Literasi data adalah senjata terbaik kami untuk melawan citra satelit palsu

Sebuah algoritma baru dapat mendeteksi citra satelit yang dipalsukan dengan tingkat akurasi yang tinggi, tetapi perlindungan terbaik adalah masyarakat yang terinformasi.

Pemandangan dari sudut pandang orang awam di sebuah jalan di Odessa, Ukraina: Kevin Dooley. CC-BY-2.0: https://www.flickr.com/photos/12836528@N00/9273967082

Published on May 2, 2022

Authors

Bo Zhao

University of Washington

Editors

Sarah Bailey

Sarah Bailey, Senior Commissioning Editor, 360info Asia Pacific

DOI

10.54377/10e4-7a77

Peta cenderung mengatakan kebohongan. Mengutip kata-kata Mark Monmonier dalam buku klasiknya How to Lie with Maps, merepresentasikan Bumi yang melengkung pada bidang datar tentu melibatkan beberapa distorsi. Citra satelit palsu berbeda: otoritas yang tampak dari foto satelit dapat membuat kita lupa bahwa citra satelit memiliki kerentanan yang sama dengan data lainnya.

Kita tahu bahwa citra satelit palsu itu ada. Pertanyaannya adalah apakah kita dapat mendeteksinya - dan seberapa andal. Algoritma pembelajaran mesin yang baru dapat mengenali jenis citra satelit palsu dengan akurasi 94 persen, tetapi literasi data adalah cara terbaik untuk memilah citra satelit yang dapat diandalkan dari yang tidak dapat diandalkan.

Generative Adversarial Networks (GAN) sering digunakan untuk membuat media palsu yang meyakinkan. Terkadang hasilnya kurang meyakinkan, seperti pada video palsu presiden Ukraina Volodymyr Zelensky baru-baru ini.

Melalui penggunaan Cycle-GAN, para peneliti membuat peta palsu Tacoma, sebuah kota di negara bagian Washington, Amerika Serikat. Peta palsu tersebut mencakup beberapa fitur dari Seattle, Washington, dan kota Beijing di Cina.

GAN terdiri dari jaringan generator dan jaringan pembeda, yang bekerja bersama-sama melalui beberapa kali penyetelan hingga menghasilkan peta palsu yang meyakinkan sesuai dengan karakteristik data yang ingin disimulasikan.

Ketika para GAN yang bekerja untuk menghasilkan peta palsu Tacoma yang meyakinkan melalui proses penyetelan, peta tersebut menjadi lebih tajam: area yang berbayang menjadi jalan yang disimulasikan, detailnya meningkat, dan area yang dimaksudkan untuk menunjukkan daratan dan air, mendapatkan warna yang terlihat lebih alami.

Secara kasat mata, peta palsu Tacoma tampak asli.

Algoritme pembelajaran mesin memilah-milah kumpulan data pendeteksian pemalsuan yang terdiri dari citra satelit asli Tacoma dan juga citra yang dipalsukan. Dengan tingkat keberhasilan 94 persen, algoritme memilih gambar yang palsu - gambar tersebut sedikit kurang berwarna dan memiliki tepi yang lebih tajam daripada gambar asli.

Masih banyak pekerjaan yang harus dilakukan untuk mengembangkan algoritme ini. Tentu saja, algoritme ini harus diuji pada kumpulan data dari kota-kota lain. Algoritma ini efektif untuk citra satelit CycleGAN, tetapi mungkin tidak seefektif dengan model GAN lainnya. Dan saat ini algoritma ini terbatas pada hasil biner - benar-benar akurat atau benar-benar palsu - dan tidak dapat mendeteksi ketika hanya sebagian dari peta yang dipalsukan.

Di luar algoritma, ada literasi data.

Setiap citra satelit memiliki keterbatasan sebagai sumber data. Gambar dihasilkan dari tinggi ke rendah, jadi kecuali satelit tertentu memiliki kemampuan panas bumi, seperti radar bukaan sintetis (SAR) yang dapat mengambil gambar melalui awan, satelit tersebut tidak dapat menunjukkan bahwa ada orang di bawah struktur yang tidak tembus pandang. Sebagai contoh, gambar satelit dari jembatan yang hancur di kota Irpin, Ukraina, tidak akan dapat menunjukkan bahwa ada orang yang berlindung di bawahnya. Michael Goodchild menulis tentang 'sensor warga' dalam sebuah artikel pada tahun 2007, dan ide ini memiliki relevansi khusus dengan citra zona konflik. Jurnalis, sukarelawan dan staf LSM dapat memberikan informasi secara detail tentang apa yang terjadi di lapangan.

Citra satelit adalah satu titik data, tetapi pemahaman holistik dari situasi geografis membutuhkan berbagai sumber data. Sumber data tersebut tidak hanya berasal dari sudut pandang satelit, yang dalam ilmu informasi geografis disebut sebagai “mata dewa”, tetapi juga dari sudut pandang mata manusia - gambar dari ponsel pintar, kamera, atau pesawat tak berawak. Persepsi kita tentang konflik di Ukraina dapat diinformasikan oleh video pendek di TikTok dan foto-foto di Twitter. Dengan berbagai sumber data, kita dapat membangun gambaran yang lebih lengkap.

Citra satelit beresolusi tinggi dengan kualitas data yang luar biasa tersedia - tetapi biasanya ada harganya. Distributor citra satelit AS, Maxar, memberikan citra satelit resolusi tinggi kepada pemerintah Ukraina secara gratis, tetapi kebanyakan citra satelit resolusi tinggi untuk konsumsi publik sangat mahal. Citra yang diperbarui setiap hari oleh Maxar dari satelit WorldView-3 dihargai US$22,50 per kilometer persegi. Untuk memanfaatkan sumber daya mereka sebaik mungkin, sebagian besar platform media membeli citra berdampak tinggi yang kemungkinan besar akan menarik perhatian khalayak: citra bangunan dan jembatan yang hancur, serta blok-blok kota yang menjadi reruntuhan. Hanya sedikit citra satelit dari koridor kemanusiaan yang muncul secara online.

Citra satelit masih sangat dibutuhkan untuk mengalokasikan bantuan kemanusiaan dengan lebih baik kepada orang-orang yang terpaksa mengungsi. Semakin banyak LSM yang menyadari peran penting citra satelit dalam pekerjaan kemanusiaan selama konflik. Citra satelit gratis dari https://www.ukraineobserver.earth merupakan sumber daya yang sangat penting dalam mendukung tanggap darurat konflik Ukraina.

Penting bagi konsumen citra satelit - baik jurnalis maupun publik - untuk mempertahankan perspektif kritis dan melihat berbagai sumber data untuk menilai apakah citra satelit tersebut dapat diandalkan. Sebuah platform pengecekan fakta yang memungkinkan publik untuk memvalidasi citra satelit juga akan sangat membantu.

Metode untuk mendistorsi citra satelit akan semakin canggih. Cara-cara untuk mengimbangi pemalsuan dapat ditemukan, tetapi tidak ada yang dapat menggantikan masyarakat yang waspada dan melek data.

Awalnya diterbitkan di bawah Creative Commons oleh 360info™.

Dr Bo Zhao adalah seorang profesor geografi di University of Washington. Penelitiannya berfokus pada kesalahan informasi geografis dan implikasi sosial dari teknologi geospasial, terutama yang berkaitan dengan kepentingan populasi yang rentan.

Dr Zhao telah menyatakan tidak ada konflik kepentingan terkait artikel ini.

Artikel ini sudah terbit dalam Bahasa Inggris pada tanggal 2 Mei 2022 di 360info.org.