Face recognition telah menjadi metode autentikasi yang banyak digunakan, mulai dari membuka smartphone hingga mengakses aplikasi perbankan. Kemudahan dan kecepatannya membuat teknologi ini semakin populer. Namun, kemunculan deepfake yang semakin realistis memunculkan pertanyaan: apakah face recognition masih aman?
Berkat perkembangan Generative AI, pembuatan foto, video, dan suara palsu kini menjadi jauh lebih mudah dan murah. Kemampuan ini meningkatkan risiko pemalsuan identitas dan menghadirkan tantangan baru bagi sistem autentikasi biometrik yang selama ini dianggap sebagai salah satu metode keamanan paling andal.
Face recognition adalah teknologi biometrik yang digunakan untuk mengidentifikasi atau memverifikasi identitas seseorang berdasarkan karakteristik unik pada wajah. Sistem ini bekerja dengan menangkap citra wajah pengguna, kemudian membandingkannya dengan data biometrik yang telah tersimpan untuk menentukan kecocokan identitas. Teknologi ini semakin banyak digunakan karena menawarkan berbagai keunggulan, antara lain:
Popularitas face recognition juga tercermin dalam hasil penelitian terbaru oleh He et al. (2025) dalam “Identity Deepfake Threats to Biometric Authentication Systems: Public and Expert Perspectives” yang melibatkan 408 responden dari berbagai sektor. Penelitian tersebut menemukan bahwa 67,6% responden pernah menggunakan autentikasi wajah, sementara 88% menggunakan autentikasi biometrik untuk layanan perbankan dan keuangan. Selain itu, 93,1% responden menggunakan smartphone sebagai perangkat utama untuk autentikasi, menunjukkan bahwa teknologi biometrik, termasuk face recognition, telah menjadi bagian penting dari aktivitas digital sehari-hari.
Dengan tingkat adopsi yang terus meningkat, face recognition kini menjadi salah satu fondasi utama dalam sistem keamanan digital modern. Namun, berkembangnya teknologi deepfake mulai menimbulkan tantangan baru terhadap keandalan metode autentikasi ini.
Baca juga: Evolusi Algoritma dalam Menangkal Deepfake
Deepfake adalah konten sintetis yang dibuat menggunakan kecerdasan buatan (AI) untuk meniru wajah, suara, atau perilaku seseorang secara realistis. Menurut He et al. (2025), teknologi ini memanfaatkan model AI seperti GAN, VAE, dan diffusion models untuk menghasilkan gambar maupun video yang sangat sulit dibedakan dari aslinya. Pada awal kemunculannya, deepfake masih memiliki sejumlah kelemahan yang relatif mudah dikenali, seperti:
Namun, perkembangan AI membuat tanda-tanda tersebut semakin sulit ditemukan. Saat ini, deepfake mampu menghasilkan gambar dan video dengan tingkat realisme yang sangat tinggi sehingga sering kali berhasil menipu pengamatan manusia. Karena itu, deepfake tidak lagi hanya digunakan untuk hiburan, tetapi juga berpotensi dimanfaatkan untuk penipuan, pencurian identitas, dan serangan terhadap sistem autentikasi biometrik seperti face recognition.
Masalah utama muncul karena banyak sistem face recognition masih mengandalkan karakteristik wajah yang bersifat statis. Penelitian oleh He et al. (2025), menunjukkan bahwa para ahli keamanan siber semakin khawatir terhadap kemampuan deepfake dalam meniru wajah dan suara manusia. Bahkan, beberapa pakar menilai bahwa metode autentikasi yang hanya menggunakan foto wajah atau voice print tunggal kini menjadi target yang relatif mudah untuk diserang apabila data biometrik korban tersedia secara publik. Penyerang biasanya melakukan beberapa tahapan:
Yang membuat ancaman ini semakin serius adalah fakta bahwa pelaku tidak lagi memerlukan sumber daya besar. Dengan layanan AI yang tersedia secara komersial, proses pembuatan deepfake dapat dilakukan dengan biaya yang relatif murah dan waktu yang singkat.
