10、Wi-Fi 技术助力人体检测与跟踪:DeMan 与 Widar 系统解析

Wi-Fi 技术助力人体检测与跟踪:DeMan 与 Widar 系统解析

1. DeMan 系统:Wi-Fi 检测移动与静止人体

DeMan 是一个利用商用 Wi-Fi 设备同时检测移动和静止人体的统一框架。它通过利用 CSI 的幅度和相位信息进行移动目标检测,对于静止人体,则利用正弦模型捕捉呼吸引起的无线信号周期性模式。为提高检测准确性和鲁棒性,还利用了多个 OFDM 子载波的频率分集。

1.1 运动指标结果

运动指标的检测结果如下表所示:
| 状态 | 占比 |
| ---- | ---- |
| Human absence | 1.39% |
| Human moving | 34.27% |
| Human breathing | 90.93% |
| Motion | 99.86% |
| Static | 90.44% |
| Confused | 34.81% |
| 其他 | 1.25% |
| | 25.32% |
| | 31.48% |

其中,“confused” 表示同时被推断为 “motion” 和 “static” 的测量值。

1.2 整体性能

DeMan 与基线方法的整体性能对比如下:
| 项目 | DeMan(人类存在) | DeMan(人类不存在) | 基线(人类存在) | 基线(人类不存在) |
| ---- | ---- | ---- | ---- | ---- |
| Moving | 94.82% | 5.18% | 95.39% |

内容概要:本文详细记录了对一个Android ARM64静态ELF文件中字符串加密机制的逆向分析过程。该ELF文件的所有字符串均被加密,无法通过常规strings命令或IDA直接识别。作者通过分析发现,加密字符串存储在.rodata段,其解密所需信息(包括密文地址、长度和16位密钥)保存在.data.rel.ro段的40字节描述符中。核心解密函数sub_10F408采用自反的双pass流密码算法,结合固定密钥KEY_TERM(由.data段24字节数据计算得出),实现字节级非线性、位置长度相关的加密。文章还复现了完整的Python解密脚本,并揭示了该保护机制的本质为代码混淆而非强加密,最终成功批量解密全部956条字符串,暴露程序真实行为,如shell命令模板、设备标识篡改、网络重置等操作。此外,文中还提及未启用的自定义壳框架及其反dump设计。; 适合人群:具备逆向工程基础的安全研究人员、二进制分析人员及对ELF保护技术感兴趣的开发者。; 使用场景及目标:①学习ELF二进制中字符串加密的典型实现方式逆向突破口;②掌握从结构识别、函数追踪到算法还原的完整逆向流程;③理解“绑定二进制”的完整性校验设计及其局限性;④实践编写IDAPython脚本自动化提取解密敏感数据。; 阅读建议:此资源以实战案例驱动,不仅展示技术细节,更强调逆向思维验证方法,建议读者结合IDA调试环境,逐步跟随文中步骤进行动态分析算法验证,深入理解每一步的推理依据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值