Deepfake untuk Melewati KYC - Apakah Berhasil?

Model bahasa besar (LLM) seharusnya digunakan untuk tugas-tugas rutin yang membosankan—pekerjaan yang menyita waktu berjam-jam setiap minggu namun tidak memberi arti bagi hidup Anda. Faktanya, mereka malah belajar meniru kepribadian Anda. Saat ini, AI dimanfaatkan untuk mengakali pembatasan KYC, masuk ke akun exchange Anda, dan meyakinkan sistem verifikasi bahwa orang palsu layak untuk menyimpan uang.

Situasinya sederhana karena semua materi yang Anda berikan saat memverifikasi identitas adalah informasi digital. Ini mencakup foto wajah Anda, hasil pindaian kartu identitas, dan video Anda yang berkedip sesuai instruksi. Semua ini hanyalah data yang melintasi internet. Jika data tersebut dapat dipalsukan secara cukup akurat, mesin di ujung sana akan menerimanya begitu saja dengan mudah. Tidak ada manusia yang terlibat dalam proses ini; alih-alih, yang terjadi adalah satu mesin mendeteksi pola dan mesin lain mampu menghasilkan pola yang sama persis. Oleh karena itu, satu kecerdasan buatan sedang menipu kecerdasan buatan lainnya, dengan uang dan identitas Anda sebagai taruhannya.

Ini bukan sekadar kekhawatiran teoretis; tinjauan global terhadap lebih dari satu miliar aktivitas verifikasi identitas mengungkapkan bahwa penipuan deepfake menyumbang satu dari setiap lima kasus penipuan biometrik. Jumlah upaya yang menggunakan selfie deepfake meningkat sebesar 58% pada tahun 2025 saja. Terjadi lonjakan sebesar 783% dalam serangan injeksi pada tahun 2024, yaitu kasus di mana video palsu dimasukkan langsung ke umpan kamera. Teknologi yang diperlukan untuk melakukan tindakan semacam itu hanya berbiaya sekitar dua puluh dolar dan membutuhkan waktu tiga puluh menit. Identitas sintetis penuh, yang mampu lolos pemeriksaan KYC, dapat dibeli dari pasar dark web seharga dua ratus dolar.

Sistem ini terus berhasil ditembus karena dari awal sistem memang tidak pernah dirancang untuk mendeteksi hal semacam ini; mereka dirancang untuk mengenali fotokopi, tangkapan layar, dan contoh di mana seseorang menggunakan identitas orang lain. Sistem tersebut tidak dimaksudkan untuk mendeteksi wajah buatan mesin yang sebenarnya tidak pernah ada, bersama dengan ID buatan mesin yang tidak pernah diterbitkan, yang dikirimkan oleh seseorang menggunakan perangkat lunak face-swap real-time guna melewati pemeriksaan keaktifan (liveness check) yang seharusnya memastikan bahwa mereka adalah manusia.

Ketika Mesin Membohongi Mesin

Penipuan ini tidak terbatas pada exchange kripto, meskipun kripto menyumbang 88% dari semua penipuan deepfake yang terdeteksi di seluruh dunia; penipuan ini juga terjadi di bank, peritel online, dan platform fintech, dalam kasus apa pun di mana verifikasi identitas diotomatisasi dan rasa saling percaya diasumsikan. Metode yang digunakan untuk memverifikasi Anda memeriksa tanda-tanda tertentu: apakah wajah di selfie cocok dengan wajah di kartu identitas? Apakah orang tersebut berkedip saat diminta? Apakah dokumen tersebut memiliki fon, hologram, dan fitur keamanan yang tepat? Semua pemeriksaan ini sekarang dapat dilewati bukan melalui peretasan yang canggih, melainkan dengan menggunakan perintah (prompt) yang dimasukkan ke dalam generator gambar dan pengeditan video selama tiga puluh menit.

