基于无线信号的感知技术以其部署简便且无需携带任何设备、超视距、不受光线限制等优势,成为近年来学术界和工业界广泛关注的研究热点。其中,基于CSI的感知技术以其细粒度及高精度在智能家居、医疗监测等方面有着重要的应用前景,成为无线感知中的主流技术。然而,在实际应用中,现有方法仍然存在以下问题。第一,在识别目标规模较大的情况下,由于不同行为会对信号的影响比较相似进而导致识别精度下降,制约了系统在实际应用中的大规模部署。第二,在跨场景情况下,由于同一行为在不同场景下的信号差异较大,现有方法需要在多个不同的场景下都采集训练数据,造成人力资源的浪费,代价较大,制约了系统在真实环境中的可用性。第三,随着无线感知技术的发展以及无线设备的普及,在系统逐渐应用到实际环境的过程中,安全问题也随之出现,用户的隐私信息,如图案解锁密码、数字支付密码等可能会泄露。本文从基于CSI的感知技术出发,分析其在大规模、跨场景以及在实际应用中遇到的安全性问题,以高精度、低代价、强鲁棒性、安全性为目标,提出了两种在真实场景下的感知方法以及两种在公共场所下保护用户隐私信息的方法。本文的主要创新研究如下:(i)提出了一种大规模条件下的无线行为识别方法。该方法利用集成学习的思想,为每个测试样本找到准确识别该测试样本的模型。具体地,通过先前采集的训练数据训练一个模型选择器,当给定测试样本时,模型选择器会为该测试样本选择适合其的模型。真实实验表明,该方法不仅提升了现有方法在面对大规模识别时的识别精度,而且具有较强的稳定性,即识别精度不会随着识别规模的增大而降低。(ii)提出了一种跨场景条件下的无线行为识别方法。该方法利用人工神经网络训练两个场景之间的转换函数。具体地,根据两个场景下已有的训练数据训练两个场景之间的转换函数,转换函数训练好之后,源场景下的训练数据可通过训练好的转换函数转换到目标场景下使用而不需要在目标场景下重新采集训练数据。真实实验表明,该方法在保证了高精度的前提下降低了训练开销。(iii)提出了一种基于信道干扰的用户隐私行为保护方法。该方法通过破坏CSI攻击成功的必要条件,利用相邻信道干扰影响攻击者所使用的无线设备进而抵御了CSI攻击。具体地,在用户进入公共场所之后,系统通过分析网络状态不断地监测环境中是否存在CSI攻击,当监测到CSI攻击存在时,启动信道干扰保护机制,即利用已有的无线设备来影响攻击者的无线设备。真实实验表明,该保护方法在一定程度上抵御了CSI攻击,保护了用户的隐私信息。(iv)提出了一种基于安全区域引导的用户隐私行为保护方法。通过分析可知,CSI攻击成功的条件之一是需要用户距离攻击者的恶意设备较近,该方法通过将用户引导至安全区域来保护用户的隐私信息。具体地,智能手机的传感器不断地收集用户的行走信息,在监测到CSI攻击之后,首先使用已有的较为成熟的定位技术对攻击者所用的无线设备进行位置获取,然后结合这些恶意设备的位置信息引导用户进入安全区域。真实实验表明,该方法可以成功抵御CSI攻击。