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.

Mengenal WiFireNet sebagai Teknologi Pendeteksi Objek Tersembunyi

WiFireNet merupakan pendekatan penelitian yang menggunakan gelombang radio untuk mengidentifikasi objek berbahaya tertentu. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Penulis penelitian tersebut mencakup Erik Persson bersama David Gustafsson serta Tomas Wilkinson. Berdasarkan laporan penelitian yang diumumkan pada 13 Oktober 2026, mereka menunjukkan potensi pengenalan senjata tersembunyi menggunakan sinyal nirkabel. Dibandingkan metode yang membutuhkan gambar objek secara langsung, WiFireNet memanfaatkan karakteristik propagasi sinyal. Metode penelitian ini menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Gagasan utama WiFireNet memanfaatkan perubahan sinyal ketika berinteraksi dengan benda. Apabila tubuh dan barang bawaan memasuki jalur sinyal, karakteristik kanal komunikasi dapat berubah. Perubahan tersebut menjadi masukan bagi sistem pembelajaran mesin. Meski sinyal membawa informasi mengenai kondisi ruangan, sistem memerlukan analisis untuk membedakan berbagai penyebab gangguan. Karena itu, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Eksperimen yang dilakukan belum menjamin performa yang sama dalam seluruh lingkungan nyata.

Cara Kerja WiFireNet melalui Channel State Information

Dasar analisis pada sistem penelitian ini adalah Channel State Information atau CSI, yakni data yang menggambarkan pengaruh lingkungan terhadap gelombang Wi-Fi. Pada komunikasi antara perangkat Wi-Fi, sinyal tidak selalu menempuh satu jalur langsung. Permukaan bangunan dan berbagai objek membuat kondisi kanal berbeda dari keadaan sebelumnya. Perubahan karakteristik kanal dimanfaatkan sebagai masukan model kecerdasan buatan. Dengan mempelajari karakteristik perubahan, sistem mencari hubungan antara sinyal dan barang bawaan. Namun demikian, sinyal radio tidak otomatis menghasilkan foto benda.

Dalam eksperimen yang dilakukan FOI, peneliti memanfaatkan pengukuran sinyal Wi-Fi bersama rekaman visual. Pendekatan pengambilan sampel tersebut bertujuan menyediakan hubungan antara sinyal dan objek yang diamati. Selanjutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Saat sistem menghasilkan prediksi setelah pelatihan, kamera tidak menjadi sumber data utama untuk prediksi. Karakteristik penggunaan datanya menjelaskan mengapa rekaman visual digunakan saat pengembangan. Berdasarkan rancangan penelitian, teknologi memanfaatkan informasi tidak langsung untuk memperkirakan keberadaan target.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Untuk melatih WiFireNet, peneliti menyusun dataset bernama WiFire. Kumpulan data tersebut memuat sinyal Wi-Fi yang diselaraskan dengan informasi visual. Manfaat penggabungan informasi tersebut adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Selama tahap eksperimen, objek pembanding digunakan untuk membedakan berbagai pola. Contohnya, terdapat telepon, botol logam, replika pistol plastik, dan pistol logam. Berkat contoh yang tidak hanya berasal dari satu kategori, model dilatih menghadapi pola yang berbeda. Meski demikian, keragaman eksperimen belum mencakup seluruh kondisi dunia nyata.

Dalam rancangan WiFireNet, tim menerapkan metode pembelajaran mendalam. Salah satu pendekatan yang digunakan adalah pengawasan berbasis informasi visual. Dengan metode tersebut, model mempelajari hubungan antara informasi kamera dan CSI. Dalam literatur pembelajaran mesin, metode pemindahan pengetahuan membantu melatih jaringan saraf. Meski pengawasan visual berperan pada tahap pengembangan, prediksi tetap berbeda dari bukti gambar langsung. Karena itu, hasilnya perlu dianggap sebagai prediksi statistik.

Memahami Performa Model Pendeteksi Objek melalui Sinyal Wi-Fi

Pengujian sistem deteksi berbasis CSI memperlihatkan potensi pendeteksian pistol melalui sinyal. Dalam laporan penelitian, pengukuran AP pistol menunjukkan nilai 72,5 persen dalam kondisi evaluasi tertentu. Sementara itu, nilainya menjadi 53,8 persen. Angka tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Dengan demikian, skor penelitian tidak otomatis menunjukkan persentase penumpang yang dapat diperiksa dengan benar. Perbedaan tersebut penting agar kemampuan sistem tidak dibesar-besarkan.

Selain penilaian kategori pistol, hasil keseluruhan diperiksa menggunakan ukuran mean average precision. Skor keseluruhan ini memberikan gambaran performa deteksi pada beberapa kelas. Walaupun sejumlah hasil eksperimen terlihat menjanjikan, hasil penelitian masih membutuhkan pengulangan pada kondisi berbeda. Lingkungan pengujian yang terkendali mungkin berbeda dari situasi keramaian sebenarnya. Selain itu, pengujian independen terhadap kesalahan deteksi masih penting. Melalui pengujian pada lingkungan yang lebih beragam, kelayakan teknologi untuk mendukung keamanan dapat diperiksa.

Peluang Pemanfaatan Sinyal Nirkabel dalam Sistem Keamanan Publik

Kemajuan sistem pengenalan objek berbasis Wi-Fi menawarkan konsep pelengkap terhadap teknologi keamanan yang telah digunakan. Kamera pengawas konvensional memiliki keterbatasan ketika objek tertutup. Untuk metode pemeriksaan fisik, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Namun demikian, pengoperasiannya membutuhkan prosedur yang disesuaikan dengan lokasi. Untuk penelitian sistem keamanan masa depan, WiFireNet dipelajari sebagai sumber informasi tambahan dari sinyal radio. Meski begitu, penggunaan sebagai alat utama keamanan belum memiliki bukti yang memadai.

Persoalan penting sebelum penerapan luas adalah perubahan karakteristik lingkungan nirkabel. Dalam gedung nyata, pergerakan banyak orang dapat menambah variasi sinyal. Penggunaan jaringan nirkabel yang padat perlu diperhitungkan dalam pengujian. Untuk penerapan dalam layanan publik, aturan penggunaan sensor harus ditetapkan dengan jelas. Walaupun WiFireNet tidak mengandalkan gambar saat inferensi, pemanfaatan data sensor memerlukan pengelolaan yang bertanggung jawab. Dengan pendekatan tersebut, penelitian dapat diarahkan pada manfaat yang lebih jelas.

Kesimpulan: WiFireNet Membuka Peluang Baru Deteksi Objek Menggunakan Wi-Fi

Inovasi penginderaan nirkabel dari FOI memberikan gambaran kemajuan 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. Penggabungan data CSI dan rekaman visual ketika pelatihan membantu membangun kemampuan model. Meski pencapaian awal cukup menarik, pengujian tambahan masih diperlukan sebelum penerapan luas. Pengembangan berikutnya harus menguji performa pada lingkungan berbeda. Dengan penelitian yang bertanggung jawab, pendekatan CSI dapat memperluas pilihan penginderaan. Bagaimana pendapat Anda, apakah teknologi seperti WiFireNet berpotensi memberikan manfaat dalam pemantauan lingkungan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.