Kecerdasan buatan dengan cepat mengikis anonimitas online, menurut penelitian baru dari ETH Zurich. Para ilmuwan telah menunjukkan bahwa alat AI dapat secara andal mengidentifikasi individu di balik akun media sosial dengan nama samaran dengan melakukan referensi silang terhadap detail yang tampaknya tidak berbahaya yang dibagikan dari waktu ke waktu. Perkembangan ini mempunyai implikasi signifikan terhadap privasi, pengawasan, dan keamanan online.
Bangkitnya Deanonimisasi yang Didukung AI
Selama bertahun-tahun, banyak pengguna internet mengandalkan anonimitas untuk mengungkapkan pendapat, berbagi informasi sensitif, atau terlibat dalam komunitas khusus tanpa takut akan konsekuensi di dunia nyata. Namun asumsi privasi ini tidak lagi dijamin. Penelitian di Swiss mengungkapkan bahwa model bahasa besar (LLM) kini dapat mencocokkan akun anonim dengan akun di dunia nyata dengan akurasi hingga 68% dan presisi 90% – secara signifikan mengungguli metode penyelidikan manual.
Prosesnya sederhana: LLM memindai web untuk mencari detail pribadi yang terfragmentasi (riwayat pekerjaan, lokasi, hobi) yang tanpa disadari dibocorkan individu ke seluruh platform. Bahkan penyebutan tempat kerja atau kampung halaman di masa lalu yang tampaknya tidak berbahaya, yang tersebar selama bertahun-tahun, sudah cukup untuk mematahkan anonimitas. Ini bukan tentang AI manusia super; ini tentang otomatisasi. LLM dapat menyaring data jauh lebih cepat dan lebih murah dibandingkan penyelidik manusia mana pun.
Siapa yang Paling Berisiko?
Pengguna yang paling rentan adalah mereka yang terus-menerus membagikan data pribadi dengan nama samaran – terutama pengguna berusia lanjut atau mereka yang tidak terbiasa dengan praktik privasi tingkat lanjut. Para peneliti menemukan bahwa semakin banyak informasi yang diungkapkan seseorang dari waktu ke waktu, semakin mudah mereka mengungkap kedoknya.
Hal ini menimbulkan ancaman langsung terhadap pelapor, aktivis, jurnalis, dan siapa pun yang mengandalkan anonimitas untuk melindungi diri mereka dari pengawasan, pelecehan, atau sensor. Pemerintah dapat memanfaatkan teknologi ini untuk mengidentifikasi para pembangkang; perusahaan dapat menggunakannya untuk periklanan yang sangat bertarget atau pembuatan profil pelanggan; dan pelaku kejahatan dapat melancarkan serangan rekayasa sosial yang sangat personal.
Teknologi di Balik Terobosan
Para peneliti membangun sistem mereka menggunakan kumpulan data yang tersedia untuk umum dari platform seperti Hacker News, LinkedIn, dan Reddit. Mereka menguji LLM dengan sengaja memisahkan akun Reddit yang dianonimkan dan menantang AI untuk mencocokkannya dengan identitas aslinya. Hasilnya jelas: deanonimisasi yang didukung AI tidak hanya mungkin dilakukan; ini menjadi semakin efisien.
Penulis penelitian menekankan bahwa teknologi ini tidak memerlukan kekuatan komputasi yang luar biasa atau pengetahuan khusus. Mekanisme yang mendasarinya sudah ada, dan mereka mengantisipasi bahwa dalam beberapa tahun, pengguna sehari-hari akan memiliki akses ke alat yang mampu membuka kedok akun anonim.
Solusinya: Akun Sekali Pakai
Cara paling efektif untuk melindungi anonimitas online ternyata sangat sederhana: gunakan akun sekali pakai untuk postingan sensitif. Membuat profil sekali pakai menghilangkan jejak data pribadi yang dieksploitasi oleh LLM. Jika Anda perlu membagikan sesuatu yang benar-benar rahasia, jangan gunakan akun yang sama yang telah Anda gunakan selama bertahun-tahun; buat yang baru khusus untuk tujuan itu.
“Jika Anda peduli terhadap sesuatu yang bersifat anonim, jika Anda memiliki sesuatu untuk dilindungi, berhati-hatilah terhadap hal ini,” kata Daniel Paleka, penulis utama studi tersebut. “Dasar-dasar teknologi sudah ada. Jika tidak ada penjaga, saya berharap seseorang akan menyalahgunakannya.”
Kesempatan untuk mengatasi masalah ini sudah ditutup. Ketika alat AI menjadi lebih mudah diakses, erosi anonimitas online akan semakin cepat. Studi ini berfungsi sebagai peringatan: pengguna, platform, dan pembuat kebijakan harus bertindak sekarang untuk menjaga privasi sebelum privasi hilang sama sekali.