Kyle Holder kehilangan seluruh tabungan masa pensiunnya sebesar tiga ratus ribu dolar dalam waktu tiga bulan akibat penipuan yang melibatkan manipulasi AI.

Pejabat IRS yang menangani kasusnya mengatakan bahwa tidak ada yang tersisa. Penipuan tersebut tidak menggunakan KYC deepfake secara langsung, melainkan didasarkan pada prinsip yang sama — yaitu kepercayaan yang diciptakan oleh AI. Skema ini mencakup platform trading palsu, keuntungan rekayasa, video deepfake para eksekutif, dan kloning suara. Ketika ia mencoba menarik uangnya, platform tersebut lenyap.

Para penipu yang menguras tabungannya tidak perlu membobol secara paksa, karena cukup bagi mereka untuk tampak meyakinkan dalam jangka waktu yang memadai hingga ia mempercayai kebohongan tersebut.

Apa yang Dipalsukan dan Bagaimana Caranya

Aspek yang terlihat adalah deepfake, tetapi ini belum mencakup keseluruhan situasi. Para penipu menggunakan kecerdasan buatan untuk memproduksi dokumen palsu, tanda tangan, riwayat transaksi, saldo akun, email verifikasi, percakapan layanan pelanggan, dan bahkan panggilan video real-time. Mereka menciptakan identitas sintetis dengan menggabungkan data asli yang dicuri dengan informasi rekaan—seperti nomor Jaminan Sosial asli, nama palsu, wajah hasil buatan AI, dan alamat nyata. Meskipun setiap komponen identitas lolos pemeriksaan basis data individual, tidak ada satu pun orang nyata yang benar-benar mendasari identitas tersebut.

Penipuan identitas sintetis jenis ini telah menjadi bentuk kejahatan finansial utama pada tahun 2025 karena memadukan kredibilitas data asli dengan fleksibilitas rekayasa total. Individu yang mengajukan pembukaan akun tidak berpura-pura menjadi orang lain; sebaliknya, mereka menciptakan sosok baru, sosok yang tampak sah bagi semua sistem otomatis yang digunakan untuk memeriksanya, meskipun sosok ini hanya ada sebagai sekumpulan titik data yang kebetulan cocok.

Sebuah audit yang dilakukan terhadap enam belas generator gambar AI komersial pada tahun 2026 menemukan bahwa dari tujuh puluh lima percobaan, enam puluh sembilan menghasilkan sesuatu yang menyerupai kartu identitas, dan lima di antara model tersebut menghasilkan gambar yang tampak seperti dokumen resmi pemerintah. Ini bukanlah pemalsuan rumit yang membutuhkan pengetahuan orang dalam tentang pencetakan sekuritas. Ini adalah gambar-gambar yang dihasilkan oleh alat yang tersedia untuk umum, sebagai respons terhadap prompt dari orang-orang yang belum pernah menginjakkan kaki di kantor paspor.

Dokumen-dokumen tersebut tampak asli karena AI dilatih menggunakan dokumen nyata. Wajah-wajah tampak realistis karena AI dilatih pada wajah-wajah sebenarnya. Sistem ini tidak menebak-nebak; melainkan merekonstruksi apa yang telah dipelajarinya, dan apa yang dipelajarinya cukup meyakinkan untuk mengelabui mesin maupun manusia.

Memalsukan Uji Manusia

Deteksi keaktifan (liveness detection) dimaksudkan untuk mengatasi masalah ini. Konsepnya sederhana: meminta pengguna melakukan tindakan yang tidak dapat ditiru oleh foto atau video. Ini bisa berupa berkedip, menolehkan kepala, tersenyum, atau mengikuti objek bergerak dengan mata Anda. Jika Anda dapat melakukan tindakan ini secara real-time, maka Anda pasti orang sungguhan yang menggunakan ponsel asli, bukan seseorang yang memutar rekaman ulang.

