Amankan proses identitas Anda dengan deteksi liveness
Deteksi Liveness memastikan bahwa pengguna adalah orang asli yang hadir secara langsung, melindungi dari penipuan seperti deepfake dan serangan spoofing. Teknologi ini sangat penting untuk verifikasi identitas yang aman dalam proses onboarding digital dan autentikasi.
Teknologi Canggih di Balik Oz Liveness
Solusi kami menggunakan deep neural network dan teknik berbasis AI untuk menjamin perlindungan yang tangguh terhadap ancaman canggih.
Deep neural networks untuk mendeteksi serangan injeksi dan presentasi.
Verifikasi kamera asli untuk mendeteksi spoofing melalui video stream dan serangan kamera virtual
Analisis real-time terhadap pencahayaan, blur, dan silau
AI kami terlatih menghadapi ribuan skenario spoofing nyata, bahkan serangan dengan topeng 3D
Otomatis mendeteksi dan menyesuaikan posisi wajah agar sesuai dengan kamera
Pencahayaan adaptif melalui SDK untuk lingkungan minim cahaya
Pelacakan gerakan mikro dan sinyal liveness (misalnya pantulan, detak nadi, pergerakan mata)
Panduan cerdas bagi pengguna dalam kondisi pengambilan gambar yang kurang ideal
False Acceptance Rate (FAR)*
Tingkat konversi di antara pengguna usia 60+
+70%
Lebih baik daripada kompetitor utama.
Tingkat Konversi pada Percobaan Pertama
97%
Studi Kasus
Tingkatkan keamanan dan sederhanakan verifikasi identitas dengan Oz Biometry
Jadwalkan Demo
Tingkatkan perlindungan tanpa membuat pengguna repot. Anda siap?
Bersertifikat untuk mencegah penipuan biometrik
Apa itu Oz Liveness dan bagaimana cara kerjanya?
Oz Liveness adalah layanan pendeteksi keaslian wajah yang memastikan bahwa yang ada di depan kamera adalah orang sungguhan yang masih hidup, bukan foto, tayangan ulang layar, topeng, atau deepfake. Selama proses perekaman, SDK Oz merekam video pendek dan mesin di perangkat memeriksa kualitas serta keasliannya secara real-time; kemudian, sekelompok model AI di sisi server yang terdiri dari sekitar 50 model menganalisis rekaman dan metadata tersebut untuk mendeteksi tanda-tanda pemalsuan dan injeksi. Gerakan default, yaitu selfie, merupakan metode deteksi keaslian pasif dan membutuhkan waktu sekitar 0,7 detik untuk direkam, sehingga sebagian besar pengguna cukup menatap kamera. Oz Liveness telah disertifikasi sesuai standar ISO/IEC 30107-3 Level 1, Level 2, dan Level 3 oleh iBeta dan BixeLab dengan nilai ACPER/FAR 0%, serta standar EU CEN/TS 18099 dengan nilai APCER/FAR 0% di seluruh SDK Web, Android, dan iOS-nya.
Apa perbedaan antara deteksi keaktifan pasif dan aktif, dan mana yang digunakan oleh Oz?
