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

Teknologi bernama WiFireNet menjadi pendekatan penelitian yang menggunakan gelombang radio untuk mengidentifikasi objek berbahaya tertentu. Penelitian tersebut berasal dari peneliti lembaga pertahanan Swedia FOI. Penulis penelitian tersebut melibatkan tiga peneliti bernama Erik Persson, David Gustafsson, dan Tomas Wilkinson. Dalam makalah berjudul Concealed Handgun Detection using WiFi Signals, mereka menjelaskan kemungkinan mendeteksi pistol melalui informasi kanal Wi-Fi. Tidak seperti deteksi yang bergantung pada citra visual, WiFireNet menganalisis informasi perjalanan gelombang radio. Strategi pemrosesan tersebut menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Konsep dasar sistem ini memanfaatkan perubahan sinyal ketika berinteraksi dengan benda. 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. Walaupun prinsip tersebut dapat dimanfaatkan, perubahan Wi-Fi tidak otomatis menunjukkan adanya senjata. Oleh sebab itu, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Temuan awal tersebut belum menjamin performa yang sama dalam seluruh lingkungan nyata.

Memahami Teknologi CSI pada Sistem Deteksi Berbasis Gelombang Radio

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, energi radio mungkin mengalami sejumlah pantulan. Dinding dan perabot membuat kondisi kanal berbeda dari keadaan sebelumnya. Informasi tersebut menjadi bahan untuk analisis komputer. Berkat analisis terhadap variasi kanal, sistem mencari hubungan antara sinyal dan barang bawaan. Namun demikian, data tersebut bukan gambar langsung dari objek.

Dalam eksperimen yang dilakukan FOI, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut bertujuan menyediakan hubungan antara sinyal dan objek yang diamati. Setelah data diperoleh, jaringan saraf dilatih mengenali pola sinyal tertentu. Saat sistem menghasilkan prediksi setelah pelatihan, hasil pengenalan ditentukan melalui informasi kanal Wi-Fi. Perbedaan tersebut penting untuk memahami fungsi WiFireNet. Dengan demikian, sistem membuat prediksi dari karakteristik gelombang.

Peran Deep Learning dan Dataset WiFire dalam Pengembangan WiFireNet

Untuk melatih WiFireNet, peneliti menyusun dataset bernama WiFire. Kumpulan data tersebut menyediakan pasangan data radio serta citra kamera. Tujuannya adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Pada proses pengumpulan sampel, peneliti mengamati variasi sinyal dari beberapa jenis barang. Di antara kategori pengamatan, tim membandingkan perangkat sehari-hari dengan target dan replika tertentu. Berkat contoh yang tidak hanya berasal dari satu kategori, algoritma memperoleh data pembanding untuk pengenalan. Kendati pengumpulan data telah dilakukan, hasil pelatihan tetap dipengaruhi ruang dan konfigurasi pengukuran.

Dalam rancangan WiFireNet, tim menerapkan algoritma deep learning. Bagian dari strategi pembelajaran ini adalah pengawasan berbasis informasi visual. Berkat pendekatan lintas sumber data, informasi visual membantu membentuk representasi sinyal. Pada pengembangan kecerdasan buatan, pendekatan tersebut berkaitan dengan knowledge distillation. Walaupun gambar digunakan dalam pelatihan, model tidak berarti menghasilkan foto benda tersembunyi. Karena itu, hasilnya perlu dianggap sebagai prediksi statistik.

Hasil Pengujian WiFireNet dan Tingkat Akurasi Deteksi Senjata

Hasil eksperimen WiFireNet menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Menurut evaluasi yang tersedia, skor ketepatan rata-rata deteksi pistol tercatat 72,5 persen pada ambang lokalisasi yang lebih permisif. Ketika persyaratan kecocokan lokasi ditingkatkan, skor AP pistol mencapai 53,8 persen. Nilai evaluasi tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Oleh sebab itu, 72,5 persen tidak berarti sistem selalu mengenali jumlah tersebut dari setiap seratus orang. Pemahaman terhadap ukuran evaluasi 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. Namun, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Ruangan tempat data dikumpulkan belum mencerminkan seluruh variasi lingkungan operasional. Di samping perbedaan kondisi ruangan, tingkat alarm palsu dan kemungkinan objek terlewat perlu diuji lebih lanjut. Berkat validasi independen yang menyeluruh, potensi penggunaan praktis bisa dinilai secara objektif.

Tantangan Penerapan Teknologi WiFireNet di Lingkungan Nyata

Kemajuan sistem pengenalan objek berbasis Wi-Fi membuka kemungkinan pendekatan keamanan tambahan. Sistem pengamatan berbasis gambar memiliki keterbatasan ketika objek tertutup. Untuk metode pemeriksaan fisik, alat pendeteksi logam memiliki fungsi dalam prosedur penyaringan. Walaupun detektor logam sudah banyak digunakan, pengaturan jalur pemeriksaan dapat membatasi arus orang. Dalam konteks tersebut, WiFireNet dipelajari sebagai sumber informasi tambahan dari sinyal radio. Meski begitu, prototipe ini belum menjadi pengganti pemeriksaan fisik profesional.

Tantangan berikutnya adalah ketidakpastian data radio ketika ruangan berubah. Ketika sistem digunakan di tempat ramai, pergerakan banyak orang dapat menambah variasi sinyal. Interferensi radio di sekitar sensor dapat mengubah kondisi kanal yang diamati. Di samping kebutuhan peningkatan akurasi, pengawasan terhadap pengumpulan informasi menjadi penting. Walaupun WiFireNet tidak mengandalkan gambar saat inferensi, aktivitas pengamatan tetap memiliki implikasi privasi. Dengan pendekatan tersebut, penggunaan teknologi berpeluang berkembang secara lebih bertanggung jawab.

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

Pengembangan model deteksi berbasis CSI membuka peluang baru dalam pemanfaatan TEKNOLOGI Wi-Fi untuk analisis lingkungan. Melalui analisis Channel State Information, model menunjukkan kemampuan mengenali pola yang berkaitan dengan senjata tertentu. Penggunaan dataset WiFire memungkinkan penelitian dilakukan secara lebih terstruktur. Namun demikian, prototipe belum dapat dianggap sebagai solusi keamanan siap pakai. Pengembangan berikutnya sebaiknya menilai ketahanan sistem terhadap variasi kondisi. Berkat pengujian yang semakin menyeluruh, WiFireNet berpotensi menjadi pelengkap teknologi keamanan. Bagaimana pendapat Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.