Masalahnya adalah deteksi keaktifan menganggap remeh bahwa umpan video tersebut asli; sistem berasumsi kamera menampilkan apa adanya yang ada di depannya. Namun, teknologi deepfake modern tidak perlu menipu kamera karena mereka dapat menyuntikkan video palsu langsung ke dalam aliran data (stream), menghindari penggunaan lensa sama sekali. Perangkat lunak merekam tantangan verifikasi, menghasilkan respons sintetis secara real-time, dan kemudian mengirimkan respons tersebut kembali ke sistem seolah-olah berasal dari kamera. Dengan demikian, pemeriksaan keaktifan mendeteksi orang tersebut berkedip saat diminta, menoleh, dan tersenyum; sistem tidak memiliki sarana untuk mengetahui bahwa orang tersebut sebenarnya tidak ada di sana.

Itulah alasan mengapa terjadi peningkatan serangan injeksi sebesar 783% hanya dalam satu tahun — pertahanan telah dirancang untuk jenis ancaman yang salah; pertahanan dimaksudkan untuk mendeteksi serangan pemutaran ulang (replay attack) dan foto cetak, bukan sintesis real-time.

Sejumlah platform telah beralih ke deteksi keaktifan pasif, sebuah metode yang memeriksa video tanpa mengharuskan pengguna melakukan tindakan apa pun. Metode ini mendeteksi ekspresi mikro, aliran darah di bawah kulit, bayangan, dan pantulan yang berperilaku seolah-olah berada dalam tiga dimensi. Meskipun pendekatan ini lebih efektif, sistem ini sama sekali belum sempurna. Para penipu telah melatih model mereka sendiri pada tanda-tanda yang dicari oleh deteksi keaktifan pasif, menghilangkan karakteristik yang mencolok, menambahkan noise yang menyerupai grain kamera asli, dan memperkenalkan ketidaksempurnaan kecil yang memberikan kesan manusiawi.

Sebuah studi yang dilakukan pada tahun 2026 menemukan bahwa hanya 0,1% peserta yang dapat membedakan konten asli dari konten yang dihasilkan oleh AI secara andal. Karena manusia tidak dapat melakukannya dan sistem otomatis dilatih untuk mendeteksi pola yang pada saat yang sama dipelajari oleh AI untuk diproduksi, pertanyaannya bukanlah apakah pertahanan akan berhasil. Masalahnya adalah seberapa lama pertahanan tersebut akan berhenti berfungsi.

Apa Artinya Ini bagi Anda

Jika Anda menyimpan kripto dan telah memverifikasi identitas Anda di exchange, di mana pada suatu saat Anda mengirimkan selfie bersama kartu identitas berfoto untuk membuktikan bahwa Anda adalah orang yang Anda klaim, sistem yang sama yang digunakan untuk memverifikasi Anda dapat dikelabui. Ini berarti orang lain dapat membuat identitas sintetis, melalui proses verifikasi yang sama seperti yang Anda lakukan, membuka akun, dan kemudian menggunakan akun tersebut untuk mentransfer uang, mencuci dana, atau membawa kabur aset orang lain.

Itu juga berarti identitas Anda dapat digunakan tanpa sepengetahuan Anda. Saat ini, penipu tidak perlu lagi mencuri seluruh identitas Anda; yang perlu mereka lakukan hanyalah memperoleh foto wajah Anda, sesuatu yang kemungkinan besar sudah tersedia jika Anda pernah mengunggahnya di media sosial. Mereka kemudian menggunakan foto tersebut dengan alat face-swap untuk membuat video deepfake diri Anda yang sedang melakukan uji keaktifan, menggabungkannya dengan kartu identitas palsu yang memuat wajah Anda namun dengan nama yang sedikit diubah, lalu mengirimkannya ke platform yang tidak memiliki kapabilitas deteksi deepfake yang kuat. Begitu platform menyetujui pengajuan tersebut, mereka akan memiliki akun yang terlihat seperti Anda, terdengar seperti Anda, dan mampu melewati prosedur verifikasi yang dimaksudkan untuk membuktikan identitas Anda.

