RuView BFLD 深度解析：为 WiFi 感知堆栈打造的波束赋形反馈隐私门控层

RuView BFLD 深度解析：为 WiFi 感知堆栈打造的波束赋形反馈隐私门控层

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView

BFLD（Beamforming Feedback Layer for Detection，波束赋形反馈检测层）是 RuView / wifi-densepose 生态中的隐私安全层：它从 IEEE 802.11ac/ax 明文波束赋形反馈（BFI）中持续度量"当前 RF 数据是否已具备个体识别能力"，并以identity_risk_score与privacy_class字节门控一切出站数据。读完本文，你将掌握 BFLD 的三项结构性隐私不变式、四类隐私等级的数据暴露边界、风险评分与哈希轮换的底层实现，以及它如何接入 Home Assistant、Matter 与 MQTT 自动化生态。

BFLD 的完整设计档案位于 docs/research/BFLD/（11 个文件的研究包），其总体架构决策已沉淀为 ADR-118，而对应的 Rust cratewifi-densepose-bfld已在仓库的 v2/crates/wifi-densepose-bfld/ 落地实现，本文的源码级佐证均取自该 crate。

1. 问题背景：明文 BFI 是"会广播身份的协议产物"

BFLD 的存在建立在两个物理层事实之上。

1.1 CSI 与 BFI 的泄露画像差异

• **CSI（信道状态信息）**是接收端在全部子载波与天线对上测得的复信道频率响应，矩阵规模为 Ntx × Nrx × Nsubcarrier，稠密且高维。获取 CSI 需要固件级改造（如 Atheros CSI Tool、面向树莓派 BCM43455c0 的 Nexmon CSI patch）或专用软件无线电，属于"研究仪器"。
• BFI（波束赋形反馈信息）则是 STA 回传给 AP 的压缩信道表示。802.11ac/ax（IEEE 标准 9.4.1.52 节）中，AP 先发 NDP sounding 帧，STA 测量信道后对右奇异向量做 Givens 旋转压缩，得到 Phi（φ，[0, 2π)）与 Psi（ψ，[0, π/2)）两组角度：802.11ac 分别量化为 7/5 bit，802.11ax 默认为 4/2 bit。STA 将量化角度装入 VHT/HE Compressed Beamforming Report（CBFR）帧发回。

关键在于：CBFR 是管理面帧，而非 802.3 数据帧。它在 WPA2/WPA3 关联加密协商之前就以明文发送——即使开启 PMF（受保护管理帧），2025 年的商品 AP 也默认不加密波束赋形交换中的 action 帧。因此提取 CSI 需要设备物理访问与固件修改，而提取 BFI 只需要一张支持 monitor 模式的网卡加一个 CBFR 解析器，且帧向全方向广播，附近攻击者以与 AP 几乎相同的 SNR 即可收到。

1.2 已被学术界证实的两条攻击路径

研究包 01-sota-survey.md 梳理了两个 2024–2025 年的独立研究结论：

• BFId（KIT，ACM CCS 2025）：仅凭 BFI（不含 CSI）即可在 197 人数据集上实现 >90% 的再识别准确率，且只需 5 秒采集（约 10 Hz sounding 下的 600 帧 CBFR）。BFI-only 的识别精度与 CSI-only 相当，证明 Givens 角度压缩保留了身份判别性方差。
• LeakyBeam（NDSS 2025）：用商品硬件可在 20 米外穿墙检测占用，真实环境 TPR 82.7%、TNR 96.7%。它证明 BFI 编码了人体进入房间引起的信道扰动。

对 RuView 而言，这个问题的现实意义在于：现有 rvCSI 感知管线（ADR-095/ADR-096）基于 CSI 输出 presence、motion、person_count 等事件，却没有任何一层显式度量"这些输出是否来自可识别个体的数据"。BFLD 正是填补这一缺口的隐私层。

