Pada dasarnya pengamanan dengan teknologi biometrik menjadi salah andalan yang digunakan secara luas saat ini. Tidak hanya sekedar foto wajah saja, kini bahkan telah diterapkan metode 3D Facial Liveness Detection untuk membantu meningkatkan proteksi pada akun yang dibuat.
Namun bagaimana cara kerja metode ini? Apakah kemudian dapat membantu sebuah akun atau sistem menjadi anti-spoofing dan mencegah pemalsuan dengan deepfake?
Untuk mendapatkan penjelasannya, Anda bisa menyimak penjelasan di bawah ini.
Baca Juga: Mengenal Account Takeover dan 5 Cara Menghindarinya
Cara Kerja 3D Facial Liveness Detection
Untuk cara kerja dari 3D Facial Liveness Detection sendiri sebenarnya tak jauh berbeda dengan face recognition pada umumnya, yakni dengan mendasarkan ekstraksi data pada citra yang ditangkap oleh mesin pemindai atas wajah seseorang.
Namun perbedaan mendasar yang muncul adalah bahwa face recognition menggunakan citra 2D atau dua dimensi, yang berupa data foto, dan pada 3D Facial Liveness Detection ini menggunakan citra 3D yang diambil dengan menggunakan file video.
Cara kerjanya sendiri akan terbagi menjadi tujuh langkah berbeda. Berikut penjelasannya.
1. Pencitraan Wajah
Tahap pertama adalah dengan mencitrakan wajah yang akan menjadi identitas user. Dalam hal ini, citra yang ditangkap adalah berupa citra 3D dengan menggunakan bantuan fitur video. User akan diarahkan untuk melakukan pengambilan video sesuai dengan instruksi sederhana yang dibutuhkan sistem.
2. Tahap Kedua, Penjajaran
Tahap kedua adalah penjajaran. Wajah yang sudah dicitrakan dalam bentuk video akan diproses oleh perangkat lunak untuk penjajaran dan menentukan posisi. Sistem kemudian memposisikan citra yang diperoleh, menyesuaikan ukuran dan sikap kepala dari citra yang didapatkan. Citra yang dibutuhkan oleh sistem akan diperoleh pada tahap kedua ini.
3. Selanjutnya adalah Pengukuran
Sistem kemudian akan melakukan pengukuran di profil wajah user hingga ke skala sub-milimeter dan membuat template dari wajah user tersebut.
4. Representasi
Proses selanjutnya dikenal dengan nama representasi. Proses ini memproses template yang telah diproduksi pada proses ketiga tadi, untuk menjadi kode-kode unik untuk merepresentasikan setiap wajah user yang dimasukkan ke dalam sistem. Dengan demikian karakter akan dikenali dengan rinci dan tidak tertukar dengan wajah lain.
5. Proses Pencocokan
Proses pencocokan dilakukan dengan membandingkan antara foto wajah dan video wajah yang telah direpresentasikan ke dalam kode unik. Dengan demikian, diperoleh hasil yang paling akurat dan masukan dua data ini. Sistem dapat ‘mengenali’ wajah dari user sehingga dapat diidentifikasi di kemudian hari.
6. Keenam, Verifikasi dan Identifikasi
Verifikasi dijalankan dengan membandingkan dan mencocokkan data yang serupa dari input dan dari database. Sedangkan proses identifikasi kemudian dilakukan untuk menemukan data wajah yang cocok yang ada di database, guna mengenali wajah yang dimasukkan oleh user.
7. Terakhir, Analisis Tekstur Wajah
Tahap terakhir dari 3D Facial Liveness Detection adalah dengan pengenalan pada identitas wajah yang sudah diarsipkan. Setiap user akan memiliki keunikannya masing-masing pada profil wajah yang telah diarsipkan, sehingga ketika dilakukan verifikasi data, user dapat segera menyelesaikannya.
Manfaat Praktis dari Penerapan Verifikasi Ini
Semakin canggih teknologi pengamanan yang dimiliki maka akan semakin canggih pula ancaman yang muncul dua di antara ancaman paling besar pada sistem verifikasi pengenalan wajah ini adalah spoofing dan penggunaan deepfake untuk meniru citra wajah milik user yang bersangkutan.
Namun apakah keduanya masih bisa membobol sistem keamanan ini?
Risiko Spoofing
Spoofing sendiri adalah penipuan online yang bermaksud untuk mengambil alih akun user, mengakses akun user secara ilegal, atau memanfaatkan informasi yang ada di dalam akun untuk kepentingan pribadi.
Pada konteks penggunaan face recognition ini, maka upaya spoofing akan berupa penipuan dengan meminta foto wajah dengan KTP atau tanda pengenal lain yang dapat dijadikan data masukan ke dalam sistem.
Dengan 3D Facial Liveness Detection, upaya spoofing akan menjadi jauh lebih sulit karena input data yang diminta tidak sekedar foto, namun video. Jelas, permintaan video dari orang asing, pihak yang tidak dikenali, atau pihak sejenis tidak akan mudah dituruti oleh user.
Pemalsuan juga akan sangat sulit sebab bentuk input yang diminta berupa video.
Lalu Bagaimana dengan Deepfake?
Deepfake sendiri adalah salah satu aplikasi atau sistem yang dapat membantu seseorang untuk mereplikasi wajah orang lain dengan tingkat kemiripan yang luar biasa. Hal ini menjadi ancaman pada keamanan akun, bahkan setelah menggunakan teknologi verifikasi biometrik.
Namun Anda tidak perlu cemas karena dengan teknologi pengenal 3D ini, sistem dapat mendeteksi tingkat keaslian input data masukan dengan mempertimbangkan banyak hal. Ciri dan profil fisik, cahaya pada file video yang dimasukkan, dan lain sebagainya.
Baca Juga: Apa itu Liveness Detection untuk Face Recognition? Ini Penjelasannya
Teknologi yang optimal dapat membantu Anda dalam proses pengamanan akses akun yang dimiliki user. Jelas, penerapan 3D Facial Liveness Detection akan jadi satu tambahan ‘kunci’ yang kuat untuk upaya tersebut.
Verihubs, dengan BIometric Verification-nya
Fitur 3D Facial Liveness Detection sendiri juga dimiliki oleh Verihubs, dengan produk bernama Liveness Detection. Pada dasarnya fitur ini serupa dengan fitur yang dibahas sejak awal tadi, namun tentu dengan keunggulan tersendiri. Proses kerja yang diterapkan telah melibatkan teknologi canggih sehingga memberikan jaminan Anti Spoofing. Selain itu prosesnya juga akan sangat memudahkan pelanggan, sebab akan diberikan instruksi sederhana dan notifikasi terkait kebutuhan video sistem. Segera hubungi layanan pelanggan kami sekarang, dan dapatkan semua informasi lengkap mengenai produk yang satu ini!
