Apa itu Liveness Detection untuk Face Recognition? Ini Penjelasannya
Kemampuan liveness detection menjadi salah satu teknologi pendukung infrastruktur digital yang pada umumnya ada pada teknologi pemindai biometrik. Liveness detection merupakan sistem teknologi biometrik untuk mendeteksi keaslian suatu sidik jari, wajah, ataupun biometrik lain dari seseorang. Teknologi liveness detection dari biometrik ini akan menilai proses verifikasi sebagai asli jika hasil analisis menunjukkan kesamaan antara data biometrik yang tersimpan dengan data biometrik yang ditunjukkan secara live. Berkat kemampuannya tersebut, teknologi liveness detection menjadi bagian tidak terpisahkan dari proses autentikasi dan onboarding di perusahaan. Tujuan penerapan teknologi ini adalah untuk memverifikasi identitas para pelanggan, baik yang baru bergabung atau yang sudah pernah bergabung sebelumnya.
Apa itu Liveness Detection?
Liveness detection memungkinkan sistem untuk melakukan proses verifikasi, identifikasi, dan autentikasi untuk memastikan wajah di depan kamera adalah wajah dari orang sesungguhnya, bukan berupa foto, rekaman, topeng, dsb. Teknologi ini pada dasarnya beroperasi di belakang layar, mendeteksi fitur serangan spoofing seperti printed dan replay attack, hingga pengamatan pasif fitur seperti tekstur kulit. Sistem ini dapat digunakan untuk kebutuhan keamanan dan perlindungan hukum jika terjadi pelanggaran akibat pemalsuan data. Berikut ini adalah dua kategori utama liveness detection:
- Aktif. Meminta pengguna melakukan tindakan yang tidak dapat dengan mudah diduplikasi dengan spoofing. Mungkin juga menggabungkan beberapa modalitas challenge yang diberikan, misalnya challenge user untuk menoleh ke kiri/kanan dan membuka mulut.
- Pasif. Menggunakan algoritma untuk mendeteksi indikator spoofing tanpa adanya interaksi pengguna. Pengambilan data biometrik berkualitas tinggi selama pendaftaran meningkatkan kinerja algoritma pendeteksi kecocokan dan juga keaktifan.
Lantas, seperti apakah peran dari teknologi ini? Dan bagaimana pengaruhnya pada proses autentikasi pada face recognition? Berikut ini penjelasannya.
Active Liveness vs Passive Liveness Detection: Kapan Menggunakan Masing-Masing?
Dua pendekatan utama dalam liveness detection memiliki trade-off yang berbeda antara keamanan dan pengalaman pengguna. Memilih pendekatan yang tepat bergantung pada tingkat risiko transaksi yang perlu dilindungi.
| Aspek | Passive Liveness Detection | Active Liveness Detection |
|---|---|---|
| Cara kerja | Analisis otomatis satu frame selfie tanpa instruksi ke pengguna | Pengguna diminta bergerak: kedipan, putar kepala, atau senyum |
| Pengalaman pengguna | Mulus — pengguna tidak menyadari pemeriksaan berlangsung | Ada gesekan — pengguna perlu mengikuti instruksi |
| Ketahanan spoofing | Tinggi terhadap foto dan video statis | Sangat tinggi — sulit dipalsukan dengan video replay atau deepfake |
| Cocok untuk | Onboarding massal, transaksi rutin harian | Transaksi berisiko tinggi, pembukaan rekening baru |
| Waktu pemrosesan | Kurang dari 1 detik | 3–10 detik (bergantung instruksi) |
Rekomendasi Implementasi Berdasarkan Profil Risiko
Gunakan passive liveness untuk: login harian ke aplikasi, verifikasi ulang sesi, absensi karyawan, dan transaksi di bawah threshold risiko. Passive liveness meminimalkan gesekan onboarding tanpa mengorbankan keamanan dasar.
Gunakan active liveness (atau kombinasi passive + active) untuk: pembukaan rekening baru, transaksi di atas nominal tertentu, reset kredensial sensitif, dan situasi di mana sistem mendeteksi anomali dari passive liveness. Berdasarkan data internal Verihubs, kombinasi passive dan active liveness detection mengurangi percobaan spoofing sebesar 99,4% dibandingkan sistem face matching tanpa liveness.
Keunggulan Teknologi Liveness Detection
Implementasi liveness detection saat ini mulai banyak digunakan. Pasalnya, teknologi ini dinilai memiliki aspek keamanan yang jauh lebih baik dibandingkan dengan protokol keamanan lainnya. Berikut ini adalah beberapa keunggulannya yang perlu diketahui:
1. Berbasis machine learning
Teknologi liveness detection memiliki kemampuan untuk menganalisis data biometrik seseorang. Meliputi sidik jari, wajah, suara, atau lainnya, menggunakan algoritma machine learning yang merupakan bagian dari teknologi artificial intelligence (AI) atau kecerdasan buatan. Berkat machine learning tersebut, metode teknologi ini mampu mendeteksi biometrik seseorang secara lebih akurat. Dengan begitu, metode ini akan memberikan perlindungan lebih baik terhadap identitas konsumen, bahkan tingkat akurasinya bisa mencapai 99,8%.