2. BFLD 的核心思想：免疫系统，而非监控镜头

设计文档 02-soul.md 用一个比喻定义了 BFLD 的立场：免疫系统不会给遇到的每个病原体建立档案——它按类型分类、按比例响应、把详细记录留在体内。BFLD 同样不"生产"身份，而是守卫"身份的意外生产"：检测 RF 数据何时从"环境感知"滑向"身份记录"，并在本地响应——抬高风险分、限制出站数据、轮换标识符。

这一区分是结构性的：同一物理信号既驱动 presence 检测，也被 BFId/LeakyBeam 用于再识别。BFLD 无法抑制底层物理，但可以保证节点的输出不可识别，即使其输入本可支持识别。

由此衍生出三类输出等级的判定表（隐私类与可逆性）：

这张表不是政策清单，而是被编入帧格式的约束：每个BfldFrame携带的privacy_class字节在数据离开节点前于 emitter 边界强制检查；任何想发送 class-0 数据的代码必须主动绕过编译期安全检查，而非仅仅忘记设一个 flag。

3. 三项结构性不变式（不可配置、非政策）

BFLD 的核心是三条无论操作者如何配置都成立的结构性属性（而非访问控制规则）：

不变式 I1：原始 BFI 永不离开节点

BFI 矩阵被 extractor 摄取后仅在本地消费，不序列化到任何出站通道。在已实现的 crate 中，这一点由Sinkmarker-trait 层级与PrivacyClass::Raw.allows_network() == false联合强制（见 crate README）。MQTT 发射器（mqtt.rs/rumqttc_publisher.rs）不存在序列化 BFI 矩阵的代码路径；ruview/<node_id>/bfld/raw/state主题默认禁用，即使启用也只发布元数据摘要（子载波数、时间戳、SNR 范围），而非角度矩阵。

不变式 I2：身份嵌入仅存于内存

用于计算identity_risk_score的 RuVector 嵌入驻留在内存环形缓冲区中（默认 10 分钟），从不落盘、从不序列化进任何 MQTT 主题、即使privacy_class = 0也不进入BfldFrame载荷。源码实现位于 embedding_ring.rs：EmbeddingRing是固定容量（RING_CAPACITY = 64）的 FIFO，满时 push 会驱逐并返回最旧条目，使该条目的Drop执行、f32 存储被 zeroize；其IdentityEmbedding类型刻意不实现Serialize/Clone/Copy，并在Drop时清零存储。数学基础是：风险分只是嵌入在四个因子上的标量投影，下游任何消费者都不需要完整向量。

不变式 I3：跨站点身份匹配在密码学上不可能

rf_signature_hash的计算式为：

rf_signature_hash = BLAKE3-keyed(site_salt, day_epoch || features)

• site_salt是节点首次启动时生成的 256 位站点级密钥，存于 NVS/安全存储，永不传输；
• day_epoch = floor(unix_time_utc / 86_400)，UTC 午夜翻转，同一人的哈希每天变化。

源码见 signature_hasher.rs：SITE_SALT_LEN = 32、RF_SIGNATURE_LEN = 32、SECONDS_PER_DAY = 86_400，compute()用Hasher::new_keyed(&site_salt)将day_epoch小端字节与特征字节流输入。由于 BLAKE3 是密钥化的 PRF，两个站点的节点观察同一人会产生不相交哈希空间中的独立值；即使攻击者同时拿到两个节点的哈希流，也无法判断同一人是否到访过两个站点——跨站点再识别是结构性不可能，而非政策承诺。测试套件tests/signature_hasher.rs直接覆盖了 ADR-120 中跨站点 Hamming 距离验收准则。

4. privacy_class 字节：四级数据暴露表

privacy_class是节点允许发出什么的唯一权威分类器，由隐私门（privacy_gate.rs）根据identity_risk_score与操作者配置为每个出站BfldFrame设置。研究包 04-privacy-gating.md 给出了四级完整字段表：

