Spoofing Attack Face Recognition: 6 Jenis Serangan
Spoofing attack face recognition adalah upaya mengelabui sistem pengenalan wajah memakai wajah tiruan: foto, video, topeng, deepfake, atau umpan kamera virtual. Serangannya terbagi dua jalur: lewat depan kamera dan melewati kamera. Setiap jalur butuh lapisan pertahanan yang berbeda.
Apa Itu Spoofing Attack pada Face Recognition?
Spoofing attack pada face recognition adalah serangan yang membuat sistem percaya bahwa wajah palsu adalah wajah asli. Standar ISO/IEC 30107 menyebut serangan di depan sensor sebagai presentation attack. Benda yang pelaku pakai, misalnya foto atau topeng, disebut presentation attack instrument.
Tujuan pelaku juga ada dua. Impostor ingin terkenali sebagai orang lain, misalnya untuk membuka rekening atas nama korban. Sebaliknya, identity concealer ingin tidak terkenali sebagai dirinya sendiri, misalnya agar lolos dari daftar hitam. Kedua istilah ini berasal dari kosakata biometrik ISO/IEC 2382-37.
Dua Jalur Spoofing: Lewat Kamera dan Melewati Kamera
Pembagian paling berguna adalah menurut jalur masuknya. Jalur pertama adalah presentation attack: pelaku menghadapkan artefak palsu ke kamera asli. Jalur kedua adalah injection attack: pelaku tidak memakai kamera sama sekali, tetapi menyuntikkan gambar atau video langsung ke aplikasi.
Kedua jalur juga punya standar yang berbeda. ISO/IEC 30107 mengatur deteksi presentation attack. Sementara itu, CEN/TS 18099:2024 yang CEN setujui pada Oktober 2024 khusus mengatur deteksi injection attack, dan secara tegas menyerahkan presentation attack kepada ISO/IEC 30107. Jadi, sistem yang lulus uji liveness belum tentu tahan terhadap injeksi.
6 Jenis Spoofing Attack Face Recognition
Berikut enam jenis serangan yang paling sering tim fraud temui, dari yang paling murah hingga yang paling canggih.
1. Foto Cetak
Pelaku mencetak foto korban, lalu menghadapkannya ke kamera. Serangan ini murah dan mudah, sehingga paling sering muncul. Liveness detection dasar biasanya sudah mampu menolaknya karena foto tidak punya kedalaman, tekstur kulit, dan pantulan cahaya wajah hidup.
2. Replay Layar atau Video
Pelaku memutar foto atau video korban di layar ponsel atau tablet lain. Video membuat wajah tampak berkedip dan bergerak, sehingga lebih sulit tertolak daripada foto cetak. Karena itu, liveness yang hanya meminta kedipan sering kalah, sedangkan analisis tepi layar, moiré, dan pantulan lebih efektif.
3. Topeng 2D dan 3D
Versi murahnya berupa topeng kertas dengan lubang mata, sedangkan versi mahalnya berupa topeng silikon 3D. Topeng 3D menipu pemeriksaan kedalaman, tetapi tetap menyisakan petunjuk tekstur dan pergerakan otot wajah. Biayanya yang tinggi membuat serangan ini jarang, kecuali untuk target bernilai besar.
4. Face Morphing
Pelaku menggabungkan dua wajah menjadi satu foto, lalu mendaftarkannya sebagai foto identitas. Akibatnya, dua orang bisa cocok dengan satu identitas yang sama. Serangan ini terjadi saat pendaftaran, bukan saat login, dan kami bahas lebih rinci di artikel face morphing attack.
5. Deepfake dan Face Swap
Pelaku memakai AI untuk menempelkan wajah korban ke wajahnya sendiri secara real-time. Jika pelaku memutar hasilnya di layar ke kamera, ini termasuk presentation attack. Namun kalau hasilnya masuk lewat kamera virtual, serangan itu menjadi injection attack. Cara kerja teknologinya ada di artikel deepfake.
6. Injeksi Kamera Virtual dan Emulator
Ini serangan yang paling sulit terlihat. Pelaku menjalankan aplikasi di emulator atau ponsel yang sudah root, lalu mengganti umpan kamera dengan video atau gambar pilihannya. Bagi aplikasi, gambar itu tampak seperti tangkapan kamera biasa, sehingga liveness bisa tertipu. Karena itu, pertahanannya berada di lapisan perangkat, yang kami bahas di artikel injection attack.
Peta Serangan dan Lapisan Pertahanannya
Tidak ada satu teknologi yang menutup keenam jenis serangan. Tabel berikut memetakan setiap jenis ke lapisan yang paling efektif.
| Jenis Serangan | Jalur | Lapisan Pertahanan Utama |
|---|---|---|
| Foto cetak | Lewat kamera | Liveness pasif |
| Replay layar atau video | Lewat kamera | Liveness pasif dan aktif |
| Topeng 2D dan 3D | Lewat kamera | Liveness dengan analisis tekstur dan kedalaman |
| Face morphing | Saat pendaftaran | Pencocokan ke foto di sumber resmi, deteksi morphing |
| Deepfake dan face swap | Lewat kamera atau injeksi | Deteksi deepfake dan liveness |
| Injeksi kamera virtual | Melewati kamera | Deteksi emulator, root, hooking, dan integritas aplikasi |
Teknik deteksi untuk lapisan liveness, seperti analisis tekstur, kedalaman, dan gerakan, kami jelaskan di artikel teknik anti spoofing. Yang perlu tim catat di sini adalah urutannya: pemeriksaan perangkat harus berjalan sebelum atau bersamaan dengan liveness, bukan sesudahnya.
