX-onderzoek naar het gebruik van slimme apparaten in huurwoningen benadrukt de privacyverwachtingen van gasten rond slimme apparaten.

Een privacyvriendelijke woning kan er bewust voor kiezen om alleen het aanwezigheidsniveau af te leiden in plaats van biometrische identiteit. In dat ontwerp is een status als ‘onbekende gast’ eerlijker dan elk activiteitspatroon geforceerd in een bewonersprofiel onderbrengen.

Veelgestelde vragen

Kan wifi-aanwezigheid elke gast betrouwbaar onderscheiden?

Nee. Gasten maken mogelijk geen verbinding met het netwerk, apparaten kunnen identificatoren willekeurig wijzigen en één persoon kan meerdere apparaten bij zich dragen terwijl een ander helemaal geen apparaat bij zich heeft.

Lost meer bewegingsdetectie de identificatie van bewoners op?

Het verbetert de informatie over aanwezigheid en bewegingsroutes, maar anonieme bewegingen blijven anoniem tenzij ze aan een betrouwbare legitimatie of identiteitswaarneming worden gekoppeld.

Moeten automatiseringen onbekende personen als bewoners behandelen?

Nee. Automatiseringen die gevoelig zijn voor veiligheid en privacy moeten een status als onbekend of gast behouden, in plaats van aan te nemen dat het dichtstbijzijnde bewonersprofiel correct is.