Verifikasi identitas secara digital semakin umum digunakan dalam berbagai layanan, mulai dari pembukaan rekening, registrasi akun, layanan keuangan, hingga akses ke aplikasi tertentu.
Salah satu metode yang sering digunakan adalah verifikasi wajah. Namun, mencocokkan wajah saja belum selalu cukup.
Sistem juga perlu memastikan bahwa wajah yang berada di depan kamera berasal dari orang hidup yang benar-benar hadir, bukan foto, rekaman video, layar perangkat, atau bentuk manipulasi lainnya.
Di sinilah liveness detection berperan.
Liveness detection adalah teknologi biometrik yang membantu menentukan apakah sampel wajah yang ditangkap kamera berasal dari orang hidup yang hadir secara langsung saat proses verifikasi berlangsung.
Teknologi ini menjadi salah satu lapisan keamanan penting dalam proses verifikasi identitas digital berbasis wajah.
Apa Itu Liveness Detection?
Liveness detection merupakan teknologi yang digunakan untuk membedakan wajah manusia yang nyata dengan representasi atau manipulasi wajah yang digunakan untuk mencoba melewati sistem verifikasi.
National Institute of Standards and Technology (NIST) menempatkan liveness detection sebagai bagian dari Presentation Attack Detection atau PAD, yaitu mekanisme untuk mendeteksi upaya menyerang sistem biometrik menggunakan representasi identitas tertentu.
Contohnya dapat berupa foto wajah yang dicetak, gambar yang ditampilkan pada layar, atau rekaman video seseorang.
Teknologi liveness detection menganalisis karakteristik tertentu untuk menentukan apakah wajah yang ditangkap berasal dari orang hidup yang hadir pada saat proses berlangsung.
Namun, liveness detection perlu dibedakan dari face recognition atau face verification.
Apa Perbedaan Liveness Detection dan Face Recognition?
Keduanya sering digunakan bersama, tetapi memiliki fungsi yang berbeda.
Face recognition atau face verification digunakan untuk memeriksa apakah wajah seseorang cocok dengan identitas yang menjadi referensi.
Misalnya, sistem membandingkan wajah pengguna di depan kamera dengan foto pada data identitas yang telah tersimpan.
Sementara itu, liveness detection menjawab pertanyaan yang berbeda: apakah wajah yang sedang diperiksa berasal dari manusia hidup yang benar-benar hadir?
Secara sederhana:
Face verification: “Apakah wajah ini milik orang yang benar?”
Liveness detection: “Apakah orang tersebut benar-benar hadir di depan kamera?”
Kedua kemampuan tersebut dapat digunakan bersama dalam proses verifikasi identitas digital.
Jika sistem hanya melakukan pencocokan wajah tanpa mengecek liveness, terdapat risiko seseorang mencoba menggunakan foto atau representasi wajah lain untuk melewati proses verifikasi.
Bagaimana Cara Kerja Liveness Detection?
Cara kerja liveness detection dapat berbeda tergantung pada teknologi yang digunakan.
Secara umum, sistem menganalisis gambar atau video wajah untuk mencari karakteristik yang menunjukkan bahwa pengguna merupakan orang hidup yang hadir secara langsung.
Prosesnya biasanya dimulai ketika kamera menangkap wajah pengguna.
Sistem kemudian menganalisis informasi visual tersebut untuk mencari indikasi keaslian atau tanda-tanda manipulasi.
Pada sistem yang lebih maju, analisis dapat mempertimbangkan berbagai karakteristik seperti tekstur wajah, kedalaman, gerakan, pencahayaan, pola tertentu pada gambar, atau karakteristik lain yang sulit direplikasi melalui foto atau video sederhana.
Hasil analisis kemudian digunakan untuk menentukan apakah proses dapat diteruskan ke tahap verifikasi identitas berikutnya.
Apa Itu Active Liveness Detection?