Menurut He et al. (2025), tidak semua sistem face recognition memiliki tingkat kerentanan yang sama terhadap serangan deepfake. Risiko keberhasilan spoofing sangat bergantung pada desain sistem, metode verifikasi yang digunakan, serta kemampuan sistem dalam membedakan wajah asli dengan konten sintetis yang dihasilkan AI.
Sistem yang hanya memeriksa foto wajah statis memiliki risiko lebih tinggi terhadap serangan deepfake. Jika mekanisme verifikasi hanya membandingkan gambar wajah dengan data biometrik yang tersimpan, maka peluang keberhasilan pemalsuan identitas menjadi lebih besar. Para peneliti juga mencatat bahwa autentikasi berbasis satu gambar wajah atau satu sampel suara kini semakin rentan karena deepfake modern mampu menghasilkan replika yang sangat realistis.
Untuk mengurangi risiko tersebut, banyak vendor telah menerapkan teknologi liveness detection guna memastikan bahwa wajah yang diperiksa berasal dari manusia yang hadir secara langsung, bukan foto atau video yang diputar ulang. Teknologi ini biasanya memeriksa beberapa indikator, seperti:
Namun, penelitian He et al. (2025) menunjukkan bahwa deepfake generasi terbaru mulai mampu meniru sebagian sinyal fisiologis tersebut dengan cukup meyakinkan. Akibatnya, efektivitas liveness detection tradisional berpotensi menurun seiring perkembangan teknologi AI yang semakin canggih.
Meskipun menyadari risiko yang ditimbulkan oleh deepfake, para ahli tidak menyarankan untuk meninggalkan face recognition sepenuhnya. Menurut He et al. (2025), teknologi ini masih memiliki peran penting dalam autentikasi digital, tetapi perlu terus dikembangkan agar mampu menghadapi teknik pemalsuan identitas yang semakin canggih.
Penelitian tersebut juga menemukan adanya perbedaan pandangan antara masyarakat umum dan para ahli. Masyarakat cenderung mempercayai biometrik karena kemudahan penggunaannya, sementara para ahli lebih memahami keterbatasan dan potensi risikonya. Karena itu, face recognition sebaiknya digunakan sebagai bagian dari strategi keamanan berlapis, bukan sebagai satu-satunya mekanisme autentikasi.
Untuk menghadapi ancaman deepfake yang semakin canggih, para peneliti mulai mendorong penggunaan biometrik dinamis sebagai pelengkap atau bahkan pengganti sebagian metode autentikasi berbasis wajah statis. Menurut He et al. (2025), biometrik dinamis memanfaatkan karakteristik perilaku dan respons fisiologis yang lebih sulit ditiru oleh AI dibandingkan sekadar foto atau bentuk wajah.
Meskipun masih menghadapi tantangan dari sisi implementasi dan kenyamanan pengguna, biometrik dinamis dinilai sebagai salah satu arah pengembangan paling menjanjikan untuk meningkatkan keamanan face recognition di era deepfake.
Untuk menghadapi ancaman deepfake terhadap sistem face recognition, organisasi perlu menerapkan pendekatan keamanan berlapis. Menurut He et al. (2025), kombinasi teknologi, tata kelola data yang baik, dan peningkatan kesadaran pengguna menjadi kunci untuk mengurangi risiko pemalsuan identitas berbasis AI.
Dengan menerapkan langkah-langkah tersebut, organisasi dapat meningkatkan ketahanan sistem autentikasi biometrik sekaligus mengurangi peluang keberhasilan serangan deepfake yang semakin canggih.
Baca juga: 5 Tanda Video Deepfake yang Harus Kamu Waspadai
Jadi, apakah face recognition masih aman di era deepfake? Jawabannya adalah ya, tetapi tidak lagi cukup jika digunakan sebagai satu-satunya mekanisme autentikasi. Berbagai penelitian menunjukkan bahwa kemampuan deepfake yang semakin realistis telah meningkatkan risiko terhadap sistem autentikasi berbasis wajah, terutama yang masih mengandalkan biometrik statis. Karena itu, organisasi perlu mengombinasikan face recognition dengan teknologi seperti liveness detection, biometrik dinamis, continuous authentication, serta tata kelola data dan edukasi pengguna yang lebih baik. Dengan pendekatan keamanan berlapis, face recognition tetap dapat menjadi bagian penting dari strategi perlindungan identitas digital di masa depan.