Bagaimana Teknologi Pengenalan Wajah Membedakan Foto dan Wajah Asli?
Teknologi pengenalan wajah pada smartphone tidak hanya bertugas mengenali bentuk mata, hidung, dan mulut seseorang. Sistem ini juga harus memastikan bahwa
fin.co.id - Teknologi pengenalan wajah pada smartphone tidak hanya bertugas mengenali bentuk mata, hidung, dan mulut seseorang. Sistem ini juga harus memastikan bahwa wajah yang berada di depan kamera benar-benar berasal dari manusia, bukan sekadar foto, video, atau gambar digital yang ditampilkan melalui layar perangkat lain.
Kemampuan tersebut didukung oleh teknologi bernama Face Liveness Detection dan Presentation Attack Detection (PAD). Keduanya membantu sistem membedakan wajah manusia yang sedang melakukan pemindaian dengan representasi wajah palsu yang berusaha digunakan untuk membuka perangkat atau mengakses layanan tertentu.
Teknologi ini menjadi bagian penting dalam sistem keamanan biometrik modern, terutama karena foto seseorang semakin mudah diperoleh dan dapat digunakan untuk mencoba menipu sistem pengenalan wajah.
1. Sistem Tidak Hanya Memeriksa Kemiripan Wajah
Ketika seseorang menggunakan fitur pengenalan wajah untuk membuka smartphone, kamera akan menangkap gambar wajah terlebih dahulu. Selanjutnya, perangkat lunak memproses informasi tersebut untuk menemukan karakteristik khusus yang dapat digunakan sebagai identitas biometrik.
Karakteristik tersebut mencakup berbagai pola dan hubungan geometris pada wajah. Sistem kemudian mengubah informasi itu menjadi representasi matematis yang dapat dibandingkan dengan data wajah yang sebelumnya telah didaftarkan.
Namun, proses pencocokan wajah saja belum cukup untuk menjamin keamanan. Sebuah foto berkualitas tinggi bisa memiliki bentuk mata, hidung, dan mulut yang sangat mirip dengan wajah pemilik perangkat.
Baca Juga
Karena itulah, sistem keamanan modern dapat menggunakan pemeriksaan tambahan untuk mengetahui apakah objek yang berada di depan kamera merupakan wajah manusia sungguhan atau hanya tiruan.
Dengan kata lain, terdapat dua proses yang saling melengkapi, yaitu memastikan identitas wajah sesuai dengan pemilik akun dan memastikan bahwa wajah tersebut berasal dari subjek yang benar-benar hadir di depan perangkat.
2. Teknologi Deteksi Kehidupan Memeriksa Gerakan Wajah
Salah satu metode yang digunakan adalah liveness detection atau deteksi kehidupan. Teknologi ini bertujuan mengetahui apakah wajah yang sedang dipindai menunjukkan karakteristik manusia hidup.
Baca Juga
Pada sistem tertentu, kamera akan merekam wajah selama beberapa saat untuk mengamati perubahan yang terjadi. Gerakan mata, kedipan, perubahan ekspresi, serta pergerakan kepala dapat menjadi informasi tambahan untuk menentukan keaslian wajah.
Misalnya, seseorang mungkin diminta berkedip, menoleh, atau mengikuti instruksi tertentu ketika melakukan verifikasi identitas. Sistem kemudian memeriksa apakah gerakan tersebut sesuai dengan perintah yang diberikan.
Metode ini membuat foto cetak biasa lebih sulit digunakan untuk mengelabui sistem karena gambar tersebut tidak dapat menunjukkan gerakan alami manusia.
Meskipun demikian, tidak semua perangkat menggunakan metode yang mengharuskan pengguna melakukan gerakan tertentu. Sebagian teknologi modern dapat memeriksa tanda-tanda kehidupan secara pasif tanpa meminta pengguna melakukan tindakan khusus.
Pemeriksaan tersebut dapat dilakukan dengan menganalisis perubahan kecil pada gambar wajah yang ditangkap kamera selama proses pemindaian.
3. Kamera Mengukur Kedalaman dan Bentuk Tiga Dimensi Wajah
Foto memiliki karakteristik dua dimensi, sedangkan wajah manusia mempunyai bentuk tiga dimensi. Perbedaan ini dapat dimanfaatkan untuk meningkatkan keamanan pengenalan wajah.
Pada perangkat yang dilengkapi sensor kedalaman, kamera tidak hanya menangkap tampilan wajah, tetapi juga mengumpulkan informasi mengenai jarak dan bentuk permukaannya.
