Portal Berita Ekonomi Minggu, 05 April 2020

Perspektif Baru Bisnis & Ekonomi

  • icon facebook kecil
  • icon twitter kecil
  • icon feed kecil
  • icon youtube kecil
  • icon email kecil
Executive Brief

Teknik Deepfake AI Digunakan untuk Mematai-Matai

Teknik Deepfake AI Digunakan untuk Mematai-Matai - Warta Ekonomi
WE Online, Jakarta -

Penggunaan media sosial seperti LinkedIn untuk aktivitas mata-mata (spionase) sudah terjadi, menurut William Evanina, Direktur Pusat Kontra-Intelijen dan Keamanan Nasional AS. Menurutnya, ketimbang mengirim mata-mata ke beberapa garasi parkir di Amerika Serikat untuk memantau target, penggunaan teknik deepfake AI di media sosial saat ini lebih efisien.

"Tinggal duduk di depan layar komputer di Shanghai misalnya dan mengirimkan permintaan pertemanan hingga 30.000 target lewat LinkedIn," kata dia kepada The Associated Press, belum lama ini.

Baca Juga: China Menuduh AS Aktor Intelektual Demo di Hong Kong

William merujuk kasus deepfake akun LinkedIn baru-baru ini bernama Katie Jones. Kasusnya tidak biasa karena menggunakan metode AI yang dikenal sebagai generative adversarial network (atau GAN) untuk membuat gambar profil palsu akun. Penggunaan GAN untuk membuat wajah palsu memang terjadi dalam beberapa tahun terakhir, seperti yang ditunjukkan situs ThisPersonDoesNotExist.com.

Meskipun mata-mata yang menggunakan LinkedIn dapat mengambil foto media sosial secara acak untuk membuat akun mereka, namun akan ketahuan jika kita mengamati foto tersebut lebih dekat. Dalam kasus Katie Jones, dapat dilihat bahwa wajahnya sedikit asimetris dengan latar belakangnya. Tepi rambut dan telinganya juga buram dan ada garis-garis aneh pada wajahnya.

The AP sendiri menyimpulkan gambar tersebut dibuat menggunakan teknik pembelajaran mesin. Kejadian seperti ini Katie Jones menunjukkan bahwa kekhawatiran bahwa deepfake AI bisa dimanfaatkan oleh orang jahat bukan hal yang tidak nyata.

Namun bahaya terbesar terkait mata-mata LinkedIn sebenarnya bukan deepfake AI sendiri, tetapi pengguna yang kurang teliti menerima permintaaan pertemanan misalnya. Seperti yang dikatakan Paul Winfree, ekonom dan calon anggota dewan Federal Reserve bahwa ia mungkin pengguna LinkedIn terburuk karena ia benar-benar menerima setiap permintaan teman yang didapatkannya.

Ada jutaan anak yang terkendala belajar online karena keterbatasan akses internet. Ada banyak tenaga medis yang tidak dibekali APD lengkap. Mari kita sama-sama sukseskan kampanye #AmanDiRumah untuk mencegah penyebaran Covid-19.

Donasi Anda akan disalurkan untuk membantu pengadaan APD dan fasilitas pendidikan online anak-anak Indonesia. Informasi soal donasi klik di sini.

Baca Juga

Tag: Artificial Intelligence, Deepfake

Penulis: Yosi Winosa

Editor: Cahyo Prayogo

Foto: Reuters/Kacper Pempel

loading...
Kurs Rupiah
Mata Uang Simbol Nilai Jual Beli
Arab Saudi Riyal SAR 1.00 4,398.86 4,352.78
British Pound GBP 1.00 20,494.27 20,285.43
China Yuan CNY 1.00 2,336.23 2,311.67
Dolar Amerika Serikat USD 1.00 16,546.32 16,381.68
Dolar Australia AUD 1.00 10,032.03 9,928.94
Dolar Hong Kong HKD 1.00 2,134.68 2,113.30
Dolar Singapura SGD 1.00 11,569.24 11,453.32
EURO Spot Rate EUR 1.00 17,964.34 17,779.04
Ringgit Malaysia MYR 1.00 3,803.75 3,758.13
Yen Jepang JPY 100.00 15,340.55 15,185.09
Ringkasan BEI
No Name Today Change Stock
1 Composite Index 4623.429 91.744 687
2 Agriculture 936.003 11.914 22
3 Mining 1225.526 31.432 49
4 Basic Industry and Chemicals 652.518 51.220 78
5 Miscellanous Industry 736.691 0.113 51
6 Consumer Goods 1712.721 8.686 57
7 Cons., Property & Real Estate 326.084 -0.307 89
8 Infrastruc., Utility & Trans. 825.116 22.729 79
9 Finance 990.464 18.601 92
10 Trade & Service 596.613 2.104 170
No Code Prev Close Change %
1 REAL 61 82 21 34.43
2 KOBX 67 90 23 34.33
3 BTON 130 165 35 26.92
4 DOID 109 137 28 25.69
5 KBLI 400 500 100 25.00
6 SAMF 272 340 68 25.00
7 SAPX 935 1,165 230 24.60
8 DNAR 250 310 60 24.00
9 TMAS 80 99 19 23.75
10 PJAA 480 590 110 22.92
No Code Prev Close Change %
1 SRAJ 200 186 -14 -7.00
2 KRAH 486 452 -34 -7.00
3 BBHI 86 80 -6 -6.98
4 JAST 505 470 -35 -6.93
5 HRME 535 498 -37 -6.92
6 KONI 494 460 -34 -6.88
7 POLL 9,450 8,800 -650 -6.88
8 SRTG 3,080 2,870 -210 -6.82
9 AGII 470 438 -32 -6.81
10 MAPA 1,705 1,590 -115 -6.74
No Code Prev Close Change %
1 BBRI 2,870 2,890 20 0.70
2 REAL 61 82 21 34.43
3 BRPT 830 1,000 170 20.48
4 BBCA 27,050 27,475 425 1.57
5 ELSA 181 204 23 12.71
6 MEDC 432 480 48 11.11
7 FREN 62 76 14 22.58
8 PGAS 800 800 0 0.00
9 LPPF 1,160 1,095 -65 -5.60
10 PAMG 107 104 -3 -2.80