Active liveness detection meminta pengguna melakukan tindakan tertentu selama proses verifikasi.
Contohnya dapat berupa:
menggerakkan kepala, mengedipkan mata, tersenyum, mengikuti arah tertentu, atau melakukan challenge yang diberikan sistem.
Tujuannya adalah memperoleh respons yang menunjukkan bahwa pengguna benar-benar hadir dan dapat berinteraksi dengan proses verifikasi.
Pendekatan ini relatif mudah dipahami karena pengguna mengetahui bahwa sistem sedang melakukan pemeriksaan liveness.
Namun, proses tambahan tersebut juga dapat menambah friction dalam pengalaman pengguna.
Semakin banyak instruksi yang harus dilakukan, semakin panjang pula proses verifikasi.
Karena itu, implementasinya perlu mempertimbangkan keseimbangan antara keamanan dan user experience.
Apa Itu Passive Liveness Detection?
Berbeda dengan pendekatan active liveness, passive liveness detection berusaha melakukan pemeriksaan tanpa meminta pengguna melakukan banyak tindakan tambahan.
Pengguna biasanya cukup melihat kamera atau mengambil selfie seperti biasa.
Sistem kemudian menganalisis informasi dari gambar atau video yang ditangkap untuk mendeteksi indikasi bahwa wajah tersebut berasal dari manusia hidup.
Pendekatan ini dapat membuat proses verifikasi terasa lebih sederhana bagi pengguna.
NIST juga telah melakukan evaluasi terhadap algoritma passive, software-based Presentation Attack Detection yang bekerja menggunakan gambar wajah dua dimensi. Hal ini menunjukkan bagaimana kemampuan anti-spoofing dapat dikembangkan tanpa selalu membutuhkan challenge eksplisit dari pengguna.
Meski demikian, performa setiap teknologi dapat berbeda. Karena itu, pemilihan active atau passive liveness tidak hanya ditentukan oleh kenyamanan pengguna, tetapi juga tingkat risiko, jenis layanan, perangkat yang digunakan, serta kebutuhan keamanan organisasi.
Ancaman Apa yang Dibantu Dideteksi Liveness Detection?
Tujuan utama liveness detection adalah membantu mengurangi risiko spoofing pada sistem biometrik.
Beberapa contoh serangan yang dapat menjadi perhatian antara lain:
Foto Wajah
Seseorang dapat mencoba menunjukkan foto pengguna asli di depan kamera.
Foto tersebut dapat berupa hasil cetak maupun gambar pada perangkat lain.
Video Replay
Pelaku dapat mencoba menggunakan rekaman video wajah seseorang melalui layar smartphone, tablet, atau perangkat lainnya.
Mask atau Representasi Fisik
Pada serangan yang lebih kompleks, representasi wajah dapat dibuat menggunakan topeng atau objek tiga dimensi.
Manipulasi Digital dan Deepfake
Perkembangan Generative AI juga membuat manipulasi wajah digital menjadi semakin mudah.
Pada sistem tertentu, ancaman tidak hanya datang dari objek yang ditempatkan di depan kamera, tetapi juga dari manipulasi atau injeksi media digital ke dalam proses verifikasi.
Karena itu, implementasi liveness modern dapat dikombinasikan dengan berbagai mekanisme anti-spoofing dan Presentation Attack Detection sesuai dengan tingkat ancaman yang ingin dimitigasi.
Penting untuk dipahami bahwa kemampuan menghadapi setiap jenis serangan bergantung pada teknologi dan desain sistem yang digunakan. Istilah “liveness detection” sendiri tidak otomatis berarti sistem kebal terhadap seluruh bentuk manipulasi.
Mengapa Liveness Detection Penting dalam Verifikasi Identitas?
Semakin banyak proses yang berpindah ke kanal digital, semakin banyak pula aktivitas verifikasi yang dilakukan tanpa petugas bertemu langsung dengan pengguna.
