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

Sistem WiFireNet adalah pendekatan penelitian yang menggunakan gelombang radio untuk mengidentifikasi objek berbahaya tertentu. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Tim penelitinya terdiri atas Erik Persson, David Gustafsson, dan Tomas Wilkinson. Dalam makalah berjudul Concealed Handgun Detection using WiFi Signals, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Berbeda dari kamera pengawas biasa, WiFireNet menggunakan pola perubahan kanal komunikasi nirkabel. Metode penelitian ini menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Konsep dasar sistem ini berangkat dari kenyataan bahwa gelombang radio dipengaruhi lingkungan. Saat manusia melintasi area pengukuran, gelombang Wi-Fi dapat mengalami pantulan dan pelemahan. Perubahan tersebut dapat digunakan untuk mempelajari pola keberadaan objek. Namun demikian, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Oleh sebab itu, tim mengembangkan algoritma pengenalan pola. Temuan awal tersebut belum menjamin performa yang sama dalam seluruh lingkungan nyata.

Memahami Teknologi CSI pada Sistem Deteksi Berbasis Gelombang Radio

Dasar analisis pada sistem penelitian ini adalah Channel State Information atau CSI, yakni informasi mengenai keadaan kanal komunikasi nirkabel. Pada komunikasi antara perangkat Wi-Fi, gelombang dapat melewati berbagai lintasan. Permukaan bangunan dan berbagai objek membuat kondisi kanal berbeda dari keadaan sebelumnya. Variasi yang tercatat dalam CSI menjadi bahan untuk analisis komputer. Berkat analisis terhadap variasi kanal, sistem mencari hubungan antara sinyal dan barang bawaan. Walaupun CSI menyediakan informasi tambahan, sinyal radio tidak otomatis menghasilkan foto benda.

Dalam eksperimen yang dilakukan FOI, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut membantu menentukan label untuk proses pembelajaran. Selanjutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Saat sistem menghasilkan prediksi setelah pelatihan, masukan utamanya berasal dari CSI. Pemisahan proses pelatihan dan deteksi membantu menghindari anggapan bahwa sistem melihat melalui pakaian. Berdasarkan rancangan penelitian, teknologi memanfaatkan informasi tidak langsung untuk memperkirakan keberadaan target.

Peran Deep Learning dan Dataset WiFire dalam Pengembangan WiFireNet

Sebagai bagian dari proses pembelajaran mesin, pengembang memperkenalkan WiFire Dataset. Sumber informasi pelatihan tersebut menggabungkan pengukuran CSI dengan rekaman gambar RGB. Manfaat penggabungan informasi tersebut adalah menyediakan label visual bagi pembelajaran dari data nirkabel. Dalam penelitian tersebut, objek pembanding digunakan untuk membedakan berbagai pola. Sebagai bagian dari objek yang diuji, digunakan ponsel bersama botol berbahan logam serta objek menyerupai pistol. Dengan variasi tersebut, model dilatih menghadapi pola yang berbeda. Walaupun dataset menyediakan contoh pembelajaran, hasil pelatihan tetap dipengaruhi ruang dan konfigurasi pengukuran.

Dalam rancangan WiFireNet, tim menerapkan metode pembelajaran mendalam. Salah satu pendekatan yang digunakan adalah pembelajaran lintas modalitas melalui data gambar. Melalui proses pembelajaran ini, model mempelajari hubungan antara informasi kamera dan CSI. Pada pengembangan kecerdasan buatan, metode pemindahan pengetahuan membantu melatih jaringan saraf. Walaupun gambar digunakan dalam pelatihan, prediksi tetap berbeda dari bukti gambar langsung. Dalam memahami keluaran model, hasilnya perlu dianggap sebagai prediksi statistik.

Seberapa Efektif Teknologi WiFireNet dalam Eksperimen Laboratorium

Pengujian sistem deteksi berbasis CSI menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Dalam laporan penelitian, 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 berkaitan dengan pengukuran presisi dan pelokalan prediksi. Dengan demikian, skor penelitian tidak otomatis menunjukkan persentase penumpang yang dapat diperiksa dengan benar. Perbedaan tersebut membantu pembaca memahami hasil secara akurat.

Pada pengujian yang lebih luas, rata-rata mean average precision juga diukur. Nilai tersebut mencerminkan kemampuan model menghadapi kategori yang diuji. Namun, performanya belum dapat dianggap setara dengan sistem keamanan tersertifikasi. Lingkungan pengujian yang terkendali tidak selalu mewakili terminal atau pusat perbelanjaan. Selain itu, kemampuan bekerja pada data baru harus dibuktikan. Dengan evaluasi tambahan, keterbatasan sistem dapat dipahami secara lebih tepat.

Potensi WiFireNet sebagai Pelengkap Kamera dan Detektor Logam

Penelitian mengenai deteksi menggunakan CSI membuka kemungkinan pendekatan keamanan tambahan. Sistem pengamatan berbasis gambar memiliki keterbatasan ketika objek tertutup. Sementara itu, pemeriksaan logam merupakan bagian penting dari sistem keamanan tertentu. Walaupun detektor logam sudah banyak digunakan, pengoperasiannya membutuhkan prosedur yang disesuaikan dengan lokasi. Dalam konteks tersebut, WiFireNet menawarkan metode pengamatan yang berbeda dari kamera. Meski begitu, prototipe ini belum menjadi pengganti pemeriksaan fisik profesional.

Persoalan penting sebelum penerapan luas adalah ketidakpastian data radio ketika ruangan berubah. Ketika sistem digunakan di tempat ramai, posisi perangkat komunikasi dapat mengubah pengukuran. Interferensi radio di sekitar sensor perlu diperhitungkan dalam pengujian. Selain masalah teknis, 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, penggunaan teknologi berpeluang berkembang secara lebih bertanggung jawab.

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

Inovasi penginderaan nirkabel dari FOI membuka peluang baru dalam pemanfaatan TEKNOLOGI Wi-Fi untuk analisis lingkungan. Berkat pengolahan karakteristik gelombang radio, sistem dapat memperkirakan keberadaan pistol tersembunyi dalam pengujian. Penggabungan data CSI dan rekaman visual ketika pelatihan memungkinkan penelitian dilakukan secara lebih terstruktur. Walaupun hasil eksperimen menunjukkan potensi, akurasi dalam lingkungan terkendali belum menjamin keberhasilan pada kondisi nyata. Pengembangan berikutnya harus menguji performa pada lingkungan berbeda. Berkat pengujian yang semakin menyeluruh, analisis sinyal nirkabel mungkin memberikan manfaat tambahan. Dari sudut pandang Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.