Ensiklopedia Biometrik

Kecerdasan Buatan Generatif

AI Generatif mengacu pada sistem kecerdasan buatan yang dapat menghasilkan data baru, seperti gambar, audio, teks, dan media sintetis, daripada hanya menganalisis data yang ada. AI ini menggunakan model pembelajaran mesin seperti Generative Adversarial Networks (GAN) dan model difusi yang dilatih pada kumpulan data besar untuk menghasilkan keluaran baru yang meniru pola dalam data pelatihan.

Aplikasi AI generatif yang umum termasuk membuat pemalsuan (mis, pertukaran wajah atau kloning suara), gambar fotorealistik, pembuatan musik/seni, dan menghasilkan teks yang mirip manusia. Selain memungkinkan kemungkinan kreatif baru, kemampuan AI generatif untuk menghasilkan media sintetis yang sangat realistis juga menimbulkan risiko seputar disinformasi, peniruan, dan penipuan identitas yang harus dilawan dengan deteksi kehidupan yang kuat.

Generative AI telah merevolusi bidang media sintesis, memungkinkan pembuatan pertukaran wajah yang sangat realistis dan konten serupa lainnya.

Apa Perbedaan antara Deepfakes dan AI Generatif?

Istilah deepfake secara historis digunakan untuk merujuk pada citra sintetis yang dibuat menggunakan jaringan syaraf tiruan. Dalam praktiknya, AI generatif dan deepfake sekarang sering digunakan secara bergantian karena ada tumpang tindih yang besar, tetapi deepfake lebih mungkin mengacu pada video, gambar, atau audio yang digunakan untuk tujuan jahat.

Sebaliknya, AI generatif mencakup keluaran dalam media apa pun (termasuk teks, seperti model bahasa [LLM] seperti ChatGPT) untuk tujuan apa pun. Singkatnya, deepfake adalah bagian dari AI generatif.

Apa yang Dapat Kita Lakukan untuk Memerangi Serangan AI Generatif?

Untuk mendeteksi media sintetis yang dibuat menggunakan AI generatif, teknologi verifikasi yang memanfaatkan AI terhadap AI sangat penting.

Ketika digunakan dengan verifikasi wajah biometrik, AI meningkatkan akurasi, keamanan, dan kecepatan proses verifikasi identitas. Pengguna dapat memverifikasi identitas mereka dari jarak jauh dengan memindai dokumen tepercaya dan wajah mereka. Model pembelajaran mendalam seperti Convolutional Neural Networks (CNN) mendeteksi dan mencocokkan gambar. Pada waktu yang bersamaan, deteksi kehidupan menggunakan visi komputer untuk memastikan bahwa gambar tersebut adalah orang sungguhan dan bukan tipuan yang tidak hidup, seperti deepfake, topeng, atau media sintetis lainnya.

Verifikasi wajah biometrik tetap menjadi salah satu metode yang paling andal dan nyaman untuk memverifikasi identitas dari jarak jauh dan mempertahankan diri dari serangan yang dihasilkan oleh AI. Namun, tidak semua teknologi biometrik wajah diciptakan sama. Vendor harus menerapkan mekanisme tantangan-tanggapan pasif yang kuat untuk memastikan bahwa individu jarak jauh adalah orang yang nyata dan mereka memverifikasi secara real time. Untuk melakukan hal ini, teknologi berbasis sains yang memanfaatkan kecerdasan buatan diperlukan untuk mendeteksi dengan yakin bahwa seseorang adalah orang yang 'hidup' (bukan tipuan AI generatif) dan mereka benar-benar hadir dan memverifikasi secara real-time.

Mekanisme respons-tantangan pasif iProov adalah Flashmark - sifat acak dari teknologi ini membuatnya tidak dapat diprediksi, tidak tahan terhadap serangan ulangan (ketika pelaku ancaman menyuntikkan upaya autentikasi sebelumnya untuk mem-bypass sistem), dan tidak mungkin untuk merekayasa balik. Ini adalah satu-satunya cara untuk memitigasi AI generatif dan serangan injeksi digital secara efektif dengan mendeteksi keberadaan asli dengan jaminan tinggi.

Baca selengkapnya: