By Kenna Hughes-Castleberry diposting 02 Des 2022
Berkat kemajuan teknologi, semakin sulit membedakan mana yang nyata dan mana yang tidak. Masalah ini diperparah dengan penggunaan teknologi deepfake—audio, dan video yang menggunakan AI untuk menggantikan individu atau suaranya. Sementara banyak deepfake telah berhasil digunakan untuk hiburan (seperti if Nicholas Cage berada di Raiders of the Lost Ark) atau game (seperti di atlet FIFA), sebagian besar dari mereka telah dibuat untuk lebih alasan jahat. Karena semakin mudah membuat video yang direkayasa ini, banyak ahli berharap komputasi kuantum dapat membantu mengatasi potensi ancaman dari teknologi yang sedang berkembang ini.
Bagaimana Cara Kerja Teknologi Deepfake?
Untuk membuat video deepfake yang sukses, Anda perlu Mesin belajar algoritma. “Algoritma pembelajaran mendalam mengajarkan diri mereka sendiri bagaimana memecahkan masalah dari kumpulan data besar, dan kemudian digunakan untuk bertukar wajah di seluruh video dan konten digital lainnya,” jelas Pasca-Kuantum CEO Andersen Cheng. Post-Quantum adalah perusahaan keamanan siber terkemuka yang berfokus pada tahan-kuantum keamanan, termasuk melawan deepfake. “Ada sejumlah metode untuk membuat deepfake ini,” kata Cheng, “tetapi yang paling populer adalah menggunakan jaringan saraf dalam yang melibatkan autoencoder. Sebuah penyandi otomatis adalah program AI pembelajaran mendalam yang mempelajari klip video untuk memahami seperti apa penampilan seseorang dari berbagai sudut dan lingkungan sekitar, lalu memetakan orang tersebut ke individu tersebut dengan menemukan ciri-ciri umum.”
Pengaturan teknologi deepfake (PC Wikimedia Commons)
Untuk memastikan autoencoder bekerja dengan sukses, beberapa klip video dari wajah subjek perlu dianalisis untuk memberikan kumpulan data yang lebih besar. Kemudian autoencoder dapat membantu membuat video komposit dengan menukar individu asli dengan subjek baru. Jenis pembelajaran mesin kedua yang disebut General Adversarial Network (GANs) akan mendeteksi dan memperbaiki kekurangan dalam video komposit baru. Menurut a artikel 2022: “GAN melatih 'generator' untuk membuat gambar baru dari representasi laten dari gambar sumber dan 'diskriminator' untuk mengevaluasi realisme materi yang dihasilkan.” Proses ini terjadi beberapa kali hingga pembeda tidak dapat mengetahui apakah video tersebut telah dimanipulasi dan deepfake sudah selesai.
Ancaman Teknologi Deepfake
Saat ini, ada banyak perangkat lunak sumber terbuka atau aplikasi gratis yang dapat digunakan individu untuk membuat deepfake. Meskipun ini mungkin tampak bermanfaat bagi banyak orang, terutama mereka yang berkecimpung di industri hiburan, hal ini telah menyebabkan beberapa masalah serius, bahkan kriminal. Menurut a Laporan deeptrace, 96% video deepfake online pada tahun 2019, tidak mengherankan, adalah pornografi. Sementara banyak dari video terlarang ini dibuat untuk membalas dendam pada seorang mantan, yang lain digunakan untuk membuat skandal bagi selebritas wanita dan bahkan politisi. Pada tahun 2018, video deepfake dirilis dari a partai politik Belgia menunjukkan presiden Trump saat itu sedang mendiskusikan Kesepakatan Iklim Paris. Dengan berita palsu yang sudah menjadi masalah bagi masyarakat umum, video-video deepfake bisa menjadi penghalang yang mematahkan punggung unta. Bahkan audio deepfake mendatangkan malapetaka, sebagai salah satu file audio yang direkayasa dari CEO perusahaan teknologi ikut melakukan tindakan penipuan. Bagi Cheng, jenis media seperti ini dapat menurunkan kepercayaan publik dengan cepat. “Kami memiliki masalah kepercayaan masyarakat yang lebih luas-bagaimana publik dapat membedakan antara apa yang nyata dan apa yang palsu,” tambah Cheng. “Seperti yang telah kita lihat, bahkan ada bukti bahwa deepfake digunakan untuk melewati tindakan perlindungan seperti otentikasi biometrik.” Dengan kekhawatiran yang berkembang ini, Cheng dan timnya di Post-Quantum percaya bahwa mereka memiliki solusi berupa Nomidio, perangkat lunak ultra-keamanan khusus.