Class 0 — raw（仅限受控研究/红队）

Class 1 — derived（诊断默认，操作者显式 opt-in）

发布 presence、motion、person_count、identity_risk_score、rf_signature_hash（仅轮换哈希）、zone_activity、confidence、snr_vector（仅每流聚合）；压缩角度矩阵、amplitude/phase proxy 一律清零。

Class 2 — anonymous（所有标准部署的默认）

发布 presence、motion、person_count、zone_activity、confidence；identity_risk_score与rf_signature_hash被抑制，所有角度/幅度/相位字段清零。

Class 3 — restricted（护理设施、医疗、客房等最高隐私场景）

仅发布 presence（布尔），motion 与 person_count 也抑制——等价于一个被动红外传感器。

4.1 源码级强制：单调降级与零化

已实现的 privacy_gate.rs 通过PrivacyGate::demote()强制单调类转换：只允许从低编号（信息密度高）向高编号（信息密度低）降级，不存在promote操作。降级时：

1. 校验目标类的数值严格大于等于当前类（Derived(1)→Anonymous(2) 合法，反向禁止，否则返回BfldError::InvalidDemote）；
2. 目标 ≥ Anonymous 时清零compressed_angle_matrix与可选csi_delta；
3. 目标 ≥ Restricted 时额外清零amplitude_proxy与phase_proxy；
4. 重新同步header.privacy_class并重算payload_crc32。

清零用black_box守卫的循环执行以对抗死存储消除（dead-store elimination），保证写操作可观测。

4.2 未来字段的默认拒绝姿态

04-privacy-gating.md 规定：任何新增进BfldFrame或事件 JSON 的字段必须先分类再发布——通过#[privacy_class(minimum = N)]注解或privacy_gate.rs中的等价运行时检查声明最小隐私类，配套单元测试断言低类包含、高类省略，并由 crate 内自定义#[must_classify]lint 强制：任何缺少分类属性的公开字段产生编译警告并升级为 CI 错误。

5. identity_risk_score：四因子乘法评分与门控动作

研究文档给出的评分公式为：

identity_risk_score = clamp(separability × temporal_stability × cross_perspective_consistency × sample_confidence, 0, 1)

源码实现于 identity_risk.rs，且补充了关键设计意图：乘法组合在不确定下是保守的——任一因子接近 0 都会把总分压向 0，即"不确定时报告低风险"，这是隐私优先的默认偏向。score()函数将每个输入 clamp 到 [0,1]，NaN 按 0.0 处理（同样符合隐私保守偏向）。

分数确定性地映射到GateAction（ADR-121 §2.4）：

阈值常量PREDICT_ONLY_THRESHOLD = 0.5、REJECT_THRESHOLD = 0.7、RECALIBRATE_THRESHOLD = 0.9均在源码中定义，边界语义为下界包含（score = 0.7 即 Reject）。Recalibrate动作会触发EmbeddingRing::drain()——一次性清空所有嵌入槽位，使未来哈希与过去完全失联。

研究包 01-sota-survey.md 还指出了评分与攻击文献的校准关系：BFId 证明了身份再识别精度是时间窗口的函数，BFLD 的identity_risk_score应与之单调相关——高分（>0.7）对应 BFId >80% 精度的窗口，低分（<0.2）对应接近随机的窗口。

6. 哈希轮换与身份嵌入生命周期

6.1 rf_signature_hash 的构造与轮换

04-privacy-gating.md 给出完整构造：

site_salt := blake3_keyed_hash(secret="bfld-site-seed", data=node_mac_address) # 首次启动生成一次，存 NVS，32 字节，永不传输 day_epoch := floor(timestamp_ns / 86_400_000_000_000) # 每个 UTC 日一个新 epoch ephemeral := mean_angle_delta ‖ subcarrier_variance ‖ burst_motion_score # 当前窗口特征的小型定长摘要，非身份特异 rf_signature_hash := BLAKE3(key = site_salt, input = day_epoch_bytes(8) ‖ ephemeral_features(24))

