Apa itu Deepfake ?
Deepfake adalah media sintetis di mana seseorang dalam gambar atau video yang ada diganti dengan rupa orang lain.
Meskipun tindakan memalsukan konten bukanlah hal baru di Internet, Namun deepfake memanfaatkan teknik canggih dari pembelajaran mesin (Machine Learning) dan kecerdasan buatan AI untuk memanipulasi atau menghasilkan konten visual dan audio dengan potensi tinggi untuk menipu.
Metode pembelajaran mesin utama yang digunakan untuk membuat deepfake didasarkan pada pembelajaran mendalam (Deep Learning) dan melibatkan pelatihan arsitektur jaringan saraf generative seperti autoencoder atau generative adversarial networks (GANs)
Popularitas Deepfake kian menarik banyak perhatian karena biasa digunakan dalam video porno selebriti, berita palsu / hoax, dan penipuan berbasis finansial.
Peristiwa ini mengundang tanggapan dari industri dan pemerintah untuk mendeteksi dan membatasi penggunaanya.
Metode AI Reverse Engineering Facebook
Guna mengatasi hal ini, Facebook menjalin kerja sama dengan Michigan State University (MSU) untuk menyajikan metode penelitian untuk mendeteksi dan menghubungkan deepfake yang mengandalkan metode Reverse Engineering dari satu gambar yang dihasilkan AI ke model generatif yang digunakan untuk memproduksinya.
Menurut Facebook, Metode ini bisa memfasilitasi pendeteksian dan pelacakan Deepfake dalam pengaturan pengaturan dunia nyata (Real World Setting), di mana gambar deepfake itu sendiri seringkali dijadikan media oleh detector Deepfake tersebut.
Cara Kerja AI Reverse Engineering Facebook
Facebook mulai dengan menjalankan gambar deepfake melalui fingerprint estimation network (FEN) untuk memperkirakan detail tentang sidik jari yang ditinggalkan oleh model generatif.
Sidik jari perangkat adalah pola yang halus namun unik yang tertinggal pada setiap gambar yang dihasilkan oleh perangkat tertentu karena ketidaksempurnaan dalam proses pembuatannya.
Dalam fotografi digital, sidik jari digunakan untuk mengidentifikasi kamera digital yang digunakan untuk menghasilkan gambar.
Mirip dengan sidik jari perangkat, sidik jari gambar adalah pola unik yang tertinggal pada gambar yang dihasilkan oleh model generatif yang sama-sama dapat digunakan untuk mengidentifikasi model generatif tempat gambar itu berasal.
Dalam Hal ini, Facebook menggunakan Model Parsing.
Ia adalah metode yang menggunakan perkiraan sidik jari model generatif untuk memprediksi hyperparameter model, yaitu, properti model yang membentuk arsitekturnya, termasuk jumlah lapisan jaringan, jumlah blok, dan jenis operasi. digunakan di setiap blok.
Baca Artikel Tentang Cryptcurrency :
- Menggali Mata Uang Kripto hingga ke Akarnya
- Keuntungan Kriptografi dalam Investasi Kripto
- Tips Aman Berinvestasi Kripto
Contoh hyperparameter model yang memengaruhi jenis deepfake yang dihasilkannya adalah fungsi kehilangan pelatihannya, yang memandu bagaimana model akan dilatih.
Baik arsitektur jaringan model dan jenis fungsi kehilangan pelatihannya akan berdampak pada bobotnya dan dengan demikian memengaruhi cara model itu menghasilkan gambar.
Untuk memahami hyperparameter dengan lebih baik, pikirkan model generatif sebagai jenis mobil dan hyperparameternya sebagai berbagai komponen mesin spesifiknya.
Mobil yang berbeda dapat terlihat serupa, tetapi di bawah kap mesin mereka dapat memiliki mesin yang sangat berbeda dengan komponen yang sangat berbeda.
Teknik reverse engineering Facebook seperti mengenali komponen mobil berdasarkan bunyinya, meskipun ini adalah mobil tersebut baru bagi Facebook.