Mempersiapkan Ancaman Teknologi DeepFake
Melihat berbagai ancaman yang ditimbulkan oleh komputasi kuantum dan deepfake, Cheng dan tim ini menciptakan Nomidio untuk memastikan identitas login dan bahkan autentikasi biometrik tetap aman. “Nomidio adalah layanan biometrik multi-faktor biometrik (MFB) biometrik tanpa kata sandi yang memungkinkan autentikasi aman dengan pengalaman pengguna yang sederhana dan intuitif,” kata Cheng. “Ini menggantikan login berbasis nama pengguna/kata sandi dan sistem masuk tunggal, dengan pengguna diautentikasi terhadap profil biometrik mereka dengan autentikasi multi-faktor (MFA) di belakang layar.” Karena Cheng telah menjadi ahli keamanan siber selama bertahun-tahun, dia memastikan Nomidio juga aman dari deepfake. “Filosofi inti kami saat membuatnya adalah menggunakan input tambahan sebanyak mungkin dan autentikasi multi-faktor yang sebenarnya (yaitu dengan lebih dari dua faktor), jadi ini adalah solusi ideal untuk mengatasi setiap pengembangan teknologi deepfake di masa mendatang. Hal ini pada akhirnya disebabkan oleh fakta bahwa MFA tradisional tidak cukup, tetapi MFB dapat membuat serangan waktu nyata hampir tidak mungkin dilakukan. Artinya, kombinasi dari, misalnya, suara, wajah, dan kode PIN sangat aman dengan fakta bahwa faktor tunggal apa pun dapat dipalsukan, tetapi memalsukan ketiganya dalam contoh yang sama hampir tidak mungkin. Dengan Nomidio, kombinasi biometrik suara dan wajah, pengenalan ucapan, data yang bergantung pada konteks, dan bahkan analisis perilaku, dapat digabungkan menjadi satu sistem autentikasi. ”
Sementara Nomidio sendiri tidak memanfaatkan komputasi kuantum untuk mengatasi ancaman deepfake, komputer kuantum berpotensi bekerja melawan file media palsu ini. Sebagai komputer kuantum sering memanfaatkan algoritme pembelajaran mesin untuk bekerja lebih cepat dan lebih efisien, mereka mungkin dapat mendeteksi video palsu atau file audio dengan kecepatan lebih cepat. Sementara teknologinya masih dikembangkan, dan hanya sedikit yang melihat deepfake sebagai kasus penggunaan potensial untuk komputer kuantum, mesin tingkat berikutnya ini dapat digunakan di masa depan untuk membuat media kita lebih jujur dan akurat.
Dengan ancaman teknologi deepfake yang semakin nyata, banyak pemerintah dan perusahaan sudah mencoba mencari cara untuk membantu memeranginya. Pada tahun 2021, Facebook meluncurkan Tantangan Pendeteksian Deepfake, dengan hadiah $500,000 bagi mereka yang menciptakan teknologi baru untuk mendeteksi deepfake. Di AS, negara bagian seperti California, Texas, dan Virginia memiliki undang-undang yang melarang penggunaan deepfake untuk pornografi dan politik. Itu Parlemen Eropa juga menetapkan lebih banyak peraturan seputar deepfake, memodifikasi Undang-Undang Layanan Digital untuk memaksakan penggunaan label pada video deepfake. Meskipun undang-undang ini tidak akan efektif hingga tahun 2024, hal itu menunjukkan keseriusan ancaman teknologi deepfake.
Kenna Hughes-Castleberry adalah staf penulis di Inside Quantum Technology dan Science Communicator di JILA (kemitraan antara University of Colorado Boulder dan NIST). Ketukan tulisannya termasuk teknologi dalam, metaverse, dan teknologi kuantum.