Sulit untuk memahami skala masalah ini sampai Anda melihat angka-angkanya. Pada tahun 2025 warga Amerika mengalami kerugian lebih dari sebelas miliar dolar akibat penipuan mata uang kripto, yang mewakili lebih dari setengah dari seluruh kerugian akibat kejahatan internet yang dilaporkan ke FBI. Di seluruh dunia, penipuan kripto menghasilkan sedikitnya empat belas miliar dolar on-chain pada tahun 2025, meningkat dari kurang dari sepuluh miliar dolar pada tahun 2024. Pada kuartal pertama tahun 2026 saja, deepfake AI menyebabkan kerugian sebesar 577 juta dolar, dan kini berada di balik 40% penipuan kripto bernilai tinggi.

Para penipu tidak bertindak sendirian; mereka adalah bagian dari skema yang terorganisasi. Investigasi yang dilakukan pada tahun 2025 mengungkap ekosistem penipuan senilai 187 juta dolar yang membentang di Australia dan Amerika Serikat, yang mengandalkan platform trading palsu, endorsement deepfake oleh selebritas, dan kepercayaan yang telah dimanipulasi menggunakan AI. Operasi tersebut mengambil alih saluran YouTube populer, menggunakan audio dan video deepfake untuk meniru komunikasi resmi dari perusahaan kripto asli, dan menawarkan airdrop palsu kepada orang-orang yang mengirim uang terlebih dahulu. Ribuan orang tertipu olehnya.

Melindungi Diri Anda di Dunia Deepfake

Meskipun Anda tidak dapat mencegah seseorang memalsukan wajah Anda, Anda dapat mempersulit mereka untuk menggunakan kepalsuan tersebut demi mencuri dari Anda. Garis pertahanan pertama Anda bukanlah masalah teknis; melainkan perilaku.

1. Pastikan semua fitur keamanan yang tersedia telah diaktifkan pada akun mana pun yang berisi uang atau informasi sensitif lainnya, seperti autentikasi dua faktor, login biometrik, whitelist alamat penarikan, dan konfirmasi email untuk setiap tindakan sensitif. Masing-masing langkah pengamanan ini mempersulit orang lain untuk mengoperasikan akun Anda meskipun mereka berhasil melewati proses KYC.

2. Kapan pun Anda menerima video, pesan suara, atau bentuk komunikasi lain dari seseorang yang meminta Anda mengirim uang atau memberikan kredensial Anda, anggap itu palsu sampai Anda memiliki bukti sebaliknya. Penipuan peniruan identitas kripto meningkat sebesar 1.400% pada tahun 2025. Jika orang yang tampak seperti CEO Anda, teman, atau selebritas menghubungi Anda tentang peluang investasi, periksalah melalui saluran independen sebelum mengambil tindakan apa pun.

3. Anda tidak perlu mengirim mata uang kripto untuk mengklaim airdrop, membuka kunci akun, atau membuktikan identitas Anda; platform asli tidak akan pernah meminta Anda membayar untuk menerima uang. Begitulah cara setiap skema penipuan airdrop palsu disusun, dan orang-orang masih tertipu karena video dan pesannya tampak nyata.

4. Manfaatkan platform yang memiliki sistem antipenipuan yang kuat. Karena tidak semua exchange atau layanan menginvestasikan sumber dayanya untuk deteksi deepfake, mereka yang memilikinya akan mempublikasikannya, karena ini sekarang telah menjadi keunggulan kompetitif. Anda harus mencari verifikasi multi-modal, analisis perilaku, kontrol integritas tingkat sesi, dan deteksi keaktifan tingkat lanjut yang melampaui tes kedip dan menoleh biasa.

5. Pastikan layanan tersebut menggunakan deteksi keaktifan 3D atau analisis biometrik pasif karena metode ini lebih sulit dibodohi daripada pemeriksaan keaktifan aktif karena mereka memeriksa lebih dari sekadar apakah Anda dapat mengikuti instruksi; mereka memeriksa kedalaman, ekspresi mikro, dan sinyal fisiologis yang sulit ditiru secara meyakinkan oleh video sintetis.

