Teknologi WiFireNet Memanfaatkan Perubahan Sinyal Nirkabel untuk Mengenali Objek Tersembunyi

Peneliti dari Swedish Defence Research Agency (FOI) mengembangkan WiFireNet, sebuah sistem kecerdasan buatan yang memanfaatkan perubahan sinyal Wi-Fi untuk mendeteksi keberadaan pistol yang disembunyikan pada tubuh seseorang. Penelitian yang dipublikasikan pada 13 Oktober 2026 ini menggunakan Channel State Information (CSI) untuk menganalisis bagaimana gelombang radio berubah ketika melewati lingkungan dan berinteraksi dengan objek. Perkembangan TEKNOLOGI tersebut menawarkan pendekatan baru dalam penelitian sistem keamanan tanpa harus mengandalkan gambar kamera ketika proses deteksi berlangsung. Meskipun hasil eksperimennya menjanjikan, WiFireNet masih berupa prototipe penelitian yang membutuhkan pengujian lanjutan sebelum dapat digunakan secara luas.

Penelitian WiFireNet Membuka Peluang Baru dalam Sistem Keamanan Nirkabel

Sistem WiFireNet adalah model kecerdasan buatan yang dikembangkan untuk mengenali pistol tersembunyi. Penelitian tersebut dikembangkan dalam lingkungan penelitian Swedish Defence Research Agency. Para pengembang metode ini mencakup Erik Persson bersama David Gustafsson serta Tomas Wilkinson. Dalam makalah berjudul Concealed Handgun Detection using WiFi Signals, mereka menjelaskan kemungkinan mendeteksi pistol melalui informasi kanal Wi-Fi. Dibandingkan metode yang membutuhkan gambar objek secara langsung, WiFireNet memanfaatkan karakteristik propagasi sinyal. Strategi pemrosesan tersebut membuka peluang pemanfaatan Wi-Fi sebagai sensor lingkungan.

Konsep dasar sistem ini memanfaatkan perubahan sinyal ketika berinteraksi dengan benda. Apabila tubuh dan barang bawaan memasuki jalur sinyal, gelombang Wi-Fi dapat mengalami pantulan dan pelemahan. Perubahan tersebut menyediakan petunjuk tentang interaksi antara gelombang dan lingkungan. Walaupun prinsip tersebut dapat dimanfaatkan, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Untuk mengolah informasi secara bermakna, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Hasil penelitian menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Cara Kerja WiFireNet melalui Channel State Information

Komponen informasi utama WiFireNet adalah Channel State Information atau CSI, yakni data yang menggambarkan pengaruh lingkungan terhadap gelombang Wi-Fi. Ketika gelombang radio dikirimkan, sinyal tidak selalu menempuh satu jalur langsung. Permukaan bangunan dan berbagai objek dapat memengaruhi bentuk sinyal yang diterima. Informasi tersebut dimanfaatkan sebagai masukan model kecerdasan buatan. Melalui pengamatan pola, model berusaha mengenali keberadaan objek tertentu. Walaupun CSI menyediakan informasi tambahan, data tersebut bukan gambar langsung dari objek.

Pada penelitian WiFireNet, peneliti memanfaatkan pengukuran sinyal Wi-Fi bersama rekaman visual. Pendekatan pengambilan sampel tersebut bertujuan menyediakan hubungan antara sinyal dan objek yang diamati. Setelah data diperoleh, algoritma mempelajari hubungan antara karakteristik CSI dan target. Dalam tahap pengujian deteksi berbasis radio, kamera tidak menjadi sumber data utama untuk prediksi. Karakteristik penggunaan datanya penting untuk memahami fungsi WiFireNet. Dengan demikian, sistem membuat prediksi dari karakteristik gelombang.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Sebagai bagian dari proses pembelajaran mesin, peneliti menyusun dataset bernama WiFire. Sumber informasi pelatihan tersebut menggabungkan pengukuran CSI dengan rekaman gambar RGB. Tujuannya adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Selama tahap eksperimen, pengukuran mencakup sejumlah benda dengan karakteristik berbeda. Di antara kategori pengamatan, tim membandingkan perangkat sehari-hari dengan target dan replika tertentu. Melalui penggunaan beberapa kelompok objek, penelitian dapat mengevaluasi perbedaan karakteristik sinyal. Meski demikian, kemampuan generalisasi membutuhkan pengujian tambahan.

