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

WiFireNet merupakan pendekatan penelitian yang menggunakan gelombang radio untuk mengidentifikasi objek berbahaya tertentu. Pengembangan sistem ini dikembangkan dalam lingkungan penelitian Swedish Defence Research Agency. Tim penelitinya melibatkan tiga peneliti bernama Erik Persson, David Gustafsson, dan Tomas Wilkinson. Melalui penelitian yang dipublikasikan pada Oktober 2026, mereka menunjukkan potensi pengenalan senjata tersembunyi menggunakan sinyal nirkabel. Dibandingkan metode yang membutuhkan gambar objek secara langsung, WiFireNet memanfaatkan karakteristik propagasi sinyal. Strategi pemrosesan tersebut menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Prinsip yang digunakan para peneliti mengandalkan karakteristik gelombang yang merambat melalui ruang. Ketika seseorang bergerak, gelombang Wi-Fi dapat mengalami pantulan dan pelemahan. Perubahan tersebut menyediakan petunjuk tentang interaksi antara gelombang dan lingkungan. Namun demikian, sistem memerlukan analisis untuk membedakan berbagai penyebab gangguan. Karena itu, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Hasil penelitian memberikan dasar untuk pengembangan lebih lanjut.

Cara Kerja WiFireNet melalui Channel State Information

Data yang digunakan dalam proses deteksi adalah Channel State Information atau CSI, yakni informasi mengenai keadaan kanal komunikasi nirkabel. Pada komunikasi antara perangkat Wi-Fi, sinyal tidak selalu menempuh satu jalur langsung. Permukaan bangunan dan berbagai objek dapat memengaruhi bentuk sinyal yang diterima. Variasi yang tercatat dalam CSI menjadi bahan untuk analisis komputer. Melalui pengamatan pola, AI mempelajari ciri yang berkaitan dengan target deteksi. Meski proses ini dapat menghasilkan prediksi, informasi kanal berbeda dari citra visual kamera biasa.

Dalam eksperimen yang dilakukan FOI, pengembang mencatat informasi CSI bersamaan dengan video RGB. Pengumpulan tersebut memungkinkan informasi visual digunakan sebagai panduan pelatihan. Dalam tahap pemrosesan berikutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Saat sistem menghasilkan prediksi setelah pelatihan, masukan utamanya berasal dari CSI. Perbedaan tersebut membantu menghindari anggapan bahwa sistem melihat melalui pakaian. Dengan demikian, WiFireNet mengenali pola radio yang berkaitan dengan objek.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Untuk melatih WiFireNet, pengembang memperkenalkan WiFire Dataset. Sumber informasi pelatihan tersebut menyediakan pasangan data radio serta citra kamera. Tujuannya adalah membantu model memahami hubungan antara perubahan sinyal dan keberadaan objek. Selama tahap eksperimen, pengukuran mencakup sejumlah benda dengan karakteristik berbeda. Sebagai bagian dari objek yang diuji, tim membandingkan perangkat sehari-hari dengan target dan replika tertentu. Dengan variasi tersebut, penelitian dapat mengevaluasi perbedaan karakteristik sinyal. Meski demikian, keragaman eksperimen belum mencakup seluruh kondisi dunia nyata.

Untuk mempelajari representasi sinyal, sistem memanfaatkan jaringan saraf yang dilatih dengan data. Metode penting dalam proses tersebut adalah pengawasan berbasis informasi visual. Melalui proses pembelajaran ini, informasi visual membantu membentuk representasi sinyal. 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 mengindikasikan kemungkinan penggunaan Wi-Fi sebagai sensor tambahan. Dalam laporan penelitian, average precision untuk kategori pistol mencapai 72,5 persen pada ambang penilaian lebih longgar. Ketika persyaratan kecocokan lokasi ditingkatkan, nilainya menjadi 53,8 persen. Angka tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Oleh sebab itu, skor penelitian tidak otomatis menunjukkan persentase penumpang yang dapat diperiksa dengan benar. Pemahaman terhadap ukuran evaluasi penting agar kemampuan sistem tidak dibesar-besarkan.

Selain penilaian kategori pistol, rata-rata mean average precision juga diukur. Nilai tersebut memberikan gambaran performa deteksi pada beberapa kelas. Walaupun sejumlah hasil eksperimen terlihat menjanjikan, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Ruangan tempat data dikumpulkan tidak selalu mewakili terminal atau pusat perbelanjaan. Selain itu, tingkat alarm palsu dan kemungkinan objek terlewat perlu diuji lebih lanjut. Melalui pengujian pada lingkungan yang lebih beragam, keterbatasan sistem dapat dipahami secara lebih tepat.

Tantangan Penerapan Teknologi WiFireNet di Lingkungan Nyata

Pengembangan WiFireNet memberikan peluang penelitian bagi sistem pemantauan. Sistem pengamatan berbasis gambar memiliki keterbatasan ketika objek tertutup. Di sisi lain, pemeriksaan logam merupakan bagian penting dari sistem keamanan tertentu. Namun demikian, pengaturan jalur pemeriksaan dapat membatasi arus orang. Sebagai kemungkinan pelengkap, WiFireNet berpotensi membantu analisis keberadaan objek tanpa melihatnya secara langsung. Meski begitu, penggunaan sebagai alat utama keamanan belum memiliki bukti yang memadai.

Persoalan penting sebelum penerapan luas adalah ketidakpastian data radio ketika ruangan berubah. Pada lingkungan dengan banyak aktivitas, pergerakan banyak orang dapat menambah variasi sinyal. Interferensi radio di sekitar sensor juga berpotensi memengaruhi kualitas data. Selain masalah teknis, aspek privasi dan tata kelola data perlu diperhatikan. Meski proses prediksi dapat dilakukan melalui CSI, penggunaan teknologi pemantauan perlu memperhatikan hak individu. Dengan pendekatan tersebut, potensi sistem dapat dipahami tanpa mengabaikan risikonya.

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

Pengembangan model deteksi berbasis CSI memberikan gambaran kemajuan dalam TEKNOLOGI kecerdasan buatan dan komunikasi nirkabel. Berkat pengolahan karakteristik gelombang radio, AI berhasil menghasilkan prediksi terhadap objek yang tidak terlihat kamera secara langsung. Penggunaan dataset WiFire menjadi bagian penting dari pengembangan. Meski pencapaian awal cukup menarik, akurasi dalam lingkungan terkendali belum menjamin keberhasilan pada kondisi nyata. Pengembangan berikutnya perlu memperhatikan generalisasi, kesalahan deteksi, dan privasi. Dengan penelitian yang bertanggung jawab, analisis sinyal nirkabel mungkin memberikan manfaat tambahan. Menurut Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Ceritakan pemikiran Anda mengenai keseimbangan keamanan dan privasi.