Kominfo-Content Filtering
0 likes896 views
Dokumen tersebut membahas tentang usulan perbaikan proses penapisan konten internet di Indonesia, yaitu dengan fokus pada analisis konten (bukan domain utama), menggunakan teknik big data dan machine learning, serta kolaborasi terbuka antara pemerintah dan masyarakat. Hal ini dimaksudkan agar penanganan konten negatif di internet menjadi lebih tepat dan proporsional.
Kominfo-Content Filtering
- 1. Analisa Konteks Web dan Usulan Proses Normalisasi Blokir untuk Proses Penapisan Internet Sehat Indonesia Dony Riyanto (a.donyriyanto@gmail.com) Maret 2016
- 2. Pembuka Pemerintah, dalam hal ini Kemenkominfo, memiliki tugas dan tanggung jawab untuk mengatur pemanfaatan media Teknologi Informasi dan Komunikasi secara umum, maupun konten internet secara khusus, demi menjaga kedaulatan Republik Indonesia. Berbagai upaya sudah di-inisiasi dan dilakukan, baik legislatif maupun eksekutif, salah satunya dengan diberlakukannya UU ITE, berbagai Permen dan aturan terkait konten negatif, dan sebagainya.
- 3. Latar Belakang Dengan potensi jumlah pengakses internet terbesar di ASEAN, dan salah satu negara dengan kontribusi dan akses konten Internet/Media Sosial terbesar dunia, Indonesia memiliki posisi strategis dalam pengembangan teknologi internet kedepan, sekaligus memiliki potensi ancaman serius. Upaya pemblokiran konten/domain website yang menyalahi peraturan perundangan (KUHP, UU ITE, UU HAKI, dsb) sudah dilakukan sejak beberapa tahun ke belakang antara lain untuk web yang mengandung konten ponografi, perjudian, hingga pelanggaran hak atas kekayaan intelektual dan yang terkait. Namun hal itu masih dirasa kurang efektif dan/atau tetap butuh pengembangan serta perbaikan kedepan. Bagaimana cara penapisan yang cepat, tepat, tidak menghalangi kebebasan untuk mendapatkan informasi dan ber-ekspresi, tanggap remediasi, dan dapat mengikuti pola perkembangan konten internet yang berkembang super cepat, tanpa menyalahi netralitas internet? Slide ini mencoba memberikan usulan mengenai pengembangan proses penapisan yang diharapkan lebih baik daripada proses yang sudah ada saat ini.
- 4. Regulasi β UUD45 β KUHP β UU ITE β Dirjen Aplikasi Informatika, Kemkominfo, No. 70/DJAI/KOMINFO/02/2011 tanggal 11 Februari 2011, tentang βPenerapan Internet Sehat dan Aman oleh Para Penyelenggara Jasa Akses Internet (ISP)β. β Permen Kominfo no 19 tahun 2014 tentang βPenanganan Situs Internet Bermuatan Negatifβ. β Peraturan Bersama Menkumham No. 14 tahun 2015 dan Menkominfo No. 26 tahun 2015 tentang βPelaksanaan Penutupan Konten dan/atau Hak Akses Pengguna Pelanggaran Hak Cipta dan/atau Hak Terkait Dalam Sistem Elektronikβ. Pelaksana dan penegakan hukum: β Teknis pelaksanaan blokir dilakukan oleh masing-masing ISP/penyedia jasa internet, sesuai peraturan yang diterbitkan Kemenkominfo. β Aparat penegak hukum (kepolisian/kejaksaan), khususnya pada delik aduan.
- 5. Penanggungjawab Dalam Permen Kominfo no. 19 tahun 2014 jelas disebutkan, siapa saja pihak yang bertanggungjawab untuk melaksanakan penapisan, yaitu: β Kementrian atau lembaga pemerintah β Penyedia Layanan Pemblokiran β Penyelenggara Jasa Akses Internet β Peran serta masyarakat pengguna jasa internet
- 6. Cara Penapisan Saat ini Bekerja secara tersentralisasi Berdasarkan data terstruktur (keywords search,kajian dan pengaduan) Di monitor Control Room Di evaluasi (normalisasi) manual Distribusi secara manual (download/rsync) Satu arah.Tidak ada pemeriksaan implementasi yang terintegrasi dengan ISP ISP dan masyarakat tidak bisa melakukan pemeriksaan TRUST Positif
- 7. Beberapa Permasalahan Teknis β Dengan metode DNS poisoning, akses user mudah lolos ketika menggunakan VPN/tunneling β Beberapa ISP bahkan bisa dengan mudah di bypass dengan mengganti setting DNS server di komputer lokal. β Sistem profiling automatic masih bersifat teks nama domain/subdomain (pencarian keywords) bukan dengan analisa konteks, sementara tiap hari laju kemunculan situs pornografi dan perjudian sangat cepat, sehingga masih sangat banyak yang bisa lolos. Justru sebaliknya, beberapa domain yang tidak berunsur pornografi justru di blokir (false alarm) β Karena daftar pemblokiran hanya menggunakan nama domain/subdomain utama, maka ketika sebuah domain masuk dalam daftar, akan di blokir, walaupun yang menyalahi aturan hanya sebagian konten (url) didalamnya. Yang ter-blokir termasuk sub-sub domain/direktori-nya, yang bisa jadi memiliki konten yang legal dan tidak melanggar aturan. β Pada saat normalisasi juga memakan waktu lama karena berdasarkan laporan masyarakat dan review manual β Dan berbagai masalah lain
- 8. Permasalahan (2) Data per Maret 2016. Tidak ada? Data per 2015
- 9. Usulan Solusi β Fokus pada penapisan (filter) konten internet, secara bertahap, tanpa melakukan sadap (tapping). Mulai dari konten per URL (full path URL) bukan per domain/sub domain β Analisa data secara komprehensif berdasarkan data terstruktur dan tidak ter-struktur. Contoh data ter struktur: daftar putih/dafar kajian domain web/daftar pengaduan. Contoh data tidak ter struktur: keywords, konten web (teks/gambar/dsb) baik dari web itu sendiri, maupun dari trending topic, jejaring sosial, web analisa traffic, maupun sumber lain terkait. β Melakukan web search dengan metode pencarian berdasarkan model asosiatif untuk menemukan pola/memahami konteks web. β Konten internet (dalam hal ini diasumsikan dengan full path URL sebuah web) yang terindikasi kuat berdasarkan aturan (rules) yang terprogram, bisa langsung secara otomatis dimasukkan dalam blacklist, dan faktor penyebabnya juga ikut dipublikasikan supaya bisa diketahui masyarakat. Namun juga harus diimbangi dengan mekanisme review yang cepat, akurat, berkala, bersifat terbuka dan kolaboratif, sehingga dapat dinormalisasi segera apabila memang terjadi salah blokir (false alarm) atau sudah dilakukan remediasi konten. