Peneliti Ciptakan Alat Pendeteksi Gambar Palsu Deepfake

Dengan penggunaan AI, hasil modifikasi Deepfake bisa sangat halus dan realistis sehingga tampak meyakinkan. Deepfake sering disalahgunakan, misalnya untuk membuat konten berbau pornografi yang seakan-akan diperankan orang tertentu, padahal bukan.

Meski demikian, ternyata ada cara untuk mendeteksi gambar hasil olahan Deepfake, seperti yang ditunjukkan oleh tool buatan tim peneliti dari Universitas Buffalo, New York, AS.

Tool ini bekerja dengan mendeteksi refleksi cahaya yang dipantulkan oleh mata. Secara spesifik, tools bikinan peneliti ini akan menganalisa pola reflektif yang terpantul pada kornea.

Bagian kornea yang merupakan lapisan luar mata manusia bersifat reflektif sehingga akan memantulkan bayangan benda-benda di sekelilingnya. Pola pantulan inilah yang kemudian dianalisa.

Pada foto yang memuat wajah asli, bayangan benda-benda yang terdapat pada kedua mata akan memiliki bentuk dan pola yang sama. Sebaliknya, foto Deepfake biasanya memikiki pola reflektif yang tidak konsisten antara satu mata dengan mata lainnya.

Setelah berhasil menganalisa pola reflektif cahaya, tool ini kemudan bakal melakukan perhitungan skor. Semakin kecil skor yang dihasilkan, maka semakin besar kemungkinan bahwa foto tersebut merupakan gambar Deepfake.

Dihimpun KompasTekno dari The Next Web, Senin (15/3/2021), tool tersebut diklaim memiliki tingkat akurasi yang tinggi dalam mendeteksi gambar Deepfake, yakni mencapai 94 persen.

Angka tersebut diperoleh berdasarkan hasil pengujian yang dilakukan peneliti terhadap foto yang diambil dari This Person Does Not Exist, sebuah repositori gambar Deepfake yang dibuat dengan arsitektur StyleGAN2.

Meski demikian, tool pendeteksi Deepfake ini masih memiliki beberapa kelemahan karena mengandalkan refleksi cahaya yang dipantulkan oleh kedua mata. Pantulan itu bisa saja dimodifikasi suapaya lebih seragam dan sulit dideteksi.

Selain itu, tools yang bersangkutan hanya dapat bekerja dengan baik pada gambar bergaya portrait. Apabila wajah yang terdapat di dalam gambar tidak menghadap kamera, maka sistem kemungkinan tidak dapat bekerja dengan semestinya.

Para peneliti Universitas Buffalo sekarang sedang meyempurnakan tool buatannya untuk mengatasi kelemahan-kelemahan di atas. Hasil studi mereka dapat dilihat di tautan berikut.