Tidak hanya itu saja, teknologi ini juga menerapkan sistem deep learning dari kecerdasan buatan yang memungkinkan mencegah terjadinya penyalahgunaan foto, video, ataupun data serupa untuk memalsukan identitas seseorang. Misalnya, seseorang berusaha melakukan akses pada akun seseorang dengan menggunakan foto pemilik akun atau rekaman pemilik akun yang tidak berada di saat yang bersamaan.
2. Mudah diintegrasikan dengan pemakaian perangkat mobile
Peran teknologi liveness detection semakin mudah diterapkan dalam sistem autentikasi berkat kemudahan integrasi dengan perangkat mobile. Sudah banyak smartphone yang menerapkan teknologi ini berupa verifikasi wajah untuk mengakses perangkat atau aplikasi mobile. Begitu banyak perangkat mobile yang telah dibekali dengan kamera bawaan, sehingga lebih memudahkan integrasi face ID atau face recognition.
Selain untuk autentikasi, teknologi ini juga dapat diterapkan untuk keperluan mobile onboarding. Mobile onboarding merupakan sebuah proses bergabungnya konsumen pada perusahaan ketika pendaftaran yang membutuhkan beberapa prosedur perekaman data pribadi dan verifikasi identitas. Liveness detection yang mudah diintegrasikan dengan perangkat mobile akan membuat proses onboarding menjadi jauh lebih cepat dan mudah. Konsumen tidak perlu datang ke kantor untuk mendaftarkan diri, atau perlu bertatap muka dengan petugas. Namun mereka hanya perlu melakukan onboarding dari rumah.
Dalam face recognition, liveness detection berperan untuk membedakan antara gambar langsung dan representasi digital dari wajah pengguna dengan cetakan 2D, cetakan 3D, ataupun digital. Metode liveness detection secara signifikan akan mengurangi efektivitas spoofing dan serangan presentasi lainnya.
FAQ: Pertanyaan Umum tentang Liveness Detection
Apa itu liveness detection?
Liveness detection adalah teknologi biometrik yang memverifikasi bahwa wajah yang ditangkap kamera adalah wajah manusia nyata yang hadir secara langsung, bukan foto, video replay, topeng 3D, atau konten deepfake. Liveness detection → menentukan → keabsahan biometrik yang dikirimkan dalam proses verifikasi identitas digital.
Liveness adalah apa dalam konteks e-KYC?
Dalam konteks e-KYC, liveness adalah properti yang membuktikan kehadiran nyata (physical presence) pengguna saat verifikasi berlangsung. Sistem e-KYC yang sesuai regulasi OJK wajib memiliki mekanisme liveness detection untuk mencegah penipuan identitas menggunakan dokumen milik orang lain.
Apa yang dimaksud liveness detection artinya dalam bahasa Indonesia?
Liveness detection secara harfiah berarti “deteksi keaktifan” atau “deteksi kehadiran nyata”. Dalam bahasa Indonesia, istilah ini sering disebut sebagai deteksi keaslian wajah atau deteksi anti-spoofing. Teknologi ini memastikan bahwa wajah yang diverifikasi bukan rekayasa digital.
Bagaimana cara kerja liveness detection?
Liveness detection bekerja dengan menganalisis karakteristik wajah yang hanya dimiliki manusia nyata: tekstur kulit tiga dimensi, refleksi cahaya alami pada kornea, mikro-gerakan involunter (kedipan, pernapasan), dan respons terhadap perubahan pencahayaan. Sistem AI membandingkan pola ini dengan pola yang diketahui berasal dari foto cetak, layar, atau konten sintetis.
Apakah liveness detection bisa ditembus?
Liveness detection generasi lama (yang hanya menganalisis satu frame statis) dapat ditembus dengan foto beresolusi tinggi atau video 3D. Sistem liveness detection modern yang menggunakan deep learning multi-frame dan analisis temporal jauh lebih sulit ditembus. Tidak ada sistem yang 100% tidak tertembus, tetapi liveness detection berlapis (passive + active) membuat biaya serangan menjadi sangat tinggi bagi pelaku penipuan.
Apa perbedaan liveness detection dan face recognition?
Face recognition mengidentifikasi SIAPA wajah itu (pencocokan identitas). Liveness detection mengonfirmasi bahwa wajah tersebut NYATA dan hadir secara langsung (anti-spoofing). Keduanya bekerja bersama dalam sistem verifikasi identitas yang kuat: liveness detection memvalidasi kehadiran fisik, face recognition memvalidasi identitas.
Hubungi Verihubs di sini untuk mengetahui bagaimana solusi liveness detection kami dapat melindungi proses verifikasi identitas bisnis Anda dari serangan spoofing dan deepfake.