Hal ini memberikan kemudahan, tetapi sekaligus menciptakan tantangan baru.
Dalam proses tatap muka, petugas dapat melihat secara langsung apakah seseorang benar-benar hadir.
Pada proses digital, sistem perlu memperoleh tingkat keyakinan yang serupa melalui teknologi.
Liveness detection membantu menyediakan lapisan pemeriksaan tersebut.
Teknologi ini dapat digunakan bersama face verification untuk membantu memastikan bahwa identitas yang diperiksa tidak hanya cocok secara visual, tetapi juga digunakan oleh orang yang hadir pada saat transaksi berlangsung.
Contoh Penggunaan Liveness Detection
Liveness detection dapat digunakan pada berbagai proses yang membutuhkan verifikasi identitas jarak jauh.
Digital Onboarding
Perusahaan dapat menggunakan verifikasi wajah dan liveness ketika pelanggan membuat akun atau mendaftarkan layanan secara online.
Pengguna dapat melakukan proses verifikasi melalui smartphone tanpa harus datang ke lokasi fisik.
eKYC
Pada proses electronic Know Your Customer atau eKYC, liveness detection dapat digunakan bersama verifikasi identitas dan pencocokan wajah.
Tujuannya adalah menambah tingkat keyakinan bahwa orang yang melakukan proses onboarding merupakan pemilik identitas yang digunakan.
Layanan Keuangan
Bank, fintech, asuransi, dan layanan keuangan lainnya dapat menggunakan pemeriksaan biometrik untuk mendukung proses pembukaan akun maupun transaksi tertentu yang membutuhkan autentikasi lebih kuat.
Digital Identity
Liveness detection juga relevan dalam pengembangan identitas digital.
Di Indonesia, Direktorat Jenderal Kependudukan dan Pencatatan Sipil (Dukcapil) pada September 2026 melakukan early market engagement untuk solusi facial liveness detection bagi aplikasi Identitas Kependudukan Digital (IKD).
Rencana tersebut menggabungkan facial liveness dengan verifikasi wajah 1:1 dan mempertimbangkan perlindungan terhadap presentation maupun injection attack, termasuk foto, video replay, mask, deepfake, dan manipulated media.
Hal ini menunjukkan bahwa liveness detection semakin relevan sebagai salah satu komponen keamanan dalam layanan identitas digital berskala nasional.
Apakah Liveness Detection Selalu Akurat?
Tidak ada sistem biometrik yang dapat dianggap sempurna dalam seluruh kondisi.
Performa liveness detection dapat dipengaruhi oleh banyak faktor seperti pencahayaan, kualitas kamera, kondisi jaringan, perangkat pengguna, karakteristik wajah, jenis serangan, hingga algoritma yang digunakan.
Karena itu, pengujian menjadi penting sebelum teknologi digunakan dalam skala besar.
Organisasi perlu memperhatikan dua sisi.
Sistem harus mampu mendeteksi upaya spoofing dengan baik, tetapi pada saat yang sama tidak boleh terlalu sering menolak pengguna yang sebenarnya valid.
Keseimbangan tersebut berpengaruh langsung terhadap keamanan dan pengalaman pengguna.
Pada implementasi berskala besar, faktor lain seperti kemampuan bekerja pada berbagai jenis perangkat, performa lintas demografi, response time, scalability, keamanan data biometrik, dan integrasi dengan sistem lain juga perlu diperhatikan. Isu-isu tersebut juga menjadi bagian dari area evaluasi yang disoroti Dukcapil dalam penjajakan solusi liveness detection untuk IKD.
Apakah Liveness Detection Aman?
Liveness detection dapat meningkatkan keamanan proses verifikasi biometrik, tetapi keamanan sistem tetap bergantung pada desain keseluruhan.
Data biometrik merupakan informasi yang sensitif.
Karena itu, perusahaan perlu mempertimbangkan bagaimana data dikumpulkan, dikirim, disimpan, digunakan, dan dilindungi.