Mengapa Spoofing Wajah Lebih Berbahaya daripada Kebocoran Password
Password yang bocor bisa pengguna ganti dalam satu menit. Wajah tidak. Begitu foto dan video wajah seseorang tersebar di media sosial, bahan untuk spoofing tersedia selamanya.
Karena itu, keamanan face recognition tidak boleh bergantung pada kerahasiaan wajah. Sistem harus berasumsi bahwa pelaku sudah punya foto korban, lalu membuktikan bahwa orangnya hadir langsung dan gambarnya berasal dari kamera asli.
Spoofing di Absensi Wajah dan Onboarding Fintech
Di Indonesia, dua skenario paling sering muncul. Skenario pertama adalah absensi. Karyawan menitipkan absen dengan foto rekan kerja atau memakai aplikasi lokasi palsu. Pola ini kami bahas di artikel titip absen.
Skenario kedua lebih mahal kerugiannya, yaitu onboarding fintech dan pinjaman online. Pelaku memakai KTP dan foto curian untuk membuka akun atas nama korban, lalu mencairkan pinjaman. Di sini, foto cetak dan replay biasanya tertolak liveness, sehingga pelaku yang serius beralih ke deepfake dan injeksi.
Checklist Anti-Spoofing untuk Tim Product dan Fraud
- Liveness berjalan di setiap pengambilan wajah, termasuk saat login dan transaksi bernilai besar, bukan hanya saat onboarding.
- Aplikasi memeriksa emulator, root atau jailbreak, hooking, dan aplikasi hasil modifikasi sebelum membuka kamera.
- Foto pendaftaran tercocokkan dengan foto di sumber resmi, bukan hanya dengan foto KTP yang pengguna unggah.
- Tim memantau pola: banyak akun dari satu perangkat, atau satu wajah di banyak akun.
- Ambang skor dan tinjauan manual berlaku untuk kasus di zona abu-abu.
Lapisan Anti-Spoofing dari Verihubs
Verihubs menutup dua jalur spoofing dengan dua lapisan. Untuk jalur lewat kamera, liveness detection menyaring artefak seperti cetakan foto, rekaman, dan topeng. Mode pasifnya bekerja dari satu gambar, dan mode aktif di Web SDK menambahkan instruksi gerak.
Untuk jalur melewati kamera, device intelligence mendeteksi emulator, ponsel root atau jailbreak, app hooking, aplikasi hasil modifikasi, dan berbagi layar. Kemudian, Deepfake Detection API menambah pemeriksaan pada gambar wajah untuk mendeteksi manipulasi AI.
Pertanyaan Umum tentang Spoofing Attack Face Recognition
Apa itu spoofing attack pada face recognition?
- Spoofing attack adalah serangan yang membuat face recognition menerima wajah tiruan sebagai wajah asli. Bentuknya bisa berupa foto, rekaman video, topeng, deepfake, atau umpan kamera virtual. Tujuannya agar sistem mengenali pelaku sebagai orang lain.
Apa beda presentation attack dan injection attack?
- Presentation attack terjadi di depan kamera asli, misalnya saat pelaku mengangkat foto atau memakai topeng. Injection attack melewati kamera, karena pelaku menyuntikkan gambar langsung ke aplikasi lewat kamera virtual atau emulator.
Apakah face ID bisa dibobol dengan foto?
- Sistem tanpa liveness detection bisa tertipu foto. Sistem dengan liveness yang baik menolak foto cetak dan foto di layar, karena foto tidak punya kedalaman dan tekstur kulit wajah hidup.
Apa yang dimaksud anti spoofing?
- Anti spoofing adalah kumpulan teknik untuk mendeteksi dan menolak wajah palsu. Contohnya liveness detection pasif dan aktif, deteksi deepfake, serta deteksi emulator dan root untuk serangan injeksi.
Bagaimana mencegah titip absen dengan foto?
- Pakai aplikasi absensi yang menjalankan liveness di setiap absen, memeriksa lokasi dan perangkat, serta mencocokkan wajah dengan data karyawan yang terdaftar. Foto rekan kerja akan tertolak karena tidak lolos liveness.
Spoofing Attack Face Recognition Hanya Kalah oleh Pertahanan Berlapis
Pelaku selalu memilih jalur termurah yang masih terbuka. Begitu liveness menutup foto dan video, serangan pindah ke deepfake dan injeksi.
Pertahanan yang efektif selalu menutup kedua jalur sekaligus. Uji ketahanan alur face recognition Anda bersama tim Verihubs untuk menemukan jalur yang masih terbuka.
