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.

Inovasi WiFireNet Menggabungkan Sinyal Wi-Fi dan Kecerdasan Buatan

Teknologi bernama WiFireNet menjadi model kecerdasan buatan yang dikembangkan untuk mengenali pistol tersembunyi. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Penulis penelitian tersebut mencakup Erik Persson bersama David Gustafsson serta Tomas Wilkinson. Berdasarkan laporan penelitian yang diumumkan pada 13 Oktober 2026, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Dibandingkan metode yang membutuhkan gambar objek secara langsung, WiFireNet menggunakan pola perubahan kanal komunikasi nirkabel. Pendekatan tersebut membuka peluang pemanfaatan Wi-Fi sebagai sensor lingkungan.

Konsep dasar sistem ini mengandalkan karakteristik gelombang yang merambat melalui ruang. Saat manusia melintasi area pengukuran, gelombang Wi-Fi dapat mengalami pantulan dan pelemahan. Variasi karakteristik gelombang dapat digunakan untuk mempelajari pola keberadaan objek. Walaupun prinsip tersebut dapat dimanfaatkan, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Oleh sebab itu, peneliti menggunakan model pembelajaran mendalam. Hasil penelitian memberikan dasar untuk pengembangan lebih lanjut.

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. Dinding dan perabot dapat memengaruhi bentuk sinyal yang diterima. Variasi yang tercatat dalam CSI dimanfaatkan sebagai masukan model kecerdasan buatan. Berkat analisis terhadap variasi kanal, 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. Proses pencatatan data ini memungkinkan informasi visual digunakan sebagai panduan pelatihan. Dalam tahap pemrosesan berikutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Ketika model digunakan untuk inferensi, masukan utamanya berasal dari CSI. Perbedaan tersebut menjelaskan mengapa rekaman visual digunakan saat pengembangan. Berdasarkan rancangan penelitian, teknologi memanfaatkan informasi tidak langsung untuk memperkirakan keberadaan target.

Peran Deep Learning dan Dataset WiFire dalam Pengembangan WiFireNet

Dalam membangun kemampuan pengenalan objek, peneliti menyusun dataset bernama WiFire. Kumpulan data tersebut menggabungkan pengukuran CSI dengan rekaman gambar RGB. Manfaat penggabungan informasi tersebut adalah membangun contoh pelatihan dengan informasi target yang lebih jelas. Dalam penelitian tersebut, objek pembanding digunakan untuk membedakan berbagai pola. Di antara kategori pengamatan, tim membandingkan perangkat sehari-hari dengan target dan replika tertentu. Dengan variasi tersebut, model dilatih menghadapi pola yang berbeda. Meski demikian, hasil pelatihan tetap dipengaruhi ruang dan konfigurasi pengukuran.

Untuk mempelajari representasi sinyal, sistem memanfaatkan jaringan saraf yang dilatih dengan data. Bagian dari strategi pembelajaran ini adalah pembelajaran lintas modalitas melalui data gambar. Dengan metode tersebut, karakteristik dari gambar digunakan untuk membimbing analisis radio. Dalam literatur pembelajaran mesin, pendekatan tersebut berkaitan dengan knowledge distillation. Meski pengawasan visual berperan pada tahap pengembangan, model tidak berarti menghasilkan foto benda tersembunyi. 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 memperlihatkan potensi pendeteksian pistol melalui sinyal. Dalam laporan penelitian, pengukuran AP pistol menunjukkan nilai 72,5 persen dalam kondisi evaluasi tertentu. Sementara itu, nilainya menjadi 53,8 persen. Angka tersebut berkaitan dengan pengukuran presisi dan pelokalan prediksi. Oleh sebab itu, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Pemahaman terhadap ukuran evaluasi membantu pembaca memahami hasil secara akurat.

Dalam evaluasi seluruh kelas objek, peneliti menghitung metrik mAP. Ukuran gabungan tersebut menunjukkan hasil evaluasi di luar satu jenis target. Namun, performanya belum dapat dianggap setara dengan sistem keamanan tersertifikasi. Konfigurasi penelitian tertentu belum mencerminkan seluruh variasi lingkungan operasional. Di samping perbedaan kondisi ruangan, pengujian independen terhadap kesalahan deteksi masih penting. Berkat validasi independen yang menyeluruh, potensi penggunaan praktis bisa dinilai secara objektif.

Peluang Pemanfaatan Sinyal Nirkabel dalam Sistem Keamanan Publik

Penelitian mengenai deteksi menggunakan CSI menawarkan konsep pelengkap terhadap teknologi keamanan yang telah digunakan. Perangkat keamanan yang menggunakan kamera memiliki keterbatasan ketika objek tertutup. Di sisi lain, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Namun demikian, setiap orang biasanya perlu melalui area pemeriksaan tertentu. 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.

Faktor yang perlu diteliti lebih lanjut adalah variasi kondisi propagasi sinyal di lokasi berbeda. Pada lingkungan dengan banyak aktivitas, pergerakan banyak orang dapat menambah variasi sinyal. Gangguan dari perangkat lain perlu diperhitungkan dalam pengujian. Selain masalah teknis, aspek privasi dan tata kelola data perlu diperhatikan. Meski proses prediksi dapat dilakukan melalui CSI, pemanfaatan data sensor memerlukan pengelolaan yang bertanggung jawab. Melalui perpaduan pengujian teknis dan evaluasi etis, potensi sistem dapat dipahami tanpa mengabaikan risikonya.

Perkembangan WiFireNet dalam Menggabungkan Sinyal Radio dan AI

Inovasi penginderaan nirkabel dari FOI membuka peluang baru dalam pengembangan TEKNOLOGI pengenalan objek. Melalui analisis Channel State Information, sistem dapat memperkirakan keberadaan pistol tersembunyi dalam pengujian. Penggunaan dataset WiFire memungkinkan penelitian dilakukan secara lebih terstruktur. Namun demikian, akurasi dalam lingkungan terkendali belum menjamin keberhasilan pada kondisi nyata. Pengembangan berikutnya sebaiknya menilai ketahanan sistem terhadap variasi kondisi. Berkat pengujian yang semakin menyeluruh, WiFireNet berpotensi menjadi pelengkap teknologi keamanan. Menurut Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Ceritakan pemikiran Anda mengenai keseimbangan keamanan dan privasi.