Terungkap! AI Baru Ini Sukses Bongkar Wajah Palsu Deepfake hingga 99%
Riset Keele University hadirkan FDIP-NET, model AI pendeteksi manipulasi wajah berbasis pola kecerahan dan fisika dengan akurasi tembus 99 persen.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Peneliti Keele University ciptakan FDIP-NET untuk melacak manipulasi wajah dari pola variasi kecerahan.
- Akurasi model mencapai 98,6% hingga 99,6% pada pengujian dataset gambar publik dan 91% pada frame video.
- Teknologi ini memperkuat perlindungan verifikasi identitas digital dan mitigasi penipuan bagi korporasi.
Modus penipuan identitas berbasis deepfake kian mengancam keamanan operasional dan transaksi bisnis modern. Menjawab tantangan tersebut, tim peneliti dari Keele University berhasil mengembangkan model kecerdasan buatan baru yang mampu mendeteksi manipulasi wajah sintetis dengan akurasi melampaui 99 persen.
Sebagaimana dilaporkan TechXplore, sistem bernama FDIP-NET ini dipimpin oleh kandidat Ph.D. Saman Maghsoudi bersama Dr. Sangeeta Sangeeta dan Dr. Nadia Kanwal dari School of Computer Science and Mathematics Keele University. Riset ini telah resmi dipublikasikan dalam jurnal Frontiers in Imaging.
Deteksi Berbasis Pola Kecerahan dan Fisika
Alih-alih melacak gerakan orang dari waktu ke waktu, FDIP-NET menggabungkan data warna citra konvensional dengan tiga parameter tambahan dari variasi kecerahan gambar. Pengukuran ini mengadopsi konsep matematika mekanika fluida untuk memetakan struktur visual tanpa memodelkan pergerakan fisik cairan secara nyata.
Dalam serangkaian uji coba pada dataset publik, model ini mencatat rata-rata akurasi tes 98,654 persen pada DFRI, 98,952 persen pada DF-wild, dan 99,669 persen pada RFF-140K. Pengujian pada frame video melalui dataset FaceForensics++ c23 juga menorehkan akurasi rata-rata 91 persen.
Ketika wajah buatan AI semakin meyakinkan, menilai keaslian gambar menjadi krusial untuk menjaga kepercayaan media digital serta memerangi penipuan identitas dan disinformasi.
Meski menunjukkan presisi tinggi, para peneliti mencatat bahwa deteksi pada dataset yang belum pernah dilatih sebelumnya tetap menjadi tantangan riset berikutnya. Sistem ini juga mengalibrasi tingkat keyakinan prediksi terhadap faktor keburaman gambar, tingkat kecerahan, dan kontras.
Apa Artinya bagi Pelaku Usaha
Lompatan teknologi deteksi ini sangat relevan bagi industri perbankan, fintech, dan penyedia layanan digital yang mengandalkan verifikasi identitas elektronik (e-KYC). Maraknya rekayasa wajah berbasis generatif AI meningkatkan risiko pembobolan rekening atau pencurian identitas pelanggan secara masif.
Pelaku usaha di Indonesia perlu mulai mengaudit protokol verifikasi visual yang berjalan saat ini. Mengandalkan pemeriksaan visual manual atau sistem deteksi konvensional tidak lagi cukup untuk membendung ancaman rekayasa digital yang semakin rapi.
Sebagai langkah mitigasi, manajemen diimbau menyiapkan strategi keamanan berlapis. Selain menerapkan verifikasi multi-faktor, perusahaan dapat mulai menjajaki integrasi solusi analisis struktur gambar mutakhir guna menekan kerugian finansial akibat penipuan.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 10 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- TechXplore: Physics-inspired AI detects fake faces by analyzing color and brightness patterns
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Model FDIP-NET dikembangkan oleh tim peneliti Keele University untuk mendeteksi manipulasi wajah berbasis variasi kecerahan dan konsep fisika dengan akurasi melampaui 99%. | Didukung | “Researchers at Keele University have developed a physics-inspired AI model that achieved high accuracy in tests distinguishing genuine facial images from AI-generated or manipulated images.” Dinyatakan dalam paragraf pembuka TechXplore mengenai pengembangan model FDIP-NET oleh Keele University. |
| Riset ini dipimpin oleh kandidat Ph.D. Saman Maghsoudi bersama Dr. Sangeeta Sangeeta dan Dr. Nadia Kanwal dari School of Computer Science and Mathematics Keele University. | Didukung | “The research team, led by Ph.D. candidate Saman Maghsoudi from Keele's School of Computer Science and Mathematics, has created a tool that analyzes color information and patterns of brightness” Disebutkan secara eksplisit dalam laporan TechXplore. |
| Riset telah dipublikasikan dalam jurnal Frontiers in Imaging. | Didukung | “Published in Frontiers in Imaging , the findings highlight the potential of combining conventional color-image features” Disebutkan dalam teks TechXplore mengenai publikasi jurnal ilmiah temuan tersebut. |
| FDIP-NET menggabungkan data warna citra konvensional dengan tiga pengukuran turunan variasi kecerahan yang mengadopsi konsep matematika mekanika fluida tanpa memodelkan pergerakan fisik cairan. | Didukung | “These measurements are inspired by mathematical concepts from fluid dynamics and describe local image structure without modeling physical fluid motion.” Disebutkan dalam penjelasan teknis model di laporan TechXplore. |
| Model menganalisis warna dan variasi spasial kecerahan alih-alih melacak gerakan orang dari waktu ke waktu. | Didukung | “The model analyzes color and spatial variations in image brightness, rather than tracking a person's movement or changes over time.” Disebutkan dalam laporan TechXplore. |
| Model FDIP-NET mencatatkan rata-rata akurasi tes 98,654% pada DFRI, 98,952% pada DF-wild, dan 99,669% pada RFF-140K. | Didukung | “FDIP-NET achieved mean test accuracies of 98.654%, 98.952% and 99.669% on DFRI, DF-wild and RFF-140K, respectively.” Tercantum pada rincian hasil eksperimen di TechXplore. |
| Pada evaluasi frame video dataset FaceForensics++ c23, FDIP-NET mencapai akurasi rata-rata 91%. | Didukung | “the model achieved 91% mean accuracy on individual video frames.” Disebutkan pada hasil pengujian video frame di TechXplore. |
| Saman Maghsoudi menyatakan penilaian keaslian gambar krusial bagi kepercayaan media digital serta upaya memerangi penipuan identitas dan disinformasi seiring kian meyakinkannya wajah buatan AI. | Didukung | “As AI-generated faces become more convincing, assessing image authenticity is increasingly important for trust in digital media and efforts to tackle impersonation and misinformation.” Kutipan langsung pernyataan Saman Maghsoudi di TechXplore. |
| Deteksi pada dataset yang belum pernah diuji sebelumnya masih menjadi tantangan riset berikutnya. | Didukung | “separate tests showed that reliable detection on unfamiliar datasets remains a challenge for future research.” Disebutkan dalam pembahasan keterbatasan dan arah riset di TechXplore. |
| Sistem ini mengalibrasi keyakinan prediksi dan memeriksa hubungan kesalahan deteksi dengan properti gambar seperti blur, kecerahan, dan kontras. | Didukung | “The framework also calibrates prediction confidence and examines how detection errors are associated with image properties such as blur, brightness and contrast.” Disebutkan dalam penjelasan kerangka kerja model di TechXplore. |
Video AI terbaru
Autonomous Vehicle Safety: 5 Things to Know