轮换的语义分三层：

• 跨站点隔离：BLAKE3 是密钥化 PRF，salt_A ≠ salt_B时即使输入day ‖ features完全相同，两个哈希也伪随机独立；
• 站内当日聚类：同一天同一站点内，同一人的帧产生相近（非相同）哈希——这是刻意设计，允许会话内的事件聚类，但不允许身份恢复；
• 跨日失联：轮换时刻一到，所有既有哈希与未来值在密码学上断连，节点操作者本人也无法跨日关联日志。

6.2 嵌入生命周期

BFI 帧到达 → 特征提取 → RuVector 嵌入 Vec<f32,128> ├─→ identity_risk_score（标量投影；class 1 发布 / class 2-3 抑制） └─→ 内存环形缓冲（EmbeddingRing，容量 64，no_std，无堆分配） → 永不落盘、永不序列化、重启即失 → 留存窗口后丢弃（Drop 时 zeroize）

环形缓冲服务于两个目的：temporal_stability需要对比当前嵌入与近期嵌入；一致性门（coherence gate）需要近期帧判断新帧是既有轨迹延续还是新事件。两者都只需嵌入在计算期间存于 RAM——都不需要持久化。crate 中的 coherence_gate.rs 独立成模块，并在 tests/coherence_gate.rs 中验证。

7. 威胁模型：六类对手与五条攻击树

03-security-threat-model.md 定义了六类对手：

五条攻击树覆盖：AT-1 被动捕获→身份推断（BFLD 不阻止空中接口，但拒绝提供第 4 步的"关联锚点"）；AT-2 跨站点哈希关联（被 site_salt 结构性阻断）；AT-3 风险分时序侧信道（默认不发布 + MQTT ACL 本地化 + class 3 将风险分清零）；AT-4 MQTT 主题枚举（默认 mosquitto ACL 拒绝匿名通配订阅 + 建议 TLS/客户端证书）；AT-5 Matter cluster 滥用（Matter 边界拒绝一切身份字段）。

威胁模型还以每隐私类为单位给出残余威胁分析：class 0 的角度序列具有身份判别性，仅限受控研究；class 1 存在 AT-3 时序侧信道残余；class 2 的时间占用模式可能泄露日程（非身份）；class 3 等价于被动 IR 传感器，残余威胁最小。

8. 生态集成：Home Assistant、Matter、MQTT 与联邦

8.1 Home Assistant：6 个新实体

05-automation-integration.md 定义 BFLD 在 sensing-server 既有 21 实体（ADR-115）之上新增的实体：

bfld_identity_risk在 HA 模型中归类为诊断实体，UI 默认隐藏且不进 recorder 历史，除非显式启用——与 class-1 字段的操作者 opt-in 姿态一致。配套三个 HA blueprints：presence 驱动灯光（仅 class-2 数据）、motion 驱动 HVAC、身份风险异常通知（唯一触碰 class-1 字段的蓝图，用于提醒操作者环境变化使 RF 信道更可区分）。crate 内已有 ha_discovery.rs 实现 MQTT discovery 载荷生成，并有 tests/ha_discovery.rs 验证。

8.2 Matter：最小暴露面

Matter 只暴露 Occupancy Sensing（0x0406，presence→Occupancy属性 bit 0）、Motion Detection（0x040E 提案）与 People Count（厂商扩展）。以下字段无论操作者如何配置都不得经 Matter 暴露：identity_risk_score、rf_signature_hash、raw_bfi、identity_embedding、compressed_angle_matrix，以及任何未来分类为 class < 2 的字段。该拒绝逻辑在 v2/crates/cog-ha-matter/ 中实现，BFLD 事件在填充 Matter 属性报告前被过滤。

