Teknologi pengenalan wajah menjadi salah satu teknologi yang dinilai revolusioner. Tak lama berselang, teknologi deepfake kemudian muncul, yang menjadi inovasi dan sekaligus ancaman untuk dunia digital sekarang ini.
Namun tahukah Anda apa itu deepfake? Kenapa pula kemudian teknologi ini menjadi inovasi yang revolusioner, namun menjadi ancaman untuk ekosistem digital? Bagaimana cara kerjanya?
Untuk mengetahui lebih jauh terkait teknologi ini, Anda bisa simak masing-masing poin di bawah ini!
Baca Juga: 5 Alasan Pentingnya Menerapkan Sistem Verifikasi Identitas pada Bisnis Teknologi Finansial
Memahami Apa Itu Deepfake
Pada dasarnya, deepfake adalah teknologi yang dapat memanipulasi foto, video, atau gambar wajah, menggunakan teknologi dengan basis artificial intelligence yang menyatukan kemiripan seseorang ke wajah milik orang lain.
Manipulasi gambar atau wajah yang dilakukan ini dapat dimanfaatkan untuk seolah-olah seseorang mengatakan atau melakukan sesuatu, padahal semua hanya hasil rekayasa atau dengan sengaja dibuat untuk melakukan penyalahgunaan.
Kemampuan teknologi ini sangat hebat, untuk ‘mereplikasi’ wajah seseorang, dan menempelkannya pada wajah orang lain, sehingga seolah-olah foto atau video yang tampak adalah citra asli. Contoh paling sederhana dari penerapan teknologi ini adalah penggunaannya di industri film, seperti Fast & Furious 7, dimana aktor Paul Walker ‘dihidupkan’ kembali untuk menjalankan peran terakhir pada film tersebut.
Lalu Bagaimana Cara Kerja dari Teknologi Ini?
Teknologi ini tidak bekerja secara instan, karena perlu terdapat banyak proses yang dilakukan. Akan cukup banyak metode yang bisa digunakan, namun salah satunya adalah kombinasi antara Deep Neural Networks atau DNN, dan Generative Adversarial Networks atau GAN. Kombinasi keduanya kemudian dapat membuat replikasi wajah yang luar biasa mirip, dan cukup sulit dibedakan.
1. Deep Neural Networks
Teknologi ini kemudian akan menggunakan autoencoders yang dapat ‘menukar’ wajah. Teknologi ini merupakan serangkaian algoritma yang dirancang untuk mengenali pola serta melakukan proses pada data dengan cara yang kompleks.
DNN sendiri memerlukan materi yang tidak sedikit untuk dapat menganalisa citra dari wajah orang yang akan ditirukan. Beberapa video dikumpulkan, dan kemudian sistem akan mencoba mengenali, mengidentifikasi ciri fisik dan wajah, dari berbagai sudut dan kondisi lingkungan.
Video yang menjadi materi dasar ini tidak harus berkaitan, selama memiliki satu wajah orang yang sama yang menjadi ‘target’ dari proses peniruan yang dilakukan. Setelah data didapatkan dan berbentuk algoritma, kemudian teknologi kedua digunakan, yakni Generative Adversarial Networks.
2. Generative Adversarial Networks
Teknologi kedua ini, GAN, berfungsi untuk mendeteksi dan memperbaiki kekurangan dalam video deepfake yang akan dibuat. GAN menjadi metode lanjutan yang populer untuk menyempurnakan deepfake yang mengandalkan studi data berjumlah besar, guna mempelajari cara mengembangkan citra dengan meniru hal yang nyata.
Video deepfake yang telah ‘disempurnakan’ oleh GAN kemudian siap digunakan, dan telah memiliki kemiripan yang luar biasa dengan target yang dituju. Diprediksi ke depan, GAN akan jadi metode utama yang digunakan untuk melakukan peniruan untuk mensitesis gambar atau video dalam waktu singkat dan cepat.