Prinsip seperti data minimization, encryption, access control, monitoring, dan governance tetap diperlukan.
Liveness detection sebaiknya dipahami sebagai salah satu lapisan dalam sistem keamanan, bukan satu-satunya mekanisme perlindungan.
Liveness Detection dalam Telkom AI Center of Excellence
Pemanfaatan liveness detection menunjukkan bagaimana Artificial Intelligence dan computer vision dapat digunakan untuk menjawab kebutuhan bisnis yang sangat spesifik: membantu membuat proses verifikasi identitas digital lebih aman.
Capability tersebut menjadi bagian dari Telkom AI Center of Excellence, program strategis Telkom untuk mengoordinasikan dan mempercepat pemanfaatan AI agar dapat memberikan dampak bagi bisnis dan ekosistem nasional.
Telkom AI Center of Excellence dijalankan melalui lima pilar utama: AI Campus, AI Connect, AI Playground, AI Hub, dan AI Native.
AI Campus menghubungkan dunia akademik dan industri untuk mengembangkan talenta, riset, serta inovasi Artificial Intelligence.
AI Connect menjadi ruang kolaborasi yang mempertemukan talenta, bisnis, dan mitra untuk mendorong adopsi AI.
AI Playground membantu tim mengeksplorasi teknologi, membangun use case, serta menguji berbagai capability AI.
AI Hub membawa ide dan eksperimen AI menjadi solusi yang siap digunakan untuk menjawab kebutuhan bisnis dan industri.
Sementara AI Native mendorong AI menjadi bagian dari cara kerja Telkom sehari-hari.
Dalam konteks liveness detection, AI Hub memiliki keterkaitan paling langsung karena capability computer vision dapat dikembangkan dan diintegrasikan menjadi solusi verifikasi yang digunakan pada proses bisnis nyata.
Face Liveness sebagai Capability AI Telkom
Telkom AI Center of Excellence memiliki kelompok capability Face Recognition yang mencakup Face Detection, Face Similarity, Face Liveness, Face Orientation, Face Surveillance, serta Active & Passive Liveness.
Capability tersebut memungkinkan kebutuhan verifikasi wajah dikembangkan berdasarkan konteks penggunaan yang berbeda.
Dalam implementasi tertentu, organisasi mungkin hanya membutuhkan face matching.
Pada proses dengan risiko lebih tinggi, face verification dapat dikombinasikan dengan liveness detection untuk memberikan lapisan pemeriksaan tambahan.
Pilihan teknologi dan alur verifikasi kemudian dapat disesuaikan dengan kebutuhan bisnis, tingkat risiko, user experience, serta sistem yang perlu diintegrasikan.
AI Hub: Membawa Capability Liveness ke Implementasi Bisnis
Capability teknologi baru memberikan nilai ketika dapat diterapkan untuk menyelesaikan masalah yang nyata.
Di dalam Telkom AI Center of Excellence, AI Hub berperan menghubungkan kebutuhan industri dengan capability AI melalui proses pengembangan use case, validasi solusi, integrasi teknologi, hingga implementasi di lingkungan operasional.
Untuk liveness detection, pendekatan tersebut berarti implementasi tidak hanya berfokus pada algoritma.
Organisasi juga perlu menentukan di mana teknologi digunakan, data apa yang diproses, bagaimana face verification dilakukan, sistem apa yang perlu diintegrasikan, tingkat keamanan yang dibutuhkan, dan bagaimana pengalaman pengguna tetap dijaga.
Misalnya, sebuah perusahaan yang ingin melakukan digital onboarding tidak hanya membutuhkan kemampuan mendeteksi wajah hidup.
Perusahaan juga membutuhkan alur untuk memverifikasi identitas, menghubungkan hasil verifikasi ke sistem pelanggan, mengelola data dengan aman, serta menangani kondisi ketika proses verifikasi gagal.