8.3 MQTT 主题树与 ACL 建议

ruview/<node_id>/bfld/ presence/state # "true"|"false" — class 2 motion/state # "0.42" — class 2 person_count/state # "1" — class 1 identity_risk/state # "0.71" — class 1，默认禁用 raw/state # 默认禁用，class 0 仅元数据 zone_activity/state # "living_room" — class 2 confidence/state # "0.88" — class 2 events/bfld_update # 完整 JSON 事件 — 默认仅 class 2 字段

推荐的 mosquitto ACL：BFLD 节点只写自身子树；HA 只读 presence/motion/count/zone/confidence/events；identity_risk 的读取规则需操作者显式添加；匿名客户端默认无任何访问权；raw 主题默认从不写入。BFLD 的 MQTT 发布端在 crate 中已实现（mqtt_topics.rs、rumqttc_publisher.rs，mqttfeature 引入rumqttc 0.24），并配有 live-broker 集成测试（tests/mosquitto_integration.rs，可用BFLD_MQTT_BROKER=tcp://localhost:1883解锁）。

由于 BFLD 发布标准 MQTT 载荷与一致主题结构，Node-RED 与 OpenHAB 无需任何插件即可直接消费（研究包中给出了 Node-RED flow 与 OpenHAB items 文件示例）。

8.4 cognitum 联邦：身份字段在节点边界剥离

cognitum-v0（Pi 5 家电，运行 ruview-mcp-brain 于 9876、cognitum-rvf-agent 于 9004、ruvector-hailo-worker 于 50051）是跨房间关联的舰队协调器。关键约束：身份字段在节点边界、本地 BFLD emitter 处剥离，而非在 cognitum-v0 处。联邦主题仅转发 presence/motion/person_count/events；identity_risk/state与raw/state为节点本地主题，不参与联邦。cognitum-rvf-agent 用时间与空间邻近性做多房间占用关联（"人从客厅节点移到厨房节点"），不需要也不接收身份信息。未来扩展点：将identity_risk_score计算卸载到 Hailo-8 加速器（ruvector-hailo-worker 于 50051），嵌入仍留在 cognitum-v0 本地——明确不在当前规范范围内。

9. 实现：crate 布局、公共 API 与验收准则

9.1 模块布局与复用地图

规划文档 06-implementation-plan.md 设计的模块布局，在仓库中已实际落地为 v2/crates/wifi-densepose-bfld/src/：lib.rs（公共 API：BfldPipeline、BfldFrame、BfldEvent）、frame.rs（序列化 + CRC32 + magic）、extractor.rs对应能力的 BFI 捕获接口、features.rs的特征计算、identity_risk.rs、privacy_gate.rs、emitter.rs、mqtt相关模块，以及独立的coherence_gate.rs、embedding.rs、embedding_ring.rs、signature_hasher.rs、privacy_mode.rs、soul_channels.rs等。测试目录 tests/ 包含 60+ 个测试文件，覆盖帧往返、隐私门降级、哈希轮换、身份风险分数、MQTT 路由、确定性、presence 延迟等全部验收点。

crate 插在wifi-densepose-signal（BFI 归一化、时间窗）与wifi-densepose-sensing-server（MQTT/HA 集成）之间，默认构建不依赖训练管线与神经网络推理 crate。从规划文档的复用地图看，BFLD 复用 RuvSense 的coherence_gate.rs（嵌入门控）、multistatic.rs（跨视角一致性）、cross_room.rs（环境指纹）、longitudinal.rs（Welford 统计）、adversarial.rs（物理不可能信号检测，对应 A5 威胁），以及 RuVector 的ruvector-attention（子载波空间注意力）、ruvector-mincut（人员分离）、ruvector-temporal-tensor（时间窗压缩）。cog-ha-matter与wifi-densepose-ruvector/viewpoint/的 fusion 模块亦在其复用列表中。

