Herzsignale, die kontaktlos über Radar erfasst werden, können Geschlecht und Alter einer Person mit hoher Genauigkeit vorhersagen. Forscher der Carlos-III-Universität Madrid haben in einer neuen Studie gezeigt, dass maschinelles Lernen auf Basis solcher Signale eine Trefferquote von bis zu 78 Prozent beim Geschlecht und 73 Prozent bei der Einteilung in Altersgruppen erreicht. Die Ergebnisse werfen Fragen zum Datenschutz auf, da sensible persönliche Daten unbemerkt aus physiologischen Signalen abgeleitet werden könnten.
Die Studie untersucht erstmals, ob demografische Merkmale wie Geschlecht und Alter implizit in Herzsignalen kodiert sind, die mittels Doppler-Radar gewonnen werden. Diese Technologie ermöglicht eine berührungslose Erfassung der Herzaktivität durch Analyse winziger Brustwandbewegungen, was Vorteile in Hygiene und Komfort bietet, aber auch Artefakte durch Bewegung oder Umwelteinflüsse birgt. Die Forscher wandelten die Rohsignale in Scalogramme um – eine Zeit-Frequenz-Darstellung – und trainierten ein Convolutional Neural Network (CNN) zur Klassifikation.
Aufgrund der begrenzten Datenmenge von nur 30 Probanden setzten die Wissenschaftler auf Datenaugmentation mit einem Conditional Wasserstein Generative Adversarial Network (cWGAN). Dieses Verfahren erzeugte synthetische Scalogramme, die auf Klassenlabels konditioniert waren, und verbesserte die Modellleistung erheblich. Ohne Augmentation lag die Genauigkeit bei 73 Prozent für das Geschlecht und 66 Prozent für Altersgruppen (18–29 Jahre versus 30–65 Jahre). Mit den generierten Daten stieg sie auf 78 Prozent bzw. 73 Prozent. Weitere Metriken wie Präzision, Recall und F1-Score zeigten ähnliche Fortschritte.
Die Analyse erfolgte unter Leave-One-Subject-Out-Cross-Validation, um Überanpassung zu vermeiden und die Generalisierbarkeit auf unbekannte Personen zu testen. Die Forscher betonen, dass die Herzsignale anatomische und hormonelle Unterschiede widerspiegeln, die sich in Frequenzmustern niederschlagen. Frauen wiesen in der Studie breitere Frequenzbänder auf, was die Klassifikation beeinflusste.
Die Ergebnisse deuten auf potenzielle Datenschutzrisiken hin. Radarbasierte Systeme könnten in biometrischen Anwendungen wie elektronischen Pässen sensible Informationen preisgeben, was Brute-Force-Angriffe erleichtern oder zu Profiling führen könnte. Die Autoren plädieren für robuste Schutzmaßnahmen, während die Technologie Vorteile in der Medizin bietet, etwa bei der kontinuierlichen Überwachung ohne Hautkontakt.
Die Arbeit erschien am 14. November 2025 in der Zeitschrift Frontiers in Digital Health und basiert auf einem kleinen Datensatz, was weitere Validierung in größeren Kohorten erfordert.