Dengan demikian, liveness detection menjadi bagian dari sebuah solusi end-to-end, bukan teknologi yang berdiri sendiri.
Apa yang Perlu Dipertimbangkan Sebelum Menggunakan Liveness Detection?
Perusahaan sebaiknya memulai dari risiko dan kebutuhan bisnis yang ingin diselesaikan.
Apakah liveness digunakan untuk onboarding pengguna baru?
Apakah digunakan untuk autentikasi transaksi?
Seberapa sensitif layanan yang dilindungi?
Jenis serangan apa yang menjadi perhatian?
Setelah kebutuhan tersebut jelas, organisasi dapat menentukan pendekatan liveness, tingkat akurasi, user experience, integrasi, dan mekanisme keamanan yang sesuai.
Perusahaan juga perlu menguji teknologi menggunakan kondisi yang mendekati situasi nyata.
Pengguna dapat memiliki jenis smartphone, kualitas kamera, kondisi pencahayaan, dan jaringan yang berbeda.
Karena itu, performa dalam kondisi laboratorium belum tentu selalu sama dengan pengalaman pengguna di lapangan.
Liveness Detection adalah Bagian dari Keamanan Identitas Digital
Kemudahan layanan digital membuat proses verifikasi identitas dapat dilakukan dari hampir mana saja.
Namun, semakin mudah sebuah proses dilakukan secara remote, semakin penting pula mekanisme untuk memastikan bahwa orang yang berada di balik proses tersebut benar-benar hadir.
Liveness detection membantu menjawab kebutuhan tersebut dengan menambahkan pemeriksaan terhadap keaslian kehadiran pengguna dalam proses biometrik.
Teknologi ini tidak menggantikan face verification, keamanan data, ataupun mekanisme autentikasi lainnya.
Sebaliknya, liveness detection menjadi salah satu lapisan dalam sistem verifikasi identitas yang lebih menyeluruh.
Bagi perusahaan, nilai teknologi ini bukan hanya pada kemampuannya mendeteksi wajah hidup, tetapi pada bagaimana capability tersebut dapat diintegrasikan menjadi proses digital yang aman, nyaman, dan sesuai dengan tingkat risiko bisnis.
Pertanyaan Umum tentang Liveness Detection
Apa itu liveness detection?
Liveness detection adalah teknologi biometrik yang membantu menentukan apakah wajah yang ditangkap berasal dari orang hidup yang benar-benar hadir saat proses verifikasi berlangsung.
Apa perbedaan liveness detection dan face recognition?
Face recognition atau face verification digunakan untuk mencocokkan wajah dengan identitas tertentu. Liveness detection digunakan untuk membantu memastikan bahwa wajah tersebut berasal dari manusia hidup yang hadir di depan kamera.
Apa perbedaan active dan passive liveness detection?
Active liveness meminta pengguna melakukan challenge tertentu, seperti menggerakkan kepala atau mengikuti instruksi. Passive liveness melakukan analisis dengan interaksi pengguna yang lebih minimal berdasarkan informasi yang ditangkap kamera.
Apakah liveness detection dapat mendeteksi foto?
Liveness detection dirancang untuk membantu membedakan wajah hidup dengan bentuk spoofing seperti foto atau media lainnya. Namun, kemampuan terhadap berbagai jenis serangan bergantung pada teknologi yang digunakan.
Apakah liveness detection dapat mendeteksi deepfake?
Sebagian solusi modern dirancang untuk membantu menghadapi manipulasi digital maupun injection attack, tetapi kemampuan mendeteksi deepfake tidak otomatis dimiliki seluruh teknologi liveness. Organisasi perlu melihat capability dan hasil pengujian teknologi yang digunakan.
Apa contoh penggunaan liveness detection?
Liveness detection dapat digunakan untuk digital onboarding, eKYC, identitas digital, layanan keuangan, dan proses lain yang membutuhkan verifikasi identitas berbasis wajah secara remote.