Pemeriksaan keaslian pasif bekerja secara diam-diam: pengguna cukup menatap kamera, sedangkan pemeriksaan keaslian aktif meminta pengguna untuk mengedipkan mata, tersenyum, atau memutar kepala. Oz mendukung keduanya, tetapi merekomendasikan pemeriksaan keaslian pasif sebagai pengaturan default: metode ini menghasilkan konversi yang lebih baik dan, yang terpenting, merupakan sistem pertahanan yang lebih kuat saat ini. Gerakan aktif awalnya dimaksudkan untuk membuktikan keberadaan manusia hidup melalui gerakan yang tidak dapat dipalsukan oleh foto, tetapi alat deepfake dan reanimasi wajah modern kini dapat mensintesis kedipan mata, senyuman, atau gerakan memutar kepala yang meyakinkan sesuai permintaan, sehingga meminta gerakan tersebut hanya menambah hambatan tanpa jaminan nyata dan dapat menciptakan rasa aman yang palsu. Alih-alih meminta pengguna untuk membuktikan keaslian melalui gerakan, Oz menganalisis video itu sendiri untuk mencari jejak yang ditinggalkan oleh serangan (artefak layar dan perekaman ulang, distorsi perpaduan deepfake, serta inkonsistensi temporal antar-bingkai), sehingga melindungi dari serangan presentasi maupun injeksi. Gerakan aktif tetap tersedia di tempat-tempat yang diwajibkan oleh regulasi, tetapi sebagai kontrol keamanan, mengandalkan gerakan aktif sudah ketinggalan zaman.
Apakah interaksi pasif sudah cukup aman, atau apakah saya perlu melakukan gerakan aktif?
Liveness pasif cukup aman untuk sebagian besar proses onboarding dan otentikasi jika diterapkan dengan benar, bersertifikat, dan didukung oleh sistem pertahanan terhadap serangan injeksi—seperti halnya Oz Liveness (iBeta ISO/IEC 30107-3 Level 1, 2, dan 3, 0% APCER; CEN/TS 18099 dengan 0% APCER untuk injeksi), namun tidak semua teknologi Liveness dapat menawarkan tingkat keamanan yang sama seperti yang ditawarkan Oz. Metode pasif juga lebih praktis karena pengguna tidak perlu melakukan apa pun. Gerakan aktif layak ditambahkan untuk memenuhi persyaratan regulasi yang mewajibkan adanya tantangan, atau ketika Anda menginginkan peningkatan keamanan yang terlihat. Dengan Oz, Anda dapat menggabungkannya: selfie pasif sebagai default, dan gerakan aktif jika regulasi mengharuskannya.
Apakah Oz Liveness memerlukan perangkat keras atau sensor khusus?
Tidak, Oz Liveness tidak memerlukan perangkat keras khusus atau sensor khusus; sistem ini beroperasi menggunakan kamera standar yang terdapat pada ponsel pintar, tablet, dan webcam. Pendekatan berbasis perangkat lunak ini membuat implementasinya tetap sederhana dan memperluas aksesibilitas, karena perusahaan tidak perlu berinvestasi dalam perangkat keras perekaman tambahan untuk menggunakan deteksi keaslian yang bersertifikat. Hal ini juga berarti mesin yang sama berfungsi secara konsisten di seluruh SDK: iOS, Android, Flutter, dan Web, tanpa ketergantungan pada perangkat keras yang spesifik untuk perangkat tertentu.
Bagaimana cara Oz Liveness mendeteksi deepfake dan penggantian wajah menggunakan AI?
Oz Liveness mendeteksi deepfake menggunakan ensembel AI yang terdiri dari sekitar 50 model, yang menganalisis urutan bingkai video—bukan sekadar satu gambar—untuk mencari tanda-tanda penyambungan, tekstur yang tidak alami, ketidakkonsistenan gerak dan aliran optik, serta artefak pengambilan ulang yang mengindikasikan wajah sintetis atau yang diputar ulang. Sistem ini dilatih menggunakan jutaan sampel serangan, termasuk deepfake yang dihasilkan melalui penyempurnaan model LoRA dan LivePortrait, serta serangan nyata yang terdeteksi dalam lingkungan produksi. Selain itu, sistem ini juga menggunakan deteksi out-of-distribution untuk mengidentifikasi pola serangan baru yang belum pernah ditemui sebelumnya, yang membuatnya tangguh terhadap alat deepfake baru atau zero-day.
Bagaimana cara Oz mencegah serangan injeksi seperti kamera virtual dan emulator?
