Atribusi Gambar Sintetik StyleGAN2 Menggunakan Artificial Fingerprint Berbasis CNN

Abstrak

Model generatif seperti StyleGAN2 telah mampu menghasilkan gambar sintetik yang menyerupai gambar nyata, namun menimbulkan potensi pelanggaran hak cipta karena sering dilatih menggunakan data visual tanpa izin pemilik. Penelitian ini mengusulkan pendekatan atribusi gambar dengan menyisipkan artificial fingerprint secara tersembunyi ke dalam dataset gambar wajah sebelum digunakan untuk pelatihan model generatif. Metode ini menggunakan arsitektur Convolutional Neural Network (CNN) yang terdiri dari dua komponen utama: encoder untuk menyisipkan fingerprint dan decoder untuk mendeteksinya kembali. Dataset yang digunakan adalah FFHQ berukuran 128×128 piksel, dan model dilatih menggunakan algoritma Adam selama 10 epoch. Evaluasi dilakukan menggunakan dua metrik utama, yaitu Binary Cross Entropy (BCE) untuk mengukur akurasi ekstraksi fingerprint dan Mean Squared Error (MSE) untuk mengukur kemiripan visual antara gambar asli dan gambar tersisip. Hasil penelitian menunjukkan bahwa metode ini mampu menyisipkan artificial fingerprint secara imperseptibel tanpa menurunkan kualitas visual gambar, serta berhasil mengekstraksinya kembali dengan tingkat akurasi tinggi. Pendekatan ini memberikan kontribusi teknis dalam mendukung sistem atribusi otomatis dan perlindungan hak cipta pada pengembangan AI generatif.Kata kunci: artificial fingerprint, atribusi gambar, CNN, StyleGAN2, hak cipta.

Identifier

• DOI: https://doi.org/10.70248/jrsit.v3i1.2889
• OpenAlex: https://openalex.org/W4413330486