普渡大学用 Wi-Fi 数据分析学生行程，隐私或许是

接入 Wi-Fi，你的定位就会被标记下来，再用人工智能(AI)加以分析，就能了解你每天都去了哪里、什么时间去的，美国普渡大学正在用这个方法对学生们的每日行程进行分析。

项目的研究人员称，以往人们去餐馆或是其他娱乐场所，会喜欢在社交软件上发送定位来分享状态，因此，这些数据十分丰富，可供个人或机构用以分析休闲相关的数据。但这些数据也不准确，因为这往往是用户自愿签到，偶然性很大。

除此之外，那些生活中平淡无奇的时刻——比如回到宿舍，或是去图书馆——却鲜有被分享，因此数据几乎一片空白，占据了人们大半时光的日常生活反而不被人所知。很少有用户愿意回到宿舍还要打卡分享，即使有也只是偶尔一两次，得出的结论也难免会出现偏差。

为了得出更为准确的结果，从而针对不同学生的需求进行个性化教育，以及更好地了解学生对校园设施的使用情况，学校打算用 Wi-Fi 来进行数据统计，并用 AI 对搜集到的结果进行分析。这样，学生们只要接入某一地点的 Wi-Fi，他/她的行程就会被自动记录下来。

研究人员在报告中写道，“可以通过用户行为数据来模拟出用户在不同位置、不同时间的活动，从而根据他们的背景对用户的兴趣点(POI)进行预测，或对相关场所提出恰当的建议。”

他们选取了 2016-2017 年入学的新生作为研究样本。当新生们的无线设备接入 Wi-Fi、发送或接收信号时，就能与场地信息配对，从而产生数据。相比通过社交网络打卡收集而来的数据，这些数据包含了更多和更活跃的用户、更丰富的日常活动(例如学习、锻炼、休息)，以及更专一的空间(仅限校园内)。

这些数据也非常庞大，足有 376GB。个人设备接入 Wi-Fi 一次，机器就将之标记为一个条目，在这个项目中，包含了超过 10 亿个条目。

研究者将每个条目分出四项信息：用户、兴趣点、兴趣点所具有的功能(例如：居住或娱乐)和时间跨度(在给定位置所耗时长)。

分析出的结果也确实揭示出了一些趋向。比如在工作日时，学生们习惯在中午 12 点和下午 6 点前往餐厅，并在晚上 8 点左右去健身房。可以预见的是，新生很快(在前 2 —3 周内)就熟悉了校园，且行程偏好因专业而异。比如，虽然计算机科学专业的学生会经常和药学专业的学生同时用餐，但后者在中午 11 点到 12 点之间更多地是上课，前者却是在图书馆看书。

对信息进行额外的处理后，研究人员按照时间顺序，用前 80 % 的条目创建机器学习模型，保留了剩下的 20% 用于测试。这个人工智能系统经过学习，能够较为准确地推测出学生喜欢访问的前三个位置，准确率最高能到 90%。

不仅如此，研究者还可以通过数据推测出谁和你是朋友。当两名学生多次同时在同一个地方时，研究者就将它们标记为潜在的朋友关系，对学生的社交情况也会有所掌握。

这听起来很恐怖，但这样的分析技术其实早就不新鲜了。

2016 年时，丹麦技术大学的研究人员就表示，他们已经研究出了一个新的系统，可以用来记录用户位置，并根据 Wi-Fi 信号的强弱，推测出你身边是否还有其他人。尽管现在手机程序想要读取 Wi-Fi 连接信息都要先经过用户许可，但平时出门还是要谨慎连接 Wi-Fi。