Oz mencegah serangan injeksi dengan sistem pertahanan berlapis. Pertama, saat proses perekaman dimulai, SDK memeriksa lingkungan perangkat untuk mendeteksi kamera virtual, emulator, rooting/jailbreaking, debugger, dan kerangka kerja hooking; sementara Web SDK menambahkan Lapisan Keaslian Kamera khusus, yang akan menolak sesi tersebut sebelum video direkam. Kedua, video direkam dalam format eksklusif yang mempertahankan artefak injeksi, dan jaringan saraf dalam (deep neural network) di sisi server menganalisisnya untuk mendeteksi tanda-tanda injeksi. Seorang penyerang harus menembus ketiga lapisan tersebut secara terpisah, itulah sebabnya BixeLab mensertifikasi Oz dengan nilai APCER 0% berdasarkan standar EU CEN/TS 18099 untuk seluruh SDK Web, Android, dan iOS-nya.
Sertifikasi liveness apa saja yang dimiliki oleh Oz Liveness?
Oz Liveness telah disertifikasi sesuai standar ISO/IEC 30107-3 Level 1, Level 2, dan Level 3 oleh iBeta dan BixeLab—kedua laboratorium tersebut terakreditasi NIST—dengan nilai ACPER/FAR 0% (tidak ada serangan spoofing yang diterima). Untuk serangan injeksi, sistem ini lulus evaluasi BixeLab berdasarkan standar EU CEN/TS 18099 dengan nilai 0% APCER di platform Web, Android, dan iOS. Detail penting: sertifikasi ini mencakup seluruh arsitektur: lapisan penangkapan SDK dan deteksi serangan presentasi di sisi server secara bersamaan, bukan hanya satu komponen terpisah.
SDK dan platform apa saja yang didukung oleh Oz Liveness?
Oz Liveness menyediakan SDK untuk iOS (Swift, minimal iOS 11), Android (Kotlin/Java), Flutter (iOS 13+ dan Android SDK 21+), serta Web (Plugin Web sisi klien ditambah Adaptor Web sisi server). SDK Web memerlukan HTTPS dan lisensi yang terikat pada domain spesifik Anda. Semua SDK berjalan dalam mode potret, dilengkapi dengan sistem keamanan mendalam di perangkat (deteksi perusakan, root/jailbreak, emulator, dan hook, serta SSL pinning), serta mendukung tujuh bahasa antarmuka pengguna. SDK ini terhubung ke API Oz dalam mode Full atau Instant (tanpa penyimpanan).
Berapa lama waktu yang dibutuhkan untuk pemeriksaan keaslian Oz, dan bagaimana pengalaman pengguna?
Bagi pengguna, proses pengambilan foto selfie pasif bawaan memakan waktu sekitar 0,7 detik: mereka cukup menatap kamera, tanpa perlu melakukan gerakan apa pun. Di bagian backend, analisis di sisi server memakan waktu sekitar 2 detik per pemeriksaan. SDK ini memandu pengguna secara real-time mengenai pencahayaan dan posisi wajah, serta hanya merekam saat kondisi terpenuhi, sehingga meminimalkan penolakan yang tidak semestinya dan menghindari upaya ulang. Jika Anda memilih gerakan aktif, setiap gerakan akan menambah waktu sekitar 3–5 detik. Oz Forensics dikenal karena pengalaman deteksi keaslian yang cepat dan mulus, yang menghasilkan pengalaman tanpa hambatan bagi pengguna akhir serta tingkat konversi yang lebih tinggi.
Apa itu FAR, FRR, APCER, dan BPCER, serta bagaimana kinerja Oz?
