Deepfake: Teknik Manipulasi Video yang Mengerikan

Deepfake: Teknik Manipulasi Video yang Mengerikan – Penggunaan machine learning dapat membantu manusia dalam menyelesaikan permasalahan dengan cepat dan akurat, dari mulai menganalisis data keuangan, membantu dalam mengambil keputusan, pendeteksian perkelahian, ramalan cuaca dan lain sebagainya.

Filter face swap merupakan hasil dari machine learning yang populer dalam satu dekade terakhir, filter face swap ini disediakan oleh pengembang aplikasi raksasa seperti Instagram dan TikTok.

Metode face swap terus berkembang seiring ditemukannya algoritma deepfake. Tetapi sayangnya teknologi ini dapat digunakan oleh orang yang tidak bertanggung jawab untuk melakukan tindakan kriminal, seperti contohnya melakukan tindakan pemalsuan video untuk mendapatkan keuntungan pribadi.

Deepfake

Dengan didukung oleh teknologi artificial intelligence (AI) dan machine learning (ML) serta meningkatnya kekuatan komputasi komputer, algoritma deepfake dapat membuat audio, foto ataupun video yang sulit dibuktikan orisinalitasnya oleh manusia.

Istilah dan kepopuleran deepfake dimulai dari user tanpa identitas di forum Reddit yang menamai dirinya ‘deepfakes‘yang berasal dari kata (deep learning + fakes), ia mengunggah video dewasa dengan mengubah wajah pemeran video tersebut dengan wajah seorang artis. Dan saat itu menghebohkan forum tersebut dan menjadi titik awal banyak terbuat dan tersebarnya video palsu yang saat itu banyak artis dan politisi menjadi korban utamanya.

Deepfake merupakan teknik untuk melapisi atau menukar objek audio atau visual dengan sumber objek audio visual lainnya. Model arsitektur Generative Adversarial Networks (GANs) populer digunakan sebagai dasar dari pembuatan deepfake.

Deepfake juga dapat dibedakan menjadi dua yaitu:

• Lip-sync deepfake:melakukan perubahan terhadap pergerakan pada bibir target di video dan menyesuaikan dengan suara audio yang diinginkan.
• Puppet-master deepfake: melakukan perubahan terhadap gerakan bibir, ekspresi wajah, pergerakan mata dan kepala dari orang pada target video dan menyesuaikan dengan orang pada video yang diinginkan.

Penyalahgunaan

Terdapat beberapa kasus kejahatan dengan menggunakan deepfake, beberapadiantaranya:

• Jesse John Campbell, 44 ditangkap dan didakwa atas penyalahgunaan deepfake karena membuat video pornografi dengan mengubah wajah pemeran dewasa dengan wajah anak-anak (sumber).
• Video palsu dari pendiri FTX, Sam Bankman-Fried, beredar di internet dengan menawarkan kompensasi atas kerugian yang diakibatkan dari kebangkrutan FTX (perusahaan pertukaran mata uang kripto) yang ternyata mengarahkan ke situs penipuan berkedok giveaway (sumber).
• CEO perusahaan yang berbasis di UK mengalami kerugian sebesar $243,000 setelah menerima telepon dari bosnya yang memerintahkan mentransfer sejumlah uang, yang ternyata suara bosnya merupakan suara palsu yang dibuat oleh AI (sumber).

Pemanfaatan

• Penggunaan deepfake untuk video klip ‘Kota Mati’ oleh grup band NOAH yang bertujuan untuk membuat para anggotanya terlihat seperti lebih muda (sumber).
• Penggunaan deepfake untuk ‘menghidupkan’ lukisan Mona Lisa oleh peneliti dari Samsung AI Lab Moskow, dengan membuat mata, mulut dan wajah lukisan tersebut bergerak (sumber).
• Mengembalikan pidato John F. Kennedy yang ‘hilang’ pada hari ia dibunuh (sumber).

Pembuatan

Terdapat beberapa cara dalam pembuatan deepfake. Salah satu cara yang terkenal dan mudah untuk membuat deepfake adalah dengan menggunakan DeepFaceLab. DeepFaceLab merupakan framework untuk melakukan penukaran wajah (face swapping) pada video.

Beberapa hal dibutuhkan untuk pembuatan deepfake dengan cara ini,yaitu:

• Komputer dengan spesifikasi yang cukup powerful (Disarankan GPU Nvidia dengan CUDA core tinggi).
• Software DeepFaceLab.
• Dataset video / frame (target dan sumber).

Untuk lebih lengkapnya dapat dibaca di Github DeepFaceLab.

Pencegahan

Satu cara untuk mencegah supaya tidak terkena dampak dari penyalahgunaan deepfake adalah dengan tidak sama sekali mengunggah foto atau video pribadi anda ke internet. Tetapi cara ini sulit atau mustahil bagi anda yang hidup di zaman serba digital ini.

Perusahaan Intel dengan peneliti Demir dan Umur Ciftci  mengembangkan teknologi yang dapat mendeteksi video palsu dengan akurasi hingga 96% yang diberi nama FakeCatcher.

Proses training dilakukan dengan mengumpulkan data video asli dan hasil deepfake. Kemudian menganalisis sinyal biologis pada manusia yaitu warna pembuluh darah yang ada pada wajah manusia dengan mengektraksinya menjadi Photoplethysmography (PPG) map. Lalu mengklasifikasikan apakah video itu asli atau palsu dengan menggunakan arsitektur convolutional neural networks (CNNs) dan Support Vector Machine (SVM).

Kesimpulan

Teknologi bagaikan dua mata pisau, tergantung pada siapa yang menggunakan, apakah akan berdampak baik atau buruk. Kemajuan teknologi harus diikuti dengan tanggung jawab yang besar.

Pada sisi positifnya, dengan berkembangnya deepfake bukan tidak mungkin membuka ruang imajinasi dan kreativitas manusia. Seperti ‘menghidupkan’ kembali sosok penemu terkenal yang telah tiada ke dalam sebuah film, dan banyak kemungkinan hal ‘gila’ lainnya.

Sumber:

1. Nguyen, T. T., Nguyen, Q. V. H., Nguyen, D. T., Nguyen, D. T., Huynh-The, T., Nahavandi, S., … & Nguyen, C. M. (2022). Deep learning for deepfakes creation and detection: A survey. Computer Vision and Image Understanding, 223, 103525.
2. Perov, I., Gao, D., Chervoniy, N., Liu, K., Marangonda, S., Umé, C., … & Zhang, W. (2020). DeepFaceLab: Integrated, flexible and extensible face-swapping framework. arXiv preprint arXiv:2005.05535.
3. Ciftci, U. A., Demir, I., & Yin, L. (2020). Fakecatcher: Detection of synthetic portrait videos using biological signals. IEEE transactions on pattern analysis and machine intelligence.
4. Kietzmann, J., Lee, L. W., McCarthy, I. P., & Kietzmann, T. C. (2020). Deepfakes: Trick or treat?. Business Horizons, 63(2), 135-146.