Informasi tersebut membantu perangkat membangun representasi tiga dimensi dari wajah seseorang. Bagian hidung, dahi, pipi, dan area sekitar mata memiliki kedalaman yang berbeda sehingga dapat membentuk pola geometris tertentu.
Sebaliknya, foto yang dicetak di atas kertas atau ditampilkan melalui layar smartphone pada dasarnya merupakan permukaan datar.
Dengan mengukur kedalaman objek, sistem dapat mengetahui apakah kamera sedang mengamati wajah dengan struktur tiga dimensi atau hanya gambar dua dimensi.
Salah satu contoh penerapannya adalah teknologi TrueDepth Camera pada perangkat Apple yang menggunakan proyeksi ribuan titik inframerah untuk membentuk peta kedalaman wajah.
Menurut dokumentasi keamanan Apple, informasi kedalaman tersebut kemudian dipadukan dengan gambar inframerah dan diproses menggunakan teknologi pembelajaran mesin untuk melakukan autentikasi.
Namun, kemampuan pengukuran tiga dimensi tidak berarti semua sistem pengenalan wajah memiliki perangkat keras yang sama. Smartphone dengan kamera depan biasa dapat mengandalkan metode perangkat lunak untuk mendeteksi indikasi pemalsuan.
4. Sensor Inframerah Membantu Memeriksa Karakteristik Wajah
Selain kamera biasa, beberapa perangkat menggunakan sensor inframerah untuk mendapatkan informasi tambahan yang tidak selalu terlihat melalui gambar berwarna.
Sensor ini dapat menangkap karakteristik wajah berdasarkan respons terhadap cahaya inframerah. Informasi yang diperoleh kemudian dianalisis untuk membantu membedakan wajah asli dengan gambar yang ditampilkan melalui media tertentu.
Pada sistem yang lebih canggih, cahaya inframerah juga digunakan untuk mengukur kedalaman dan bentuk permukaan wajah.
Teknologi ini memberikan informasi tambahan karena gambar yang terlihat normal oleh mata manusia belum tentu memiliki karakteristik yang sama ketika diperiksa menggunakan sensor inframerah.
Sebagai contoh, sebuah foto mungkin terlihat sangat realistis ketika ditampilkan pada layar smartphone. Namun, pola pantulan cahaya, tekstur, dan informasi kedalamannya dapat berbeda dari wajah manusia yang sebenarnya.
Penggabungan kamera biasa dengan sensor inframerah membuat sistem memiliki lebih banyak informasi untuk mengambil keputusan.
5. Kecerdasan Buatan Menganalisis Tekstur dan Pola Gambar
Perkembangan kecerdasan buatan juga berperan besar dalam meningkatkan kemampuan pengenalan wajah.
Sistem modern dapat menggunakan algoritma pembelajaran mesin untuk menganalisis karakteristik gambar yang sulit diperiksa melalui pengamatan biasa.
Beberapa karakteristik yang dapat diperiksa antara lain tekstur kulit, pola pencahayaan, pantulan permukaan, ketajaman gambar, serta perbedaan detail pada area wajah.
Foto yang dicetak dapat memperlihatkan tekstur kertas, sedangkan gambar pada layar digital mungkin menunjukkan karakteristik piksel atau pantulan layar. Sistem dapat mempelajari pola tersebut untuk menemukan indikasi bahwa objek yang sedang dipindai bukan wajah asli.
Kecerdasan buatan juga dapat dilatih menggunakan berbagai contoh foto, video, topeng, dan bentuk pemalsuan lainnya. Dari proses pelatihan tersebut, algoritma mempelajari perbedaan antara wajah manusia dan media yang digunakan untuk meniru wajah.
Penelitian National Institute of Standards and Technology (NIST) yang diterbitkan pada September 2023 mengevaluasi 82 algoritma pendeteksi serangan pengenalan wajah dari 45 pengembang.
Hasil penelitian tersebut menunjukkan bahwa kemampuan setiap algoritma berbeda-beda. Beberapa sistem mampu mendeteksi jenis pemalsuan tertentu dengan baik, tetapi tidak ada satu algoritma yang berhasil mendeteksi seluruh jenis serangan yang diuji.
Temuan ini memperlihatkan bahwa kecerdasan buatan memang dapat meningkatkan keamanan, tetapi hasilnya tetap bergantung pada metode, kualitas data pelatihan, dan jenis ancaman yang dihadapi.