Untuk mempelajari representasi sinyal, sistem memanfaatkan jaringan saraf yang dilatih dengan data. Bagian dari strategi pembelajaran ini adalah pengawasan berbasis informasi visual. Melalui proses pembelajaran ini, model mempelajari hubungan antara informasi kamera dan CSI. Pada pengembangan kecerdasan buatan, pendekatan tersebut berkaitan dengan knowledge distillation. Walaupun gambar digunakan dalam pelatihan, hasil deteksi bukan rekonstruksi visual pasti dari suatu objek. Oleh sebab itu, informasi dari AI harus dibedakan dari identifikasi fisik yang telah diverifikasi.

Hasil Pengujian WiFireNet dan Tingkat Akurasi Deteksi Senjata

Hasil eksperimen WiFireNet menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Menurut evaluasi yang tersedia, average precision untuk kategori pistol mencapai 72,5 persen pada ambang penilaian lebih longgar. Sementara itu, average precision kategori pistol turun menjadi 53,8 persen. Angka tersebut merupakan metrik deteksi objek. Dalam menafsirkan hasil pengujian, 72,5 persen tidak berarti sistem selalu mengenali jumlah tersebut dari setiap seratus orang. Perbedaan tersebut penting agar kemampuan sistem tidak dibesar-besarkan.

Dalam evaluasi seluruh kelas objek, peneliti menghitung metrik mAP. Nilai tersebut mencerminkan kemampuan model menghadapi kategori yang diuji. Walaupun sejumlah hasil eksperimen terlihat menjanjikan, performanya belum dapat dianggap setara dengan sistem keamanan tersertifikasi. Ruangan tempat data dikumpulkan tidak selalu mewakili terminal atau pusat perbelanjaan. Di samping perbedaan kondisi ruangan, kemampuan bekerja pada data baru harus dibuktikan. Dengan evaluasi tambahan, keterbatasan sistem dapat dipahami secara lebih tepat.

Potensi WiFireNet sebagai Pelengkap Kamera dan Detektor Logam

Pengembangan WiFireNet membuka kemungkinan pendekatan keamanan tambahan. Sistem pengamatan berbasis gambar memiliki keterbatasan ketika objek tertutup. Sementara itu, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Meski metode tersebut terbukti berguna, pengoperasiannya membutuhkan prosedur yang disesuaikan dengan lokasi. Untuk penelitian sistem keamanan masa depan, WiFireNet dipelajari sebagai sumber informasi tambahan dari sinyal radio. Walaupun pendekatan ini menarik, penggunaan sebagai alat utama keamanan belum memiliki bukti yang memadai.

Faktor yang perlu diteliti lebih lanjut adalah perubahan karakteristik lingkungan nirkabel. Dalam gedung nyata, posisi perangkat komunikasi dapat mengubah pengukuran. Gangguan dari perangkat lain perlu diperhitungkan dalam pengujian. Selain masalah teknis, aturan penggunaan sensor harus ditetapkan dengan jelas. Walaupun WiFireNet tidak mengandalkan gambar saat inferensi, penggunaan teknologi pemantauan perlu memperhatikan hak individu. Dengan pendekatan tersebut, penelitian dapat diarahkan pada manfaat yang lebih jelas.

Masa Depan Teknologi Penginderaan Nirkabel dalam Penelitian Keamanan

Pengembangan model deteksi berbasis CSI membuka peluang baru dalam pemanfaatan TEKNOLOGI Wi-Fi untuk analisis lingkungan. Melalui analisis Channel State Information, AI berhasil menghasilkan prediksi terhadap objek yang tidak terlihat kamera secara langsung. Penggunaan dataset WiFire menjadi bagian penting dari pengembangan. Namun demikian, pengujian tambahan masih diperlukan sebelum penerapan luas. Penelitian lanjutan perlu memperhatikan generalisasi, kesalahan deteksi, dan privasi. Berkat pengujian yang semakin menyeluruh, pendekatan CSI dapat memperluas pilihan penginderaan. Bagaimana pendapat Anda, apakah pendeteksian objek melalui Wi-Fi layak dikembangkan lebih lanjut? Bagikan pandangan Anda mengenai inovasi tersebut.