Peneliti Australia Temukan Teknologi Pendeteksi Deepfake Audio yang Lebih Akurat

BeritaNasional.com - Ancaman kejahatan siber yang semakin canggih, terutama melalui deepfake audio, kini memiliki penangkal baru. 

Dilansir dari TechCrunch pada Selasa (11/11/2025), para peneliti di Australia telah berhasil menemukan metode yang jauh lebih cerdas dan adaptif untuk mendeteksi deepfake suara, demikian pernyataan dari Badan Sains Nasional Australia (CSIRO).

Teknik inovatif ini dinamakan Rehearsal with Auxiliary-Informed Sampling (RAIS). Teknologi ini dirancang khusus untuk mengidentifikasi ancaman deepfake audio yang kini marak digunakan dalam kejahatan siber. 

Risiko tersebut mencakup penerobosan sistem autentikasi biometrik berbasis suara, peniruan identitas, hingga penyebaran disinformasi, menurut rilis resmi dari Commonwealth Scientific and Industrial Research Organization (CSIRO).

RAIS memiliki kemampuan untuk menentukan apakah sebuah klip audio adalah rekaman asli atau hasil rekayasa artifisial.

Yang paling penting, sistem ini mampu mempertahankan tingkat kinerjanya seiring waktu, beradaptasi dengan jenis-jenis serangan deepfake baru yang terus berevolusi.

Mampu Belajar Tanpa Melupakan Data Lama

Kristen Moore dari Data61 CSIRO, divisi spesialis data dan digital di lembaga sains tersebut, menjelaskan tantangan utama yang telah dipecahkan oleh RAIS.

"Kami ingin sistem deteksi ini mempelajari deepfake baru tanpa harus melatih model dari awal lagi. Jika Anda hanya menyempurnakan sampel baru, model tersebut akan melupakan deepfake lama yang telah dikenalnya," kata Moore, salah satu rekan penulis studi tersebut.

RAIS mengatasi masalah ini dengan cerdik. Metode ini secara otomatis menyeleksi dan menyimpan sekumpulan kecil contoh kasus masa lalu yang beragam. Kumpulan sampel ini bahkan mencakup ciri-ciri audio tersembunyi yang mungkin tidak disadari oleh manusia. Hal ini memungkinkan AI (kecerdasan buatan) untuk mempelajari gaya deepfake terbaru tanpa harus melupakan gaya yang sudah dikenalinya sebelumnya.

Teknik cerdas RAIS bekerja dengan menghasilkan "label tambahan" di luar label sederhana "palsu" atau "asli" untuk setiap sampel audio. Label tambahan ini membantu sistem memilih campuran data pelatihan yang kaya dan representatif, sehingga meningkatkan kemampuan sistem untuk mengingat dan beradaptasi seiring waktu.

Dalam pengujian, metode baru yang dikembangkan oleh peneliti dari CSIRO, Federation University Australia, dan RMIT University ini berhasil mencapai tingkat kesalahan rata-rata terendah, yakni hanya 1,95 persen, di antara metode-metode yang diuji lainnya.