9.2 公共 API 速览

crate README 给出的最小进程内消费者：

use wifi_densepose_bfld::{ BfldConfig, BfldPipeline, IdentityEmbedding, SensingInputs, SignatureHasher, EMBEDDING_DIM, SITE_SALT_LEN, }; let mut pipeline = BfldPipeline::new( BfldConfig::new("seed-01") .with_signature_hasher(SignatureHasher::new([0xAB; SITE_SALT_LEN])), ); let event = pipeline .process( SensingInputs { /* timestamp, presence, motion, ... */ timestamp_ns: 1_700_000_000_000_000_000, presence: true, motion: 0.42, person_count: 1, sensing_confidence: 0.91, sep: 0.2, stab: 0.2, consist: 0.2, risk_conf: 0.2, rf_signature_hash: None, }, Some(IdentityEmbedding::from_raw([0.05; EMBEDDING_DIM])), ) .expect("low-risk emit"); println!("{}", event.to_json().unwrap());

生产形态是 worker 线程 + HA-DISCO 发布（BfldPipelineHandle::spawn，示例见 examples/bfld_handle.rs），可运行cargo run -p wifi-densepose-bfld --example bfld_minimal与cargo run -p wifi-densepose-bfld --example bfld_handle体验。

9.3 线格式

frame.rs 定义了BFLD_MAGIC: u32 = 0xBF1D_0001，头部含 magic、version、哈希化后的 AP/STA 标识、quantization 字节、privacy_class字节、压缩特征载荷与 CRC32（详见 ADR-119，86 字节头部 + 载荷分节 + CRC-32/ISO-HDLC）。测试 tests/frame_roundtrip.rs 验证序列化往返与 CRC32 确定性，tests/payload_sections.rs、tests/header_roundtrip.rs覆盖头部与分节细节。

9.4 七条验收准则与 CI 映射

crate 的测试目录已落地对应覆盖，例如 tests/presence_latency.rs、tests/motion_publish_rate.rs、tests/pipeline_determinism.rs、tests/event_privacy_gating.rs。另有tests/hash_rotation.rs验证跨站点隔离（不同 salt、相同输入 → 哈希必异）与每日轮换（同一 salt、午夜前后 1 秒 → 哈希必异）。

9.5 ESP32 能力边界与捕获路径

06-implementation-plan.md 的 ESP32 评估结论是明确的：ESP32-S3 的esp_wifi_csi_set_config()只产出 Espressif HT20 格式 CSI（每子载波幅度+相位），不公开 CBFR 帧捕获 API。因此 BFI 采集必须走主机侧嗅探：Pi 5 + BCM43456 芯片跑 Nexmon monitor 模式（舰队中 cognitum-v0 即为此硬件），过滤 Action 帧中的 VHT/HE CBFR，经 rvcsi 适配器（vendor/rvcsi/已处理 Nexmon PCap 格式）转发进 BFLD 管线。对 ESP32 固件唯一需要的改动是stream_sender.c中增加包类型字节（STREAM_PKT_TYPE_CSI 0x01/STREAM_PKT_TYPE_BFI 0x02）以区分 CSI 与 BFI 帧。

9.6 分阶段落地

规划六阶段：P1 帧格式+extractor 桩（2 周）→ P2 特征提取+身份风险（3 周）→ P3 隐私门+MQTT（2 周）→ P4 HA 集成（1 周）→ P5 Matter 暴露（1 周）→ P6 cognitum 联邦（1 周），总计约 10.5 工程师周。

