Perpustakaan Digital ITB

Sistem biometrik berbasis wajah telah mendapat perhatian yang meningkat karena memiliki data wajah yang menyimpan informasi terkaya dan mudah diakses dalam kehidupan sehari-hari. Namun, serangan pemutaran ulang video merupakan serangan presentasi wajah yang lebih menantang dibandingkan dengan serangan presentasi wajah lainnya karena dapat menunjukan sinyal keaktifan wajah serta mampu melewati detektor pemalsuan wajah. Penelitian ini dikembangkan menggunakan Design Research Methodology untuk merancang model Face Recognition Anti-Spoofing dalam mengatasi serangan pemutaran ulang video. Model pengenalan wajah FaceNet dengan metode Face Anti-Spoofing berbasis Convolutional Neural Network diusulkan dan dikembangkan pada teknik feature matching sebagai upaya meningkatkan keamanan autentikasi. Penelitian ini dilakukan melalui pengujian lapangan kepada 33 orang sukarelawan menggunakan identitas wajahnya masing-masing untuk mengukur tingkat akurasi dari model yang diusulkan pada pengujian skenario login, dan dievaluasi menggunakan System Engineering Principles and Practice. Hasil pengujian menggunakan teknik feature matching menunjukkan akurasi model mencapai 97,57% dan nilai F-score sebesar 96,22%. Oleh karena itu, model yang diusulkan terbukti efektif dalam mengatasi serangan pemutaran ulang video melalui pengujian skenario serangan.