Pernahkah Anda melihat video Mark Zuckerberg, pendiri Facebook, berbicara bahwa mereka memiliki kontrol penuh atas miliaran data yang dicuri dari orang? Atau mungkin beberapa video Barack Obama, Donald Trump, dan Joe Biden sedang bernyanyi? Jika iya, maka Anda sudah pernah melihat deepfake.
Teknologi deepfake muncul dari ranah kecerdasan buatan atau artificial intelligence (AI) yang dikenal sebagai deep learning. Deep learning dapat digunakan untuk menciptakan gambar, audio, atau bahkan video yang meyakinkan padahal tidak nyata dan merupakan skenario yang dibuat-buat. Ada dua metode utama yang digunakan dalam pembuatan deepfake: mengubah konten sumber dan menggantikan individu dalam konten dengan individu lainnya, atau membuat konten orisinil yang memperlihatkan suatu individu yang sedang terlibat dalam tindakan tertentu atau mengucapkan kata-kata yang sebenarnya belum pernah mereka lakukan atau ucapkan sebelumnya.
Teknologi deepfake umumnya menggunakan dua algoritma: generator dan discriminator. Generator membuat dataset training dan membuat konten deepfake awal. Kemudian, discriminator menilai seberapa realistis konten deepfake yang dihasilkan. Karena kedua proses ini terus berlanjut dan berulang, generator dapat meningkatkan kemampuannya untuk membuat konten yang lebih realistis, sementara discriminator dapat mengasah keahliannya dalam menemukan kekurangan dan memberikan koreksi untuk generator.
Gabungan algoritma generator dan discriminator membentuk jaringan generatif adversarial atau generative adversarial network (GAN). Untuk menangkap detail semaksimal mungkin, saat membuat gambar deepfake, GAN menyelidiki gambar target dari berbagai sudut dan perspektif. Saat membuat video deepfake, GAN menganalisis perilaku, gerakan, dan pola bicara. Dan saat pembuatan audio deepfake, GAN membuat model yang dapat disesuaikan berdasarkan suara dan pola vokal seseorang.
Kemudahan pembuatan deepfake telah menimbulkan keprihatinan terkait potensi penyalahgunaan yang terkait dengan teknologi ini. Saat ini, hampir siapa saja dapat memanipulasi video, audio, dan gambar untuk mengubah penampilan tanpa memerlukan keterampilan pemrograman yang canggih. Kemudahan proses ini, yang hanya membutuhkan beberapa detik, menunjukkan perlunya kesadaran dan kewaspadaan yang lebih tinggi dalam melawan penyebaran konten yang tidak bertanggung jawab. Dengan adanya alat-alat yang mudah digunakan dan layanan berbasis cloud, orang-orang dapat dengan mudah membuat deepfake. Perlu dicatat bahwa meskipun platform seperti Zao, My Heritage, dan d-id awalnya muncul untuk tujuan hiburan, kemudahan akses ke aplikasi-aplikasi seperti ini menimbulkan tantangan yang signifikan terhadap integritas informasi visual dan auditori.
Secara umum, deepfake dapat menimbulkan berbagai ancaman yang signifikan, mulai dari pemerasan dan pencemaran nama baik hingga pelanggaran privasi dan manipulasi. Meskipun awalnya deepfake terbatas pada konten pornografi, dengan menukar wajah artis terkenal dengan aktor/aktris film dewasa, evolusi dari teknologi ini kini dapat menciptakan kasus penggunaan yang lebih mengkhawatirkan. Misalnya, menciptakan alibi palsu di ruang sidang, melakukan penipuan, pemerasan, dan bahkan tindakan terorisme.
Dalam konteks eKYC, deepfake memperkenalkan ancaman besar dengan memungkinkan pemalsuan untuk mendapatkan akses ilegal ke informasi pribadi orang lain, termasuk data sensitif seperti nomor kartu kredit. Tidak hanya terhenti pada mendapatkan akses, deepfake juga dapat digunakan untuk membuat akun baru dari identitas yang telh dicuri tersebut, mulai dari hal sederhana seperti media sosial hingga hal yang kompleks seperti membuka rekening bank atau mengajukan pinjaman. Akibat dari pencurian identitas, korban akan mendapatkan tagihan dan pengeluaran yang tidak sah, dan dampak negatif lainnya. Konsekuensi ini tidak hanya meliputi masalah keuangan, namun dapat merembet juga ke masalah lain seperti masalah hukum, menjadi target organisasi berbahaya, dan kesulitan dalam memulihkan identitas yang dicuri.
Kemudahan dalam menciptakan identitas palsu yang semakin meningkat dengan menggunakan teknologi ini telah mencapai fase yang mengkhawatirkan, menyulitkan upaya untuk melacak dan memverifikasi legitimasi dari konten yang kita lihat saat ini.
Sebelumnya, untuk mengatasi ancaman deepfake, kita hanya perlu menggunakan active liveness sebagai mekanisme pendeteksi. Pada waktu itu, active liveness dianggap sudah memadai karena kemampuannya untuk mengidentifikasi isu seperti gerakan atau kedipan yang tidak alami dalam video yang dimanipulasi. Namun, evolusi teknologi deepfake yang mengkhawatirkan telah mendorong pemalsuan ini ke tingkat realisme yang kini menantang efektivitas active liveness. Semakin jelas bahwa implementasi active liveness yang lebih kuat dibutuhkan mengingat kapasitas deepfake untuk menghasilkan video yang begitu realistis.
Menariknya, solusi untuk masalah yang semakin meningkat ini mungkin melibatkan pemanfaatan kecerdasan buatan untuk melawan dirinya sendiri. Meskipun memang kecerdasan buatan digunakan sebagai alat untuk membuat deepfake, kita juga dapat menggunakannya untuk tujuan pertahanan dengan melatihnya pada dataset besar untuk memahami beberapa indikator kunci dalam konten deepfake. Strategi inovatif ini melibatkan pengembangan API pendeteksi deepfake yang dapat mengidentifikasi berbagai anomali dan memberitahu sistem eKYC. Anomali tersebut dapat mencakup posisi wajah yang tidak biasa atau canggung, gerakan wajah atau tubuh yang tidak alami, perubahan warna yang aneh, video yang menunjukkan keanehan ketika diperbesar, atau ketidaksesuaian dalam audio. Dengan menggabungkan fitur-fitur yang halus ini ke dalam sistem eKYC, pendekatan yang didukung kecerdasan buatan ini dapat memperkuat kemampuan deteksi deepfake dalam eKYC, dan secara proaktif meningkatkan integritas sistem verifikasi identitas di era digital ini.
Seiring dengan meningkatnya insiden pemalsuan identitas dan pembohongan, semakin penting bagi kita untuk berada satu langkah di depan para penipu. Mengintegrasikan teknologi kecerdasan buatan ke dalam sistem eKYC Anda muncul sebagai strategi yang dapat melawan ancaman siber secara efektif. Salah satu implementasi yang sangat berdampak adalah penggunaan API pendeteksi deepfake untuk memilah dan mendeteksi identitas palsu yang dihasilkan oleh program kecerdasan buatan lainnya. Pendekatan ini tidak hanya memperkuat sistem eKYC tetapi juga seluruh area verifikasi identitas.
