[论文解读] WiFiTrace: Network-based Contact Tracing for Infectious Diseases Using Passive WiFi Sensing

Amee Trivedi, Camellia Zakaria+2 more|arXiv (Cornell University)|May 25, 2020

COVID-19 Digital Contact Tracing参考文献 31被引用 41

一句话总结

WiFiTrace 使用被动、网络端 WiFi 感知来重建设备轨迹用于接触追踪，实现无需客户端应用的可扩展报告。它在大型校园网络上实现高效的基于图的查询。

ABSTRACT

Contact tracing is a well-established and effective approach for the containment of the spread of infectious diseases. While Bluetooth-based contact tracing method using phones has become popular recently, these approaches suffer from the need for a critical mass adoption to be effective. In this paper, we present WiFiTrace, a network-centric approach for contact tracing that relies on passive WiFi sensing with no client-side involvement. Our approach exploits WiFi network logs gathered by enterprise networks for performance and security monitoring, and utilizes them for reconstructing device trajectories for contact tracing. Our approach is specifically designed to enhance the efficacy of traditional methods, rather than to supplant them with new technology. We designed an efficient graph algorithm to scale our approach to large networks with tens of thousands of users. The graph-based approach outperforms an indexed PostgresSQL in memory by at least 4.5X without any index update overheads or blocking. We have implemented a full prototype of our system and deployed it on two large university campuses. We validated our approach and demonstrate its efficacy using case studies and detailed experiments using real-world WiFi datasets.

研究动机与目标

• 减少对客户端接触追踪的依赖，利用企业 WiFi 日志进行轨迹重构和接近检测。
• 提供一种可扩展的基于图的方法，能够处理数万用户。
• 从覆盖范围、隐私和实用性方面，比较网络中心的 WiFi 跟踪与客户端中心的蓝牙方法。
• 在大型大学网络的真实部署和合成疾病场景下验证该方法。

提出的方法

• 将 WiFi 关联数据建模为设备与接入点之间的随时间演变的双部图，边带有时间注释。
• 将节点活动分割成时间窗口，以限制图大小并实现可扩展查询。
• 开发一个基于图的接触追踪算法，给定一个用户、时间窗口和阈值，输出位置报告（访问的 AP 和时长）和接近报告（同址用户及时长）。
• 使用两阶段预处理流水线：厂商特定日志预处理以标准中间记录，然后进行图构建和查询处理。
• 提供开源实现，带有图 API 以支持位置和接近查询及可选的 JSON 输出。

实验结果

研究问题

• RQ1 在被动感知下，WiFi AP 关联在揭示真实用户位置方面的准确性如何？
• RQ2 基于时间的图表示能否准确捕捉会话时长和同址信息以实现有效的接近检测？
• RQ3 在数万用户的大型校园网络中，基于图的接触追踪的可扩展性和性能如何？
• RQ4 隐私保护措施如何影响数据效用，哈希标识符如何在隐私与调查需求之间取得平衡？

主要发现

• 基于图的方法在数万用户的设置中具有可扩展性，性能与 PostgreSQL 相当，同时内存使用少 4.5 倍，且无索引更新开销。
• WiFiTrace 能从在大型校园中数月收集的数十亿条日志事件中重构轨迹和接近报告（如拥有数千个 AP 的网络）。
• 使用匿名化真实世界数据的验证表明，该系统能够生成位置和接近报告，并强调需要仔细选择会话时长阈值以控制误报/漏报。
• 在两所大型大学校园的部署证明了实用性和与健康调查人员的整合，尽管户外/WiFi 覆盖受限区域影响覆盖范围。
• 该方法支持多种报告类型，包括高接触表面的离场后暴露报告，并且可作为开源软件使用。