报告题目：Understanding and Modeling of WiFi Signal Based Human Activity Recognition 
Privacy Preserving Range Queries with Provable Security and Sublinear Scalability
报告日期及时间：2015.10.14  下午2:00-3:30 
报告地点： B403 
报告人：Alex X. Liu教授 
报告人单位：Michigan State University 

报告摘要: 
In this talk, I will talk about two topics: WiFi signal based human activity recognition 
and privacy preserving range queries. Human activity recognition is the core technology 
that enables a wide variety of applications such as health care, smart homes, fitness 
tracking, and building surveillance. We recognize human activities using signals from 
commercial WiFi devices. Human bodies reflect wireless signals as they are mostly made 
of water. Different human activities cause different changes on wireless signals. Thus, 
by analyzing the changes in wireless signals, we can recognize the corresponding human 
activities that cause the changes. We classify human activities into macro activities, 
which involve mostly arm, leg, or body scale movements, and micro activities, which 
involve mostly finger or hand scale movements. Human activity recognition and monitoring 
is the enabling technology for various applications such as elderly/health care, building
 surveillance, human-computer interaction, health care, smart homes, and fitness tracking.
Driven by lower cost, higher reliability, better performance, and faster deployment, data
 and computing services have been increasingly outsourced to clouds such as Amazon EC2. 
However, privacy has been the key road block to cloud computing. On one hand, to leverage
 the computing and storage capability offered by clouds, we need to store data on clouds. 
On the other hand, due to many reasons, we may not fully trust the clouds for data privacy. 
This paper concerns the problem of privacy preserving range query processing on clouds. 
Although some prior privacy preserving range query processing schemes have been proposed 
in the past, none of them can achieve both provable security and sublinear scalability.
 In this work, we propose the first range query processing scheme that achieves both. 
We implemented and evaluated our scheme on a real world data set. The experimental results 
show that our scheme can efficiently support real time range queries with strong privacy 
protection. For example, for a set of 10,000 data items, the time for processing a query 
is only 0.062 milliseconds, which is enough for real time applications.


个人简介:
Alex X. Liu received his Ph.D. degree in Computer Science from The University of Texas at
 Austin in 2006. He received the IEEE & IFIP William C. Carter Award in 2004, the National 
Science Foundation CAREER Award in 2009, and the Michigan State University Withrow 
Distinguished Scholar Award in 2011. His special research interests are in networking, 
security, and privacy. His general research interests include computer systems, distributed 
computing, and dependable systems.

邀请人： 徐宝文教授，  何德彪副教授