6. Anggap wajah Anda sebagai kata sandi dan minimalkan jumlah foto resolusi tinggi diri Anda yang tersedia untuk umum. Penipu mengumpulkan wajah dari situs media sosial untuk digunakan dalam deepfake. Semakin banyak gambar beresolusi tinggi diri Anda yang beredar online, semakin mudah untuk membuat tiruan yang meyakinkan.

7. Ketika Anda mentransfer uang dalam jumlah besar, terutama terkait dengan transfer USDT besar atau transaksi kripto bernilai tinggi lainnya, Anda harus menggunakan layanan yang memungkinkan Anda memeriksa biaya dan rute sebelum melanjutkan. Penipu sering memanfaatkan urgensi dan kebingungan seputar biaya jaringan, yang mengarahkan korban untuk mengirimkan dana ke alamat yang salah atau membayar jauh lebih mahal dari yang diperlukan. Platform asli, di sisi lain, memungkinkan Anda menghitung biaya terlebih dahulu, memverifikasi alamat penerima, dan memeriksa semua detail sebelum transaksi dieksekusi.

Industri ini sedang bereaksi, tetapi dengan langkah yang lambat. Saat ini, proses verifikasi yang ditingkatkan melibatkan pemeriksaan multi-modal yang secara bersamaan memeriksa dokumen, biometrik wajah, pola suara, dan sinyal perilaku. Platform tertentu sedang mengembangkan paket bukti di tingkat sesi yang mencantumkan stempel waktu dan menyegel secara kriptografis setiap frame sesi verifikasi, sehingga menghasilkan catatan forensik yang dapat menunjukkan apakah sesi tersebut asli atau hasil injeksi. Sejumlah platform ini juga menggandeng penyedia layanan kepercayaan pihak ketiga yang bertindak sebagai saksi netral terhadap proses verifikasi dan dengan demikian mempersulit penipu untuk memalsukan proses tanpa meninggalkan jejak.

Namun, pengamanan ini tidak berlaku di semua platform. Sebagian besar masih mengandalkan metode dokumen-plus-selfie, teknik yang telah terbukti gagal sejak tahun 2024. Platform-platform tersebut belum meningkatkan sistem mereka karena biaya mendeteksi deepfake sangat tinggi dan dampak penipuan biasanya ditanggung oleh pengguna, bukan oleh platform itu sendiri.

Biaya dari Dunia di Mana Tidak Ada yang Terbukti Nyata

Masalah sebenarnya bukanlah masalah teknologi, melainkan masalah yang sifatnya mendasar. Kita sekarang memasuki fase di mana membuktikan bahwa Anda adalah diri Anda yang sebenarnya telah menjadi sangat tidak mudah. Sistem yang dimaksudkan untuk memeriksa identitas orang sedang dikalahkan oleh alat yang biayanya lebih murah daripada seporsi makanan dan memakan waktu lebih sedikit daripada perjalanan komuter. Kepercayaan, yang sudah rapuh di lingkungan online, kini runtuh karena konten yang tampak nyata, terdengar nyata, dan berperilaku nyata meskipun sebenarnya tidak demikian.

Ini tidak menunjukkan bahwa KYC telah berakhir, melainkan bahwa KYC perlu melangkah lebih jauh dari gagasan bahwa selfie dan kartu identitas berfungsi sebagai bukti atas segalanya. Platform yang akan bertahan dari perubahan ini adalah platform yang memandang verifikasi sebagai proses yang berkelanjutan dan bukan sebagai satu pos pemeriksaan tunggal; mereka akan membangun keyakinan dari waktu ke waktu dengan memanfaatkan sinyal perilaku, pola transaksi, sidik jari perangkat, dan autentikasi ulang yang sering, daripada bergantung pada satu contoh bukti yang dapat dipalsukan.

