Published on December 5, 2022

Kenali Teknik Anti Spoofing dalam Face Recognition

Di era yang serba digital seperti saat ini, kejahatan di dunia maya (cyber crime) terus meningkat. Banyak sekali perusahaan yang mulai mengeksplorasi Biometric Face Recognition sebagai solusi keamanan termutakhir, termasuk juga penerapan sistem anti spoofing.

Memangnya, kenapa perusahaan perlu memiliki sistem anti spoofing?

Teknologi Biometric Face Recognition memang menunjukkan banyak hal yang menjanjikan dan dapat merevolusi cara Anda mengakses informasi sensitif. Dapat dikatakan, teknologi pengenalan wajah akan menjadi salah satu faktor yang menentukan lanskap kecerdasan buatan (AI) di masa depan. Namun teknologi ini juga memiliki kelemahan, di mana foto user/pengguna dapat dengan mudah ditemukan melalui jejaring sosial dan digunakan untuk memalsukan perangkat lunak pengenal wajah. Katakanlah menggunakan foto kertas, tangkapan layar, hingga rekonstruksi wajah 3D.

Nah, itulah mengapa penting bagi perusahaan untuk memiliki sistem anti spoofing untuk melindungi data sensitif, mengurangi pencurian, hingga memitigasi penipuan. Sistem ini tentunya akan menyempurnakan solusi Biometric Face Recognition yang ada dengan meningkatkan kemampuannya untuk mendeteksi penipuan.

Sistem Anti Spoofing dalam Biometric Face Recognition

Sebagian besar serangan spoofing wajah dikenal sebagai serangan presentasi, di mana serangan ini menggunakan 2D dan 3D (statis atau dinamis) untuk mengelabui perangkat lunak pengenal wajah. Serangan presentasi 2D statis mengandalkan foto, kertas datar, atau topeng, sedangkan versi dinamis biasanya menggunakan tayangan ulang video layar atau beberapa foto secara berurutan.

Serangan presentasi 3D statis ini dapat menggunakan cetakan, pahatan, atau topeng 3D, sedangkan versi dinamis biasanya akan menggunakan robot canggih untuk mereproduksi ekspresi, lengkap dengan riasan.

Saat mengembangkan solusi untuk masalah ini, ada beberapa hal yang menjadi fokus utama di antaranya adalah sebagai berikut:

Mencegah spoof 2D statis dan dinamis.
Gunakan gambar, bukan video.
Tidak diperlukan interaksi dari user/pengguna.
Solusi andal perlu mencapai akurasi maksimum, memerlukan sedikit waktu, dan juga memprioritaskan pengalaman user/pengguna.
Perlu diintegrasikan dengan perangkat lunak pengenal wajah yang ada.

Metode dan Teknik Anti Spoofing

Tujuan anti spoofing dalam face recognition adalah untuk mengamankan sistem biometrik dari pengguna manapun otorisasi ilegal. Biasanya, deteksi dan sistem pengenalan wajah tidak memiliki keamanan semacam ini. Sistem anti spoofing harus mengenali apakah masukan gambar dapat diterima atau tidak. Jika input yang diproses adalah terdeteksi sebagai pengguna asli, maka akan dilanjutkan ke tahap berikutnya. Namun jika tidak, maka hal itu akan mengatur ulang sistem dari awal.

Metode anti spoofing juga harus memenuhi beberapa persyaratan dasar seperti metode seharusnya tidak memerlukan interaksi yang berlebihan, ramah pengguna, dan cepat, biayanya harus rendah dan efisiensi harus tinggi. Beberapa metode dalam deteksi spoofing wajah diperkenalkan dikategorikan menjadi:

1. Tekstur

Metode berbasis tekstur berkonsentrasi pada bentuk, ukuran, warna, susunan, dan kerapatan suatu gambar dengan mengidentifikasi tekstur pada gambar. Deskriptor tekstur akan mengidentifikasi perbedaan tekstur dan pola seperti kegagalan cetak dan kabur untuk menemukan spoofing. Terutama, hal ini didasarkan pada membedakan antara wajah asli dan spoof dalam tekstur fitur seperti karakteristik bentuk dan detail.

2. Gerak

Metode ini membandingkan atau mendeteksi pola gerak dari wajah asli atau spoof pada gambar tersebut telah ditangkap. Artinya, gerakan dari 2D seperti objek foto cetak sama sekali berbeda dari gerakan wajah manusia nyata karena merupakan objek 3D.

Metode ini dapat membedakan antara wajah asli dan spoofing melalui kedipan mata, gerakan mulut, dan rotasi kepala. Karena menggunakan analisis gerak, spoofing dengan spoof wajah 2D ini menjadi sekeras analisis gerakan membutuhkan video. Jika video memiliki kualitas rendah atau aktivitas gerak, menjadi sulit untuk dipalsukan. Pada pada saat yang sama, hal itu juga memiliki kelemahan jika video dengan kualitas tinggi digunakan.

3. Kualitas Gambar

Metode ini bertujuan untuk membedakan kualitas gambar antara wajah asli dan spoof. Pendekatan ini didasarkan pada spoofing, dan gambar asli memiliki perbedaan kualitas yang ditangkap oleh sistem.

4. Frekuensi

Metode berbasis frekuensi menggunakan noise sinyal dalam gambar atau video yang diambil untuk dibedakan wajah asli dan serangan spoof. Metode ini didasarkan pada analisis frekuensi untuk mendeteksi spoofing wajah karena konten gambar spoofing tampak lebih tajam di daerah tertentu dari spektrum Fourier 2D. Oleh karena itu, cukup menggunakan informasi tentang daerah untuk mengklasifikasikan video atau gambar input sebagai asli atau palsu.

5. Deep Learning

Karena popularitasnya, teknik deep learning juga dianggap efektif dalam memecahkan masalah untuk membangun sistem anti spoofing. Dalam teknik pembelajaran yang mendalam, jaringan saraf konvolusi digunakan untuk mendeteksi serangan spoofing. Proses mengambil gambar input, sebuah proses yang terdiri dari neuron-neuron yang memiliki fungsi bobot, bias, dan aktivasi, kemudian mengklasifikasikannya ke dalam kategori tertentu. Di kedalaman 3D dan gambar inframerah atau basis data multimodal apapun bisa juga meningkatkan proses pembelajaran deteksi spoof menggunakan deep learning.

Teknik anti spoofing yang mengandalkan deep learning lebih dari sekadar sensasi belaka. Keberhasilan perangkat lunak face recognition akan sangat bergantung pada teknik ini. Tetapi, kesuksesan itu juga membutuhkan kombinasi metode anti spoofing dan pembuatan metrik yang masuk akal untuk pengukuran kesuksesan.

Serangan spoofing telah terbukti menjadi ancaman yang signifikan untuk sistem Biometric Face Recognition. Itulah mengapa, berbagai metode anti spoofing perlu diterapkan. Dalam hal ini, Anda bisa mengandalkan Verihubs dengan fitur Face Recognition-nya.

Teknologi AI Verihubs mampu membandingkan dua wajah baik dalam bentuk selfie atau dokumen secara akurat sehingga dapat memastikan pengguna adalah orang yang sama. Hanya dalam hitungan satu detik saja, teknologi ini bisa mencocokkan data secara real-time dengan data yang sudah terekam dalam database.

Tertarik dengan fitur canggih ini? Segera jadwalkan DEMO GRATIS dengan menghubungi kontak layanan Verihubs sekarang.

Lihat Blog