10. 评估与基准策略

07-benchmarks-and-evaluation.md 定义了 BFLD 的度量体系：

• Presence：延迟 p50 < 500ms、p95 < 1000ms（AC2）；空房误报率 < 5%、漏报率 < 2%（以 ADR-079 相机真值协议为地面真值）；
• Motion：与相机推导幅度 MAE < 0.1；持续运行 ≥ 1 Hz（AC3）；onset 延迟 p95 < 750ms；
• Person Count：1–3 人计数准确率 > 85%、MAE < 0.5（依赖ruvector-mincut，4+ 人需多 AP 覆盖）；
• Identity Risk 校准（BFLD 的新颖评估维度）：定义E[acc(t) | r(t) = v]随 v 单调递增为"已校准"，用 BFId 分类器滑窗精度与风险分做 Spearman 相关，目标 rho > 0.5；
• Privacy-mode 误报率：目标0%（硬性正确性要求，非统计目标），由 AC5 fuzz 验证。

红队协议包括三个攻击实验：哈希再识别攻击（跨 3 天，预期失败，成功率 ≤ 1/N + 0.05）、跨站点再识别（哈希匹配结构性失败；分类器若拿到原始角度序列可能成功——但 BFLD 不发布这些）、风险分时序侧信道（攻击者只能学到"有人在场"，等价于 class 2 已发布的 presence 信息）。

对比基线表明隐私门控的显式代价：无门控的 BFI+CSI 融合管线估计 F1 ≈ 0.97，BFLD class 2 目标 F1 0.93——这是"身份安全换取适度效用"的明确权衡。CI 中每个触碰 BFLD 的 PR 都运行三项持续评估：确定性哈希（AC6）、隐私模式字段抑制 fuzz（AC5）、延迟冒烟（AC2，200ms 紧阈值）。

11. 溯源与证据链：审计与见证

研究包与 crate 为 BFLD 提供了多层可审计性：

• 网络级审计：tcpdump 抓取 1883/8883 端口，在 PCAP 中检索 BFI magic 字节BF 1D 00 01——class ≥ 2 时不应出现；
• 节点自检（P3 起规划）：wifi-densepose bfld audit --duration 60s输出 raw_bfi/embedding 出现次数与 privacy_class 分布；
• CI 确定性校验：verify_bfld.py结构对齐 ADR-028 的 witness-bundle 模式——固定种子合成 BFI 输入（512 字节、PRNG seed=117）→ 提交期望 SHA-256 → 篡改二进制（A6 威胁）在下次 verify 时必然失败。AD-028 见证日志 docs/WITNESS-LOG-028.md 预留了 BFLD 分节。

12. 未来方向与设计前瞻

• WiFi 7（802.11be）：MLO 多链路操作将 sounding 频率提升 3–5 倍，身份分类器的训练数据量同步增长。BFLD 的帧格式（magic0xBF1D_0001+ version 字节）为协议演进预留扩展，特征提取模块可插拔，WiFi 7 extractor 可无侵入接入——不变式保持不变；
• AI/ML 压缩反馈：802.11bn/Wi-Fi 8 研究组正探索神经码本压缩 BFI，其隐空间可能比原始角度更具身份判别性，BFLD 需兼容压缩编码；
• 差分隐私融合（明确列为未来扩展而非本 ADR 范围）：identity_risk_score可作为自适应 epsilon 选择器——高风险帧收紧隐私预算（更多噪声），低风险帧原样通过；
• ZK 证明：未来可用零知识证明声明"风险分确由声称的输入算出"而不泄露输入（与 ADR-028 witness 思路同源）。

结语

BFLD 把"WiFi 感知输出是否已滑入身份记录"这一隐性、静默的风险，转变成每个事件上可见、可审计的显式信号。它不承诺阻止空中的被动嗅探（那是物理层问题），而是承诺节点的自身输出不可识别——并通过类型系统（Sink层级、无Serialize的嵌入）、密钥化哈希轮换与单调隐私门，把承诺变成结构性事实。对于在共享办公、客房、护理设施等场景部署 RuView 的团队，这套 docs/research/BFLD/ 研究档案 + ADR-118 架构决策 +wifi-densepose-bfldcrate 的组合，提供了从威胁建模、机制设计到可运行实现的完整参考。

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView