Bayangkan, kita berjalan melewati sebuah kafe, kantor, atau pusat perbelanjaan yang menyediakan WiFi. Tanpa kamera, tanpa sidik jari, tanpa pengenalan wajah, ternyata jaringan WiFi modern berpotensi mengenali identitas kita hanya dari cara kita berjalan.

Inilah temuan menarik sekaligus mengkhawatirkan dari penelitian “BFId: Identity Inference Attacks Utilizing Beamforming Feedback Information” yang dipublikasikan pada konferensi bergengsi tahun 2025 [1]. Peneliti dari Karlsruhe Institute of Technology (KIT), Jerman, menunjukkan bahwa informasi yang dipancarkan oleh perangkat WiFi dapat dimanfaatkan untuk mengenali individu dengan tingkat akurasi yang sangat tinggi.

Wifi sebagai Sensor

Kebanyakan orang mengenal WiFi sebagai teknologi untuk menghubungkan perangkat ke internet. Namun sebenarnya sinyal WiFi juga dapat berfungsi sebagai “sensor”. Ketika gelombang radio WiFi merambat di dalam ruangan, sinyal tersebut akan berinteraksi dengan berbagai objek di sekitarnya, seperti dinding, meja, kursi, dan tentu saja manusia. Interaksi ini menyebabkan sinyal mengalami pantulan, pembiasan, penyerapan, dan perubahan lainnya.

Perubahan-perubahan kecil pada sinyal tersebut ternyata menyimpan informasi tentang lingkungan sekitar yang dapat digunakan untuk:

• Mendeteksi keberadaan manusia
• Mengenali aktivitas seseorang
• Melacak posisi orang di dalam ruangan
• Menghitung jumlah orang dalam suatu area
• Bahkan mengenali identitas seseorang

Untuk memahami penelitian ini, kita perlu mengenal teknologi bernama beamforming. Beamforming diperkenalkan pada standar WiFi 5 (802.11ac) pada 2014. Faktanya, saat ini di tahun 2026, mayoritas masyarakat global dan Indonesia sudah mulai beralih menggunakan WiFi 6 bahkan WIFI 7, sementara WiFi 5 secara bertahap mulai menjadi teknologi warisan (legacy). Tujuannya adalah meningkatkan kualitas dan kecepatan komunikasi antara access point dan perangkat pengguna. Artinya, kemampuan teknologi beamforming di WIFI 6 dan WIFI 7 telah ditingkatkan secara signifikan dibandingkan dengan generasi WiFi 5 [2].

sumber: https://www.howtogeek.com/

Alih-alih memancarkan sinyal ke segala arah secara merata, beamforming memungkinkan access point “mengarahkan” sinyalnya ke perangkat tertentu. Bayangkan kita berada di sebuah ruangan gelap. WiFi biasa seperti lampu bohlam yang menyinari seluruh ruangan. Sementara Beamforming seperti senter yang diarahkan langsung ke objek tertentu. Karena sinyal lebih terfokus, kualitas koneksi menjadi lebih baik.

Secara sederhana, cara kerja beamforming berlangsung seperti berikut [3]:

1. Access Point Mengirim Sinyal Uji: Router mengirim paket khusus untuk mengukur kondisi kanal komunikasi.
2. Perangkat Mengamati Kondisi Kanal: Laptop atau smartphone menghitung bagaimana sinyal tersebut berubah setelah melewati lingkungan sekitarnya.
3. Perangkat Mengirim Balasan: Perangkat kemudian mengirimkan Beamforming Feedback Information (BFI), yaitu ringkasan kondisi kanal yang diamatinya.
4. Router Menyesuaikan Arah Sinyal: Router menggunakan informasi tersebut untuk menentukan arah pancaran sinyal yang paling efektif.

Masalahnya, laporan BFI ini dikirim melalui udara dan dapat diamati oleh pihak lain yang berada dalam jangkauan sinyal WiFi.

Peneliti menemukan bahwa BFI ternyata tidak hanya berisi informasi teknis untuk meningkatkan kualitas jaringan. Karena BFI mencerminkan bagaimana tubuh manusia memengaruhi propagasi sinyal radio, pola tersebut dapat digunakan sebagai semacam “sidik jari digital” seseorang. Dengan kata lain, Cara tubuh kita bergerak dan berjalan dapat meninggalkan pola unik pada sinyal WiFi. Pola ini cukup berbeda antar individu sehingga dapat digunakan untuk mengenali seseorang.

Untuk menguji hipotesis tersebut, peneliti mengembangkan sistem bernama BFId. Tujuannya sederhana, yakni mengumpulkan data BFI dari banyak orang, melatih model machine learning, dan menguji apakah model dapat mengenali individu yang sama pada pengamatan berikutnya.

Untuk mendapatkan hasil yang berkualitas, tim peneliti melakukan studi dengan melibatkan 197 partisipan. Mereke diminta untuk berjalan dengan beberapa kondisi seperti: berjalan noremal, membawa ransel, membawa minuman, berjalan dengan cepat dan melawati pintu putar. Pemasangan perangkat wifi diletakkan pada beberapa sudut untuk mendapatkan hasil yang presisi, serta perekaman data dilakukan dengan mengambil data berbasis BFI dan CSI (Channel State Information) secara bersamaan.

Ketika model BFId diuji menggunakan data BFI, tingkat keberhasilannya mencapai: 99,5% akurasi identifikasi. Artinya, hampir semua individu dapat dikenali kembali hanya berdasarkan pola perubahan sinyal WiFi yang mereka hasilkan saat berjalan. Lebih mengejutkan lagi, metode berbasis BFI bahkan mengungguli pendekatan lama yang menggunakan Channel State Information, sumber data yang selama ini dianggap lebih kaya informasi.

Model AI dapat mempelajari kombinasi berbagai karakteristik unik seperti: pola langkah kaki, kecepatan berjalan, ayunan tubuh, tinggi badan, bentuk tubuh, dan cara tubuh memantulkan sinyal radio. Gabungan karakteristik tersebut menghasilkan pola khas yang relatif konsisten untuk setiap individu. Karena itulah seseorang masih dapat dikenali meskipun membawa tas atau berjalan dari sudut yang berbeda.

Menurut peneliti, ancaman utama bukan sekadar identifikasi, melainkan pelacakan anonim secara diam-diam. Berbeda dengan kamera CCTV yang terlihat jelas, WiFi sudah ada hampir di mana-mana: rumah, kampus, kantor, bandara, kafe, pusat perbelanjaan.

Seseorang mungkin menghindari kamera karena sadar sedang diawasi, tetapi tidak pernah berpikir bahwa jaringan WiFi di sekitarnya juga dapat digunakan untuk mengenalinya. Peneliti bahkan menggambarkannya sebagai bentuk “inverse panopticon”, yaitu situasi ketika seseorang merasa tidak diawasi padahal sebenarnya sedang dipantau.

Penelitian ini dilakukan dalam lingkungan terkontrol dan memerlukan data pelatihan yang cukup besar. Namun hasil penelitian menunjukkan bahwa ancaman privasi dari WiFi sensing bukan lagi sekadar teori. Dengan semakin luasnya penggunaan beamforming dan rencana standardisasi fitur WiFi sensing pada generasi WiFi mendatang, isu privasi ini menjadi semakin penting untuk diperhatikan.

Temuan ini membuka peluang baru untuk teknologi sensing dan otomatisasi, tetapi sekaligus memunculkan pertanyaan besar: Apakah jaringan WiFi masa depan akan menjadi alat komunikasi, atau justru sistem pengawasan yang tidak terlihat? Jawabannya akan sangat bergantung pada bagaimana industri, regulator, dan peneliti mengembangkan perlindungan privasi sebelum teknologi ini digunakan secara luas.

Referensi

• [1] J. Todt, F. Morsbach and T. Strufe, “BFId: Identity Inference Attacks Utilizing Beamforming FeedbackInformation,” in ACM Conference on Computer and Communications Security, Taipei, 2025.
• [2] Intel.co.id, “Apa Itu Wi-Fi 6?,” [Online]. Available: https://www.intel.co.id/content/www/id/id/gaming/resources/wifi-6.html. [Accessed 1 June 2026].
• [3] H. Gaurav, “How Does Beamforming Improve Network Service?,” STL.tech, 30 November 2022. [Online]. Available: https://stl.tech/blog/how-does-beamforming-improve-network-service/. [Accessed 05 June 2026].