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 prototipe pembelajaran mendalam untuk mendeteksi senjata genggam yang disembunyikan. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Para pengembang metode ini terdiri atas Erik Persson, David Gustafsson, dan Tomas Wilkinson. Melalui penelitian yang dipublikasikan pada Oktober 2026, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Tidak seperti deteksi yang bergantung pada citra visual, WiFireNet memanfaatkan karakteristik propagasi sinyal. Metode penelitian ini menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Prinsip yang digunakan para peneliti berangkat dari kenyataan bahwa gelombang radio dipengaruhi lingkungan. Ketika seseorang bergerak, karakteristik kanal komunikasi dapat berubah. Informasi yang tercatat oleh penerima dapat digunakan untuk mempelajari pola keberadaan objek. Meski sinyal membawa informasi mengenai kondisi ruangan, sistem memerlukan analisis untuk membedakan berbagai penyebab gangguan. Karena itu, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Temuan awal tersebut menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Memahami Teknologi CSI pada Sistem Deteksi Berbasis Gelombang Radio

Komponen informasi utama WiFireNet adalah Channel State Information atau CSI, yakni informasi mengenai keadaan kanal komunikasi nirkabel. Ketika gelombang radio dikirimkan, gelombang dapat melewati berbagai lintasan. Permukaan bangunan dan berbagai objek membuat kondisi kanal berbeda dari keadaan sebelumnya. Perubahan karakteristik kanal dapat diproses menggunakan algoritma. Melalui pengamatan pola, AI mempelajari ciri yang berkaitan dengan target deteksi. Meski proses ini dapat menghasilkan prediksi, data tersebut bukan gambar langsung dari objek.

Untuk mengembangkan model deteksi, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut bertujuan menyediakan hubungan antara sinyal dan objek yang diamati. Dalam tahap pemrosesan berikutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. Dalam tahap pengujian deteksi berbasis radio, kamera tidak menjadi sumber data utama untuk prediksi. Karakteristik penggunaan datanya penting untuk memahami fungsi WiFireNet. Dengan demikian, teknologi memanfaatkan informasi tidak langsung untuk memperkirakan keberadaan target.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Sebagai bagian dari proses pembelajaran mesin, peneliti menyusun dataset bernama WiFire. Sumber informasi pelatihan tersebut memuat sinyal Wi-Fi yang diselaraskan dengan informasi visual. Fungsi utama kumpulan data ini adalah membantu model memahami hubungan antara perubahan sinyal dan keberadaan objek. Selama tahap eksperimen, 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, kemampuan generalisasi membutuhkan pengujian tambahan.

Untuk mempelajari representasi sinyal, sistem memanfaatkan jaringan saraf yang dilatih dengan data. Bagian dari strategi pembelajaran ini adalah pembelajaran lintas modalitas melalui data gambar. Berkat pendekatan lintas sumber data, informasi visual membantu membentuk representasi sinyal. Untuk sistem yang menggunakan beberapa jenis data, teknik ini dikenal sebagai pembelajaran melalui bimbingan model. Meski pengawasan visual berperan pada tahap pengembangan, model tidak berarti menghasilkan foto benda tersembunyi. Dalam memahami keluaran model, informasi dari AI harus dibedakan dari identifikasi fisik yang telah diverifikasi.

Hasil Pengujian WiFireNet dan Tingkat Akurasi Deteksi Senjata

Pengujian sistem deteksi berbasis CSI memperlihatkan potensi pendeteksian pistol melalui sinyal. Menurut evaluasi yang tersedia, pengukuran AP pistol menunjukkan nilai 72,5 persen dalam kondisi evaluasi tertentu. Ketika persyaratan kecocokan lokasi ditingkatkan, skor AP pistol mencapai 53,8 persen. Hasil pengukuran ini merupakan metrik deteksi objek. Dalam menafsirkan hasil pengujian, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Pemahaman terhadap ukuran evaluasi penting agar kemampuan sistem tidak dibesar-besarkan.

Selain penilaian kategori pistol, hasil keseluruhan diperiksa menggunakan ukuran mean average precision. Ukuran gabungan tersebut menunjukkan hasil evaluasi di luar satu jenis target. Namun, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Konfigurasi penelitian tertentu belum mencerminkan seluruh variasi lingkungan operasional. Untuk penerapan nyata, kemampuan bekerja pada data baru harus dibuktikan. Berkat validasi independen yang menyeluruh, keterbatasan sistem dapat dipahami secara lebih tepat.

Potensi WiFireNet sebagai Pelengkap Kamera dan Detektor Logam

Penelitian mengenai deteksi menggunakan CSI memberikan peluang penelitian bagi sistem pemantauan. Sistem pengamatan berbasis gambar tidak selalu mampu melihat barang di balik pakaian. Sementara itu, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Namun demikian, setiap orang biasanya perlu melalui area pemeriksaan tertentu. Sebagai kemungkinan pelengkap, WiFireNet menawarkan metode pengamatan yang berbeda dari kamera. Meski begitu, WiFireNet belum dapat menggantikan prosedur pemeriksaan yang telah divalidasi.

Tantangan berikutnya adalah variasi kondisi propagasi sinyal di lokasi berbeda. Ketika sistem digunakan di tempat ramai, posisi perangkat komunikasi dapat mengubah pengukuran. Gangguan dari perangkat lain perlu diperhitungkan dalam pengujian. Di samping kebutuhan peningkatan akurasi, aturan penggunaan sensor harus ditetapkan dengan jelas. 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.

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

Penelitian WiFireNet membuka peluang baru dalam TEKNOLOGI kecerdasan buatan dan komunikasi nirkabel. Dengan mempelajari perubahan sinyal, sistem dapat memperkirakan keberadaan pistol tersembunyi dalam pengujian. Pendekatan pembelajaran yang dibimbing informasi kamera memungkinkan penelitian dilakukan secara lebih terstruktur. Namun demikian, pengujian tambahan masih diperlukan sebelum penerapan luas. Penelitian lanjutan perlu memperhatikan generalisasi, kesalahan deteksi, dan privasi. Berkat pengujian yang semakin menyeluruh, WiFireNet berpotensi menjadi pelengkap teknologi keamanan. Menurut Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Bagikan pandangan Anda mengenai inovasi tersebut.