Ini menyiratkan bahwa pengguna sekarang harus mengambil alih tugas verifikasi itu sendiri. Anda tidak bisa lagi begitu saja menganggap jika suatu platform telah menyetujui orang tertentu, maka orang tersebut asli. Demikian pula, Anda tidak dapat lagi berasumsi bahwa karena sebuah video tampak realistis, video itu benar-benar asli. Anda harus memverifikasinya sendiri melalui saluran lain dan dengan menggunakan alat serta metode yang lebih sulit dipalsukan.

Konsekuensi finansial dari kesalahan ini bukanlah satu-satunya; ada juga pengikisan bertahap terhadap gagasan mendasar bahwa orang di sisi lain transaksi adalah orang yang mereka akui. Setelah keyakinan itu hilang, setiap interaksi harus dihadapi dengan kecurigaan dan setiap transaksi harus diverifikasi secara independen, sehingga rasa saling percaya tidak dapat lagi diberikan secara cuma-cuma.

Deepfake memang berhasil mengakali prosedur KYC. Hal ini tidak berlaku di semua kasus atau di semua platform, namun cukup sering terjadi hingga angka penipuan mencapai miliaran. Masalahnya bukanlah apakah ini akan terus terjadi. Masalahnya adalah apakah langkah-langkah pertahanan akan mampu mengimbangi sebelum biaya akibat tidak bertindak menjadi terlalu mahal untuk diabaikan.

Penipuan dan kebingungan berpadu dalam persoalan biaya transaksi. Biaya yang Anda bayarkan saat mentransfer uang on-chain, khususnya dalam kasus transaksi USDT di jaringan seperti TRON, dapat sangat bervariasi tergantung pada bagaimana transfer tersebut disusun. Penipu memanfaatkan hal ini dengan membuat platform palsu yang menampilkan biaya lebih tinggi dan mengambil selisihnya untuk diri mereka sendiri. Mereka juga mengirim pesan phishing yang menyatakan bahwa Anda harus membayar biaya blockchain mendesak untuk melepaskan dana Anda, padahal biaya semacam itu sebenarnya tidak ada.

Jika Anda memahami berapa biaya yang seharusnya dikeluarkan untuk sebuah transfer, Anda dapat menghindari kecurangan dari penipuan semacam itu. Misalnya, di TRON setiap transfer USDT menghabiskan sejumlah Energy dan Bandwidth. Ketika Anda tidak memiliki jumlah sumber daya yang cukup, jaringan akan menjual TRX Anda untuk menutupi biaya tersebut, dan ini bisa menjadi mahal. Transfer ke alamat yang sudah berisi USDT menggunakan lebih sedikit Energy daripada transfer ke alamat kosong karena jaringan harus menginisialisasi saldo token. Dengan mengetahui hal ini sebelumnya, Anda dapat mengetahui kapan seseorang berbohong tentang jumlah yang harus Anda bayarkan.

Alat seperti Netts USDT Transfer Calculator memungkinkan Anda mengetahui secara tepat berapa banyak Energy dan Bandwidth yang dibutuhkan oleh transfer tertentu dan apakah akan lebih murah menyewa Energy daripada menghabiskan TRX. Bagi orang yang sering melakukan transfer USDT atau yang memindahkan dana dalam jumlah besar, ini menjadi pembeda antara membayar biaya USDT serendah mungkin dan akhirnya membayar dua kali lipat atau lebih dari yang seharusnya. Ini juga menyediakan sarana untuk memeriksa bahwa biaya yang diminta seseorang adalah asli dan bukan jumlah yang dibuat-buat dengan tujuan memeras sedikit uang ekstra dari Anda setiap saat. Meskipun kalkulator biaya yang transparan tidak melenyapkan penipuan, mereka menutup salah satu metode paling sederhana yang digunakan penipu untuk mengambil uang dari orang-orang yang tidak mengetahui berapa biaya transaksi blockchain yang sebenarnya.