Deepfake adalah Ancaman Corporate Fraud Serius

Selama 12 bulan terakhir serangan deepfake menargetkan proses inti perbankan, termasuk onboarding digital, verifikasi wajah, dan otorisasi transaksi.

Contohnya, dalam skenario onboarding melalui video call, pelaku menggunakan video deepfake real-time untuk meniru wajah, ekspresi, dan gerakan mata calon nasabah.

Sistem e-KYC yang hanya mengandalkan liveness detection dasar sering kali gagal membedakan antara wajah asli dan sintetis.

Celah kecil dalam proses ini dapat menyebabkan pembukaan rekening fiktif, pengambilalihan akun, kebocoran dana, atau kerusakan reputasi sulit dipulihkan.

Hal ini berdampak pada naiknya penipuan, biaya investigasi, regulasi, dan menurunnya kepercayaan nasabah.

Key Highlight:

• Deepfake kini secara aktif menargetkan sistem verifikasi digital.
• Bank dan fintech sangat berisiko mengalami pembukaan rekening palsu dan pengambilalihan akun.
• Kerusakan reputasi dapat terjadi dalam waktu singkat setelah kasus deepfake menjadi viral.
• Pemanfaatan kecerdasan buatan sebagai pertahanan untuk mendeteksi kecurangan merupakan solusi yang efektif dalam mengidentifikasi manipulasi wajah digital.
• Teknologi Verihubs Deepfake Detection menyediakan lapisan keamanan di atas e-KYC dan liveness detection.

Masalah Sebenarnya: Deepfake Kini Menyerang Onboarding Digital

Serangan deepfake saat ini berfokus pada fase paling krusial dalam siklus hidup nasabah, yaitu onboarding dan verifikasi ulang identitas.

Pelaku memanfaatkan celah dalam sistem face verification untuk:

• Membuka rekening menggunakan identitas sintetis.
• Mengambil alih akun nasabah sah saat proses reset password.
• Mengelabui video banking dalam proses otorisasi transaksi bernilai besar.

Berbeda dengan penipuan konvensional, deepfake bekerja secara real-time, adaptif, dan sangat sulit dibedakan oleh sistem lama.

Dari Hiburan ke Kejahatan Finansial

Teknologi deepfake awalnya berkembang di industri hiburan. Kini, pelaku fraud memanfaatkannya untuk menciptakan identitas palsu dengan presisi tinggi.

Dengan hanya bermodal foto dari media sosial, pelaku dapat membangun model wajah sintetis yang mampu meniru ekspresi, sudut pandang, dan pencahayaan. Hasilnya, sistem verifikasi wajah standar menganggap wajah palsu ini sebagai manusia asli.

Bagaimana Deepfake Menembus e-KYC dan Sistem Video Banking

Banyak bank dan perusahaan fintech masih mengandalkan liveness detection dasar, yaitu sistem yang hanya memeriksa gerakan seperti:

• Kedipan mata
• Gerakan kepala
• Mengikuti titik di layar

Teknik ini tidak lagi memadai. Deepfake terbaru mampu meniru seluruh respons itu secara natural. Sistem tanpa deteksi lanjutan akan menganggap video sintetis sebagai autentik.

3 Risiko Utama Fraud Akibat Serangan Deepfake

Tiga vektor utama serangan deepfake terhadap sistem keuangan meliputi:

Risiko 1: Pembukaan Rekening Fiktif (Synthetic Identity)

Pelaku menggabungkan data asli dan palsu untuk membentuk identitas baru. Deepfake digunakan untuk menciptakan wajah sintetis yang lolos dari proses verifikasi.

Dampaknya:

• Lonjakan rekening bermasalah
• Risiko pencucian uang
• Tekanan audit dan kepatuhan regulator

Bagaimana Deepfake Melewati Liveness Detection Dasar

Liveness detection sederhana hanya memeriksa gerakan acak seperti tersenyum atau mengikuti titik di layar.

Deepfake terbaru mampu meniru reaksi alami, pencahayaan realistis, dan kedipan mata, sehingga sistem dapat menganggap video palsu sebagai autentik.

Risiko 2: Pengambilalihan Akun Nasabah (Account Takeover)

Dalam skenario reset password atau pemulihan akun, sistem meminta verifikasi wajah. Pelaku memanfaatkan video deepfake interaktif untuk meniru korban secara real-time.

Jika sistem tidak memiliki lapisan deteksi tambahan, akses dapat dengan mudah diberikan kepada pelaku penipuan.

Simulasi Serangan Saat Reset Password dan Otorisasi Transaksi

• Langkah 1: Penyerang mendapatkan cuplikan wajah korban dari media sosial.
• Langkah 2: Menggunakan model AI untuk membuat versi deepfake interaktif.
• Langkah 3: Sistem verifikasi yang lemah percaya bahwa wajah deepfake adalah wajah asli.
  Akibatnya, transaksi bernilai tinggi atau akses ke rekening sah dapat jatuh ke tangan yang tidak berwenang.