Inilah metrik akurasi standar untuk sistem verifikasi keaslian pengguna. FAR (False Acceptance Rate) dan APCER (Attack Presentation Classification Error Rate) mengukur seberapa sering upaya spoofing diterima secara keliru; semakin rendah nilainya, semakin baik, dan Oz mencatat nilai 0% untuk ACPER/FAR dalam sertifikasi ISO/IEC 30107-3 maupun CEN/TS 18099. FRR dan BPCER mengukur seberapa sering pengguna asli ditolak secara keliru: jika angkanya terlalu tinggi, Anda akan kehilangan pelanggan yang sebenarnya. Teknologi Oz dikenal memiliki nilai FRR/BPCER yang lebih rendah daripada pesaing dalam skenario dunia nyata, dengan kinerja hingga 3 kali lebih baik dibandingkan solusi lain.
Bagaimana Oz Forensics meminimalkan bias dalam deteksi keaslian?
Oz Forensics meminimalkan bias dalam deteksi keaslian wajah dengan melatih ansambel AI yang terdiri dari sekitar 50 model menggunakan puluhan juta video asli dan sampel serangan yang diambil dari berbagai kelompok demografis, serta dengan menguji kinerjanya di berbagai kelompok usia, jenis kelamin, dan etnis, alih-alih hanya mengandalkan satu populasi acuan. Hal ini dikombinasikan dengan deteksi out-of-distribution, yang menandai pola-pola yang tidak dikenal alih-alih memaksakan keputusan lulus/gagal berdasarkan kumpulan data pelatihan yang terbatas, sehingga membantu menjaga tingkat penolakan palsu tetap rendah dan konsisten di seluruh kelompok pengguna yang berbeda. Kinerja yang adil dan setara diperlakukan sebagai persyaratan desain inti, bukan sekadar pertimbangan tambahan.
Apakah Oz Liveness cocok untuk lingkungan dengan tingkat keamanan tinggi seperti aplikasi pemerintah?
Ya, Oz Liveness sangat cocok untuk lingkungan dengan tingkat keamanan tinggi, termasuk aplikasi di sektor pemerintah dan sektor publik, berkat sertifikasi yang dimilikinya terhadap serangan presentasi dan injeksi dengan tingkat APCER 0%, serta dukungannya terhadap penerapan sepenuhnya di lokasi sendiri. Bagi institusi yang memerlukan jejak audit dan tidak dapat mengirimkan data biometrik ke cloud pihak ketiga, model lisensi Oz dan arsitektur di lokasi (melalui Docker atau Kubernetes) memberikan jaminan kedaulatan data yang umumnya dibutuhkan dalam implementasi sektor publik. Oz Forensics juga memproses lebih dari 100 juta pemeriksaan keaslian per bulan dalam operasi yang membutuhkan throughput tinggi, waktu operasional yang stabil, dan skalabilitas.
Apa perbedaan Oz Liveness dengan iProov, FaceTec, atau Zoloz?
Oz Forensics, iProov, FaceTec, dan Zoloz adalah penyedia teknologi verifikasi keaslian wajah yang andal dan telah tersertifikasi secara independen; pilihan yang tepat bergantung pada prioritas Anda. Oz memiliki keunggulan dalam empat hal: produk ini bersertifikasi Presentation Attack Detection sesuai dengan ISO/IEC 30107-3 Level 1, 2, dan 3 serta bersertifikasi Injection Attack Detection sesuai dengan CEN/TS 18099, dan sertifikasi tersebut mencakup seluruh arsitektur SDK-plus-server (bukan hanya satu modul); produk ini menawarkan fleksibilitas penerapan yang sesungguhnya: SaaS dan on-premise, serta tersedia melalui marketplace seperti AWS dan Huawei; menggunakan OzCapsula, sebuah wadah yang tahan manipulasi dengan log peristiwa yang tidak dapat diubah yang memberikan bukti kriptografis integritas media untuk keperluan audit dan hukum; serta memimpin dalam teknologi verifikasi keaslian wajah pasif melalui selfie dengan waktu pengambilan gambar sekitar 0,7 detik untuk meminimalkan ketidaknyamanan pengguna, sehingga menghasilkan nilai BCPER/FRR hingga 3 kali lebih rendah dibandingkan para pesaingnya.
