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

Sistem WiFireNet adalah model kecerdasan buatan yang dikembangkan untuk mengenali pistol tersembunyi. Pengembangan sistem ini dikembangkan dalam lingkungan penelitian Swedish Defence Research Agency. Penulis penelitian tersebut melibatkan tiga peneliti bernama 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 memanfaatkan karakteristik propagasi sinyal. Pendekatan tersebut memberikan kemungkinan pengamatan tambahan ketika objek tidak terlihat.

Gagasan utama WiFireNet memanfaatkan perubahan sinyal ketika berinteraksi dengan benda. Apabila tubuh dan barang bawaan memasuki jalur sinyal, sinyal yang diterima dapat memiliki amplitudo dan fase berbeda. Variasi karakteristik gelombang dapat digunakan untuk mempelajari pola keberadaan objek. Walaupun prinsip tersebut dapat dimanfaatkan, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Karena itu, tim mengembangkan algoritma pengenalan pola. Eksperimen yang dilakukan memberikan dasar untuk pengembangan lebih lanjut.

Cara Kerja WiFireNet melalui Channel State Information

Komponen informasi utama WiFireNet adalah Channel State Information atau CSI, yakni representasi karakteristik sinyal antara pemancar dan penerima. Dalam jaringan nirkabel, sinyal tidak selalu menempuh satu jalur langsung. Permukaan bangunan dan berbagai objek membuat kondisi kanal berbeda dari keadaan sebelumnya. Informasi tersebut dapat diproses menggunakan algoritma. Berkat analisis terhadap variasi kanal, AI mempelajari ciri yang berkaitan dengan target deteksi. Walaupun CSI menyediakan informasi tambahan, informasi kanal berbeda dari citra visual kamera biasa.

Untuk mengembangkan model deteksi, peneliti memanfaatkan pengukuran sinyal Wi-Fi bersama rekaman visual. Pengumpulan tersebut memungkinkan informasi visual digunakan sebagai panduan pelatihan. Setelah data diperoleh, sistem mencari representasi radio yang berkaitan dengan objek. Saat sistem menghasilkan prediksi setelah pelatihan, hasil pengenalan ditentukan melalui informasi kanal Wi-Fi. Perbedaan tersebut penting untuk memahami fungsi WiFireNet. Berdasarkan rancangan penelitian, 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. Kumpulan data tersebut menggabungkan pengukuran CSI dengan rekaman gambar RGB. Manfaat penggabungan informasi tersebut adalah membantu model memahami hubungan antara perubahan sinyal dan keberadaan objek. Dalam penelitian tersebut, pengukuran mencakup sejumlah benda dengan karakteristik berbeda. Di antara kategori pengamatan, digunakan ponsel bersama botol berbahan logam serta objek menyerupai pistol. Berkat contoh yang tidak hanya berasal dari satu kategori, algoritma memperoleh data pembanding untuk pengenalan. Kendati pengumpulan data telah dilakukan, kemampuan generalisasi membutuhkan pengujian tambahan.

Peneliti menggunakan metode pembelajaran mendalam. Salah satu pendekatan yang digunakan adalah pengawasan berbasis informasi visual. Berkat pendekatan lintas sumber data, karakteristik dari gambar digunakan untuk membimbing analisis radio. Dalam literatur pembelajaran mesin, metode pemindahan pengetahuan membantu melatih jaringan saraf. Walaupun gambar digunakan dalam pelatihan, hasil deteksi bukan rekonstruksi visual pasti dari suatu objek. Karena itu, tingkat keyakinan sistem memerlukan interpretasi yang tepat.

Seberapa Efektif Teknologi WiFireNet dalam Eksperimen Laboratorium

Hasil eksperimen WiFireNet menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Menurut evaluasi yang tersedia, pengukuran AP pistol menunjukkan nilai 72,5 persen dalam kondisi evaluasi tertentu. Sementara itu, skor AP pistol mencapai 53,8 persen. Hasil pengukuran ini menggambarkan hasil berdasarkan metode penilaian tertentu. Dengan demikian, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Pemahaman terhadap ukuran evaluasi menghindari kesimpulan yang melampaui bukti penelitian.

Selain penilaian kategori pistol, peneliti menghitung metrik mAP. Ukuran gabungan tersebut menunjukkan hasil evaluasi di luar satu jenis target. Walaupun sejumlah hasil eksperimen terlihat menjanjikan, hasil penelitian masih membutuhkan pengulangan pada kondisi berbeda. Konfigurasi penelitian tertentu tidak selalu mewakili terminal atau pusat perbelanjaan. Selain itu, 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

Pengembangan WiFireNet membuka kemungkinan pendekatan keamanan tambahan. Perangkat keamanan yang menggunakan kamera memiliki keterbatasan ketika objek tertutup. Untuk metode pemeriksaan fisik, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Walaupun detektor logam sudah banyak digunakan, pengoperasiannya membutuhkan prosedur yang disesuaikan dengan lokasi. Untuk penelitian sistem keamanan masa depan, WiFireNet dipelajari sebagai sumber informasi tambahan dari sinyal radio. Kendati prinsip kerjanya memberikan potensi, penggunaan sebagai alat utama keamanan belum memiliki bukti yang memadai.

Tantangan berikutnya adalah variasi kondisi propagasi sinyal di lokasi berbeda. Dalam gedung nyata, dinding dan perabot dapat memengaruhi pantulan. Interferensi radio di sekitar sensor dapat mengubah kondisi kanal yang diamati. Selain masalah teknis, pengawasan terhadap pengumpulan informasi menjadi penting. Meski proses prediksi dapat dilakukan melalui CSI, aktivitas pengamatan tetap memiliki implikasi privasi. Berkat pengembangan yang mempertimbangkan keselamatan serta privasi, potensi sistem dapat dipahami tanpa mengabaikan risikonya.

Masa Depan Teknologi Penginderaan Nirkabel dalam Penelitian Keamanan

Penelitian WiFireNet menunjukkan perkembangan penting dalam TEKNOLOGI kecerdasan buatan dan komunikasi nirkabel. Berkat pengolahan karakteristik gelombang radio, AI berhasil menghasilkan prediksi terhadap objek yang tidak terlihat kamera secara langsung. 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. Evaluasi pada tahap selanjutnya perlu memperhatikan generalisasi, kesalahan deteksi, dan privasi. Melalui pengembangan berbasis bukti, analisis sinyal nirkabel mungkin memberikan manfaat tambahan. Menurut Anda, apakah pendeteksian objek melalui Wi-Fi layak dikembangkan lebih lanjut? Ceritakan pemikiran Anda mengenai keseimbangan keamanan dan privasi.