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. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Para pengembang metode ini mencakup Erik Persson bersama David Gustafsson serta Tomas Wilkinson. Melalui penelitian yang dipublikasikan pada Oktober 2026, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Berbeda dari kamera pengawas biasa, WiFireNet memanfaatkan karakteristik propagasi sinyal. Pendekatan tersebut memberikan kemungkinan pengamatan tambahan ketika objek tidak terlihat.

Konsep dasar sistem ini mengandalkan karakteristik gelombang yang merambat melalui ruang. Saat manusia melintasi area pengukuran, sinyal yang diterima dapat memiliki amplitudo dan fase berbeda. Perubahan tersebut menyediakan petunjuk tentang interaksi antara gelombang dan lingkungan. Walaupun prinsip tersebut dapat dimanfaatkan, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Oleh sebab itu, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Hasil penelitian 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 informasi mengenai keadaan kanal komunikasi nirkabel. Pada komunikasi antara perangkat Wi-Fi, energi radio mungkin mengalami sejumlah pantulan. Tubuh manusia serta benda di dalam ruangan membuat kondisi kanal berbeda dari keadaan sebelumnya. Informasi tersebut menjadi bahan untuk analisis komputer. Dengan mempelajari karakteristik perubahan, model berusaha mengenali keberadaan objek tertentu. Walaupun CSI menyediakan informasi tambahan, sinyal radio tidak otomatis menghasilkan foto benda.

Untuk mengembangkan model deteksi, peneliti memanfaatkan pengukuran sinyal Wi-Fi bersama rekaman visual. Proses pencatatan data ini memungkinkan informasi visual digunakan sebagai panduan pelatihan. Selanjutnya, sistem mencari representasi radio yang berkaitan dengan objek. Saat sistem menghasilkan prediksi setelah pelatihan, masukan utamanya berasal dari CSI. Pemisahan proses pelatihan dan deteksi 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, pengembang memperkenalkan WiFire Dataset. Sumber informasi pelatihan tersebut memuat sinyal Wi-Fi yang diselaraskan dengan informasi visual. Fungsi utama kumpulan data ini adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Dalam penelitian tersebut, objek pembanding digunakan untuk membedakan berbagai pola. Contohnya, tim membandingkan perangkat sehari-hari dengan target dan replika tertentu. Berkat contoh yang tidak hanya berasal dari satu kategori, model dilatih menghadapi pola yang berbeda. Kendati pengumpulan data telah dilakukan, hasil pelatihan tetap dipengaruhi ruang dan konfigurasi pengukuran.

Peneliti menggunakan algoritma deep learning. Metode penting dalam proses tersebut adalah pemanfaatan model penglihatan sebagai pembimbing. Dengan metode tersebut, karakteristik dari gambar digunakan untuk membimbing analisis radio. Pada pengembangan kecerdasan buatan, metode pemindahan pengetahuan membantu melatih jaringan saraf. Walaupun gambar digunakan dalam pelatihan, prediksi tetap berbeda dari bukti gambar langsung. Karena itu, hasilnya perlu dianggap sebagai prediksi statistik.

Seberapa Efektif Teknologi WiFireNet dalam Eksperimen Laboratorium

Evaluasi awal terhadap model penelitian mengindikasikan kemungkinan penggunaan Wi-Fi sebagai sensor tambahan. Berdasarkan hasil yang disampaikan peneliti, skor ketepatan rata-rata deteksi pistol tercatat 72,5 persen pada ambang lokalisasi yang lebih permisif. Pada ambang penilaian yang lebih ketat, skor AP pistol mencapai 53,8 persen. Hasil pengukuran ini merupakan metrik deteksi objek. Oleh sebab itu, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Penjelasan mengenai metrik ini membantu pembaca memahami hasil secara akurat.

Pada pengujian yang lebih luas, peneliti menghitung metrik mAP. Nilai tersebut menunjukkan hasil evaluasi di luar satu jenis target. Namun, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Lingkungan pengujian yang terkendali belum mencerminkan seluruh variasi lingkungan operasional. Di samping perbedaan kondisi ruangan, tingkat alarm palsu dan kemungkinan objek terlewat perlu diuji lebih lanjut. Melalui pengujian pada lingkungan yang lebih beragam, kelayakan teknologi untuk mendukung keamanan dapat diperiksa.

Potensi WiFireNet sebagai Pelengkap Kamera dan Detektor Logam

Kemajuan sistem pengenalan objek berbasis Wi-Fi memberikan peluang penelitian bagi sistem pemantauan. Kamera pengawas konvensional tidak selalu mampu melihat barang di balik pakaian. Untuk metode pemeriksaan fisik, alat pendeteksi logam memiliki fungsi dalam prosedur penyaringan. Meski metode tersebut terbukti berguna, setiap orang biasanya perlu melalui area pemeriksaan tertentu. Dalam konteks tersebut, WiFireNet dipelajari sebagai sumber informasi tambahan dari sinyal radio. Walaupun pendekatan ini menarik, WiFireNet belum dapat menggantikan prosedur pemeriksaan yang telah divalidasi.

Tantangan berikutnya adalah variasi kondisi propagasi sinyal di lokasi berbeda. 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, aturan penggunaan sensor harus ditetapkan dengan jelas. Meski proses prediksi dapat dilakukan melalui CSI, aktivitas pengamatan tetap memiliki implikasi privasi. Dengan pendekatan tersebut, penelitian dapat diarahkan pada manfaat yang lebih jelas.

Masa Depan Teknologi Penginderaan Nirkabel dalam Penelitian Keamanan

Penelitian WiFireNet membuka peluang baru dalam TEKNOLOGI kecerdasan buatan dan komunikasi nirkabel. Dengan mempelajari perubahan sinyal, model menunjukkan kemampuan mengenali pola yang berkaitan dengan senjata tertentu. Penggabungan data CSI dan rekaman visual ketika pelatihan membantu membangun kemampuan model. Namun demikian, pengujian tambahan masih diperlukan sebelum penerapan luas. Evaluasi pada tahap selanjutnya sebaiknya menilai ketahanan sistem terhadap variasi kondisi. Melalui pengembangan berbasis bukti, analisis sinyal nirkabel mungkin memberikan manfaat tambahan. Bagaimana pendapat Anda, apakah teknologi seperti WiFireNet berpotensi memberikan manfaat dalam pemantauan lingkungan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.