6. Bagaimana Jika Penipu Menggunakan Video atau Topeng Wajah?
Teknologi pengenalan wajah terus dikembangkan karena ancaman pemalsuan juga semakin beragam.
Jika sebelumnya foto cetak menjadi salah satu metode yang umum digunakan, sekarang seseorang dapat mencoba menggunakan video pada layar perangkat lain, topeng tiga dimensi, bahkan manipulasi wajah berbasis kecerdasan buatan.
Video lebih sulit dideteksi dibandingkan foto biasa karena dapat memperlihatkan kedipan mata, perubahan ekspresi, dan gerakan kepala.
Sementara itu, topeng tiga dimensi dapat memiliki bentuk wajah yang menyerupai manusia sungguhan. Kondisi tersebut membuat pemeriksaan kedalaman saja belum tentu cukup untuk memastikan keaslian subjek.
Untuk menghadapi ancaman semacam ini, sistem keamanan dapat menggabungkan beberapa metode pemeriksaan sekaligus. Misalnya, analisis gerakan wajah, karakteristik tekstur, pengukuran kedalaman, sensor inframerah, dan algoritma pendeteksi pemalsuan.
Penggabungan beberapa metode tersebut membuat penipu harus menghadapi lebih banyak lapisan pemeriksaan daripada sekadar menunjukkan gambar wajah seseorang di depan kamera.
Meski demikian, sistem pengenalan wajah tidak sepenuhnya kebal terhadap serangan. Teknologi pemalsuan yang semakin canggih juga mendorong pengembang untuk terus memperbarui metode pendeteksian.
7. Apakah Semua Smartphone Bisa Membedakan Foto dan Wajah Asli?
Tidak semua smartphone mempunyai kemampuan pendeteksian yang sama.
Perangkat dengan sistem kamera dan sensor khusus umumnya mempunyai lebih banyak informasi untuk memeriksa keaslian wajah. Sementara itu, perangkat yang hanya menggunakan kamera depan biasa lebih bergantung pada kemampuan perangkat lunak dalam menganalisis gambar.
Perbedaan ini dapat memengaruhi tingkat keamanan ketika fitur pengenalan wajah digunakan untuk membuka perangkat atau mengakses aplikasi.
Selain perangkat keras, kualitas algoritma dan penerapan sistem keamanan juga menentukan kemampuan pendeteksian. Smartphone dengan kamera yang bagus belum tentu memiliki perlindungan terhadap pemalsuan wajah yang lebih baik apabila perangkat lunaknya tidak dilengkapi pemeriksaan yang memadai.
Karena itu, pengguna sebaiknya tidak menganggap semua fitur pengenalan wajah memiliki tingkat keamanan setara. Untuk melindungi informasi penting, penggunaan PIN atau kata sandi yang kuat tetap menjadi bagian penting dari keamanan perangkat.
Penutup
Teknologi pengenalan wajah membedakan foto dan wajah asli dengan menggabungkan beberapa metode pemeriksaan, mulai dari analisis gerakan, pengukuran kedalaman tiga dimensi, sensor inframerah, hingga kecerdasan buatan.
Perkembangan tersebut menunjukkan bahwa keamanan biometrik tidak lagi hanya bergantung pada kemiripan bentuk wajah, tetapi juga pada kemampuan sistem memeriksa karakteristik fisik dan tanda-tanda kehidupan dari objek yang sedang dipindai.
Penelitian modern dari NIST juga memperlihatkan bahwa tidak ada satu metode yang mampu mendeteksi seluruh bentuk pemalsuan secara sempurna. Oleh karena itu, penggabungan berbagai teknologi menjadi pendekatan penting untuk meningkatkan keamanan pengenalan wajah pada perangkat digital.
Dengan semakin berkembangnya kecerdasan buatan dan teknologi sensor, sistem pengenalan wajah diperkirakan akan terus mengalami peningkatan untuk menghadapi metode pemalsuan yang semakin realistis.
Referensi
-
National Institute of Standards and Technology (NIST) - Face Analysis Technology Evaluation (FATE) Part 10: Performance of Passive, Software-based Presentation Attack Detection (PAD) Algorithms, 2023.
-
Apple - About Face ID Advanced Technology, 2024.
-
National Cyber Security Centre (NCSC) - Biometric Recognition and Authentication Systems: Face Recognition.
-
International Organization for Standardization (ISO) - ISO/IEC 30107-1:2023: Information Technology - Biometric Presentation Attack Detection - Part 1: Framework.
-
A Survey on Anti-Spoofing Methods for Facial Recognition with RGB Cameras of Generic Consumer Devices, 2021.