Kenali Bahaya Deepfake, Pahami Cara Menghindarinya
Pada konteks di Indonesia sendiri, baha dari teknologi ini dipastikan akan sangat besar. Masih sedikit teringat kekacauan yang pernah terjadi pada pemilu lalu, dimana penyebaran hoax dan propaganda yang dilakukan di media sosial benar-benar dapat memecah belah masyarakat.
Beberapa bahaya yang berpotensi muncul di Indonesia saat teknologi ini disalahgunakan, antara lain adalah sebagai berikut.
- Memicu perpecahan di masyarakat, bahkan di dunia internasional. Hal ini bisa terjadi ketika muncul video palsu yang menggunakan tokoh terkenal dan berpengaruh, dan memberikan opini yang radikal dan menyerang berbagai pihak. Ketika tidak lekas dikonfirmasi atau diketahui kebenarannya, hal ini bisa benar-benar membuat kekacauan masif.
- Risiko pencemaran nama baik berbagai pihak. Jelas, ketika terdapat video dengan menggunakan wajah atau persona seseorang dengan opini yang kontroversial, maka potensi masalah akan muncul. Bahkan pada skenario ekstrim, wajah dari seseorang dapat digunakan dan dimasukkan ke dalam video porno dan mencemarkan citra orang yang bersangkutan.
- Potensi masalah semakin besar saat dipadukan dengan upaya pembajakan akun milik orang-orang penting. Mungkin jika video deepfake yang salah diunggah pada akun media sosial tidak terverifikasi, risiko masalahnya tidak akan terlalu besar. Namun ketika hal ini dipadukan dengan upaya pembajakan akun kepala negara misalnya, maka potensi masalahnya akan menjadi sangat besar. Dapat dibayangkan jika akun media sosial terverifikasi milik kepala negara dibajak, dan digunakan untuk mengunggah video mengenai ancaman keamanan dunia?
Cara Mendeteksi Video Deepfake yang Beredar
Ada beberapa hal yang bisa digunakan untuk melakukan deteksi pada video dengang deepfake, Anda dapat melihat tanda di bawah ini.
- Verifikasi warna kulit, rambut, hingga ciri wajah orang yang terkait. Jika disejajarkan, akan tampak sangat berbeda, bahkan pada titik fokus video tersebut.
- Pada video dengan deepfake, cahaya yang ditampilkan tidak akan tampak natural sebab pencahayaan dihasilkan dari kumpulan beberapa video yang jadi materi utama.
- Jika dicermati pada sound-nya, maka akan tampak bahwa suara yang muncul dan gerakan bibir tidak akan terlihat sinkron.
Untuk cara menghindarinya sendiri, sangat disarankan untuk melakukan verifikasi pada setiap sumber kredibel yang mungkin diakses. Tentu, akan sangat disarankan memperoleh verifikasi langsung dari pihak terkait sehingga data yang didapatkan benar-benar valid.
Baca Juga: 2 Manfaat Utama 3D Facial Liveness Detection
Verifikasi informasi menjadi hal yang semakin krusial seiring perkembangan berbagai teknologi seperti ini. Jelas, deepfake juga dapat disalahgunakan untuk melakukan upaya pembobolan akses, bahkan dengan sistem pengamanan face recognition. Namun Anda tak perlu cemas jika bisnis Anda juga menggunakan fitur liveness detection, yang disediakan oleh Verihubs dalam produknya.
Verihubs, Deteksi Wajah dengan Akurat dan Sistem Solid
Verihubs kemudian hadir dan menjawab tantangan di dunia modern ini, dengan berbagai produk verifikasi yang dimilikinya. Face Recognition yang disediakan Verihubs memiliki sistem yang solid dan akurasi tinggi, serta terhubung dengan database terpercaya. Dapat membantu Anda meminimalisir risiko penyalahgunaan teknologi deepfake, Verihubs juga menawarkan Liveness Detection untuk membantu pengenalan objek dengan video dan pencitraan 3D. Segera hubungi layanan pelanggan kami, dan dapatkan produk terbaik yang kami sediakan!