Risiko 3: Kerusakan Reputasi dan Kepercayaan Publik

Kasus deepfake yang viral bisa memicu hilangnya kepercayaan nasabah, sorotan regulator soal kepatuhan, dan potensi penarikan mitra bisnis.

Dampak Jangka Panjang pada Brand dan Nasabah

• Hilangnya kepercayaan dari pengguna.
• Biaya kepatuhan meningkat. Ini adalah total biaya untuk memenuhi semua persyaratan regulasi.
• Risiko hukum akibat kegagalan dalam menjaga data dan identitas digital.

Solusi Proteksi AI Melawan Serangan AI

Karena deepfake dihasilkan oleh kecerdasan buatan, pertahanannya juga harus berbasis AI.

Verihubs menghadirkan teknologi Deepfake Detection sebagai lapisan keamanan tambahan di atas e-KYC dan liveness detection.

Teknologi ini menganalisis pola digital mikro yang tidak dapat ditiru deepfake, seperti:

• Distorsi mikro di mata dan bibir.
• Pola pencahayaan yang tidak konsisten.
• Frame-rate dan resolusi video yang terlalu seragam (indikasi sintetis).

Teknologi Verihubs menggunakan model AI multi-layer khusus untuk membedakan wajah manusia asli dari hasil rekayasa digital.

Cara Kerja Sistem Deepfake Detection Verihubs

Sistem deteksi deepfake Verihubs bekerja real-time dalam tiga langkah utama:

1. Menganalisis setiap frame video.
2. Mengidentifikasi artefak digital sintetis.
3. Menghentikan proses verifikasi jika terdeteksi manipulasi.

dengan tingkat akurasi yang sangat tinggi. Ketika terdeteksi adanya manipulasi visual, sistem akan otomatis:

• Menolak proses verifikasi.
• Memberi notifikasi ke tim risiko.
• Merekam log aktivitas untuk audit dan investigasi.

Pendekatan ini menutup celah yang sering dimanfaatkan pelaku fraud dalam proses onboarding dan video banking.

Mengapa Bank dan Fintech Membutuhkan Lapisan Deepfake Detection

Tanpa sistem deteksi deepfake:

• Fraud rate akan terus meningkat.
• Biaya operasional investigasi membengkak.
• Risiko sanksi regulator semakin tinggi.
• Kepercayaan nasabah menurun.

Dengan deepfake detection:

• Sistem e-KYC menjadi lebih kuat.
• Proses onboarding tetap cepat.
• Pengalaman pengguna tetap mulus.
• Risiko fraud menurun signifikan.

Hentikan Serangan Tak Terlihat Sebelum Terjadi

Deepfake berkembang lebih cepat daripada sistem verifikasi konvensional. Menunggu hingga terjadi insiden berarti mempertaruhkan reputasi dan kepercayaan pasar.

Lindungi sistem onboarding digital, video banking, dan proses verifikasi wajah menggunakan Verihubs Deepfake Detection.

Cegah identitas palsu, pertahankan kepercayaan nasabah, dan pastikan setiap wajah yang diverifikasi merupakan wajah asli.

Hubungi Verihubs untuk lihat demo langsung teknologi ini dan ukur sendiri dampaknya terhadap keamanan sistem Anda.

FAQ tentang Deepfake Fraud

1. Apa itu deepfake dan bagaimana cara kerjanya?
Deepfake adalah teknologi AI yang memanipulasi wajah seseorang dalam video untuk membuatnya tampak mengatakan atau melakukan sesuatu yang tidak nyata.

2. Mengapa deepfake berbahaya bagi sektor keuangan?
Karena dapat digunakan untuk melewati sistem verifikasi wajah dan membuka akun atau mengakses rekening secara ilegal.

3. Bisakah sistem liveness detection biasa menangkal deepfake?
Tidak selalu. Liveness detection dasar mudah ditipu oleh video deepfake yang realistis.

4. Apa perbedaan Verihubs Deepfake Detection dengan verifikasi biasa?
Teknologi Verihubs menganalisis pola digital mikro yang tak bisa dilihat oleh mata manusia, menjadikannya lapisan keamanan tambahan yang kuat.

5. Apakah integrasi Verihubs Deepfake Detection rumit?
Tidak. Verihubs menyediakan API dan SDK yang mudah diintegrasikan ke platform KYC (Know Your Customer), banking, maupun fintech Anda.

6. Berapa waktu yang dibutuhkan sistem Verihubs untuk mendeteksi deepfake?
Kurang dari 3 detik, tanpa mengganggu pengalaman pengguna.