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. Penelitian tersebut dikembangkan dalam lingkungan penelitian Swedish Defence Research Agency. Tim penelitinya terdiri atas Erik Persson, David Gustafsson, dan Tomas Wilkinson. Berdasarkan laporan penelitian yang diumumkan pada 13 Oktober 2026, mereka menunjukkan potensi pengenalan senjata tersembunyi menggunakan sinyal nirkabel. Berbeda dari kamera pengawas biasa, WiFireNet memanfaatkan karakteristik propagasi sinyal. Strategi pemrosesan tersebut menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Konsep dasar sistem ini mengandalkan karakteristik gelombang yang merambat melalui ruang. Apabila tubuh dan barang bawaan memasuki jalur sinyal, sinyal yang diterima dapat memiliki amplitudo dan fase berbeda. Perubahan tersebut dapat digunakan untuk mempelajari pola keberadaan objek. Namun demikian, perubahan Wi-Fi tidak otomatis menunjukkan adanya senjata. Untuk mengolah informasi secara bermakna, tim mengembangkan algoritma pengenalan pola. Hasil penelitian menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Cara Kerja WiFireNet melalui Channel State Information

Data yang digunakan dalam proses deteksi 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 membuat kondisi kanal berbeda dari keadaan sebelumnya. Informasi tersebut dimanfaatkan sebagai masukan model kecerdasan buatan. 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, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut memungkinkan informasi visual digunakan sebagai panduan pelatihan. Selanjutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Dalam tahap pengujian deteksi berbasis radio, kamera tidak menjadi sumber data utama untuk prediksi. Pemisahan proses pelatihan dan deteksi penting untuk memahami fungsi WiFireNet. Melalui mekanisme tersebut, WiFireNet mengenali pola radio yang berkaitan dengan objek.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Untuk melatih WiFireNet, tim mengembangkan kumpulan data WiFire. Sumber informasi pelatihan tersebut menyediakan pasangan data radio serta citra kamera. Manfaat penggabungan informasi tersebut adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Selama tahap eksperimen, peneliti mengamati variasi sinyal dari beberapa jenis barang. Contohnya, terdapat telepon, botol logam, replika pistol plastik, dan pistol logam. Dengan variasi tersebut, model dilatih menghadapi pola yang berbeda. Kendati pengumpulan data telah dilakukan, hasil pelatihan tetap dipengaruhi ruang dan konfigurasi pengukuran.

Peneliti menggunakan jaringan saraf yang dilatih dengan data. Metode penting dalam proses tersebut adalah pengawasan berbasis informasi visual. Melalui proses pembelajaran ini, karakteristik dari gambar digunakan untuk membimbing analisis radio. Untuk sistem yang menggunakan beberapa jenis data, teknik ini dikenal sebagai pembelajaran melalui bimbingan model. Meski pengawasan visual berperan pada tahap pengembangan, model tidak berarti menghasilkan foto benda tersembunyi. Oleh sebab 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, average precision untuk kategori pistol mencapai 72,5 persen pada ambang penilaian lebih longgar. Ketika persyaratan kecocokan lokasi ditingkatkan, skor AP pistol mencapai 53,8 persen. Angka tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Dalam menafsirkan hasil pengujian, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Penjelasan mengenai metrik ini penting agar kemampuan sistem tidak dibesar-besarkan.

Dalam evaluasi seluruh kelas objek, rata-rata mean average precision juga diukur. Nilai tersebut mencerminkan kemampuan model menghadapi kategori yang diuji. Namun, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Lingkungan pengujian yang terkendali belum mencerminkan seluruh variasi lingkungan operasional. Selain itu, kemampuan bekerja pada data baru harus dibuktikan. Melalui pengujian pada lingkungan yang lebih beragam, kelayakan teknologi untuk mendukung keamanan dapat diperiksa.

Tantangan Penerapan Teknologi WiFireNet di Lingkungan Nyata

Kemajuan sistem pengenalan objek berbasis Wi-Fi memberikan peluang penelitian bagi sistem pemantauan. Kamera pengawas konvensional memiliki keterbatasan ketika objek tertutup. Sementara itu, alat pendeteksi logam memiliki fungsi dalam prosedur penyaringan. Walaupun detektor logam sudah banyak digunakan, pengaturan jalur pemeriksaan dapat membatasi arus orang. Untuk penelitian sistem keamanan masa depan, WiFireNet berpotensi membantu analisis keberadaan objek tanpa melihatnya secara langsung. Meski begitu, WiFireNet belum dapat menggantikan prosedur pemeriksaan yang telah divalidasi.

Persoalan penting sebelum penerapan luas adalah variasi kondisi propagasi sinyal di lokasi berbeda. Ketika sistem digunakan di tempat ramai, pergerakan banyak orang dapat menambah variasi sinyal. Penggunaan jaringan nirkabel yang padat perlu diperhitungkan dalam pengujian. Di samping kebutuhan peningkatan akurasi, 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, penggunaan teknologi berpeluang berkembang secara lebih bertanggung jawab.

Masa Depan Teknologi Penginderaan Nirkabel dalam Penelitian Keamanan

Inovasi penginderaan nirkabel dari FOI memberikan gambaran kemajuan dalam pemanfaatan TEKNOLOGI Wi-Fi untuk analisis lingkungan. Berkat pengolahan karakteristik gelombang radio, model menunjukkan kemampuan mengenali pola yang berkaitan dengan senjata tertentu. Penggunaan dataset WiFire memungkinkan penelitian dilakukan secara lebih terstruktur. Walaupun hasil eksperimen menunjukkan potensi, akurasi dalam lingkungan terkendali belum menjamin keberhasilan pada kondisi nyata. Penelitian lanjutan harus menguji performa pada lingkungan berbeda. Melalui pengembangan berbasis bukti, pendekatan CSI dapat memperluas pilihan penginderaan. Dari sudut pandang Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Bagikan pandangan Anda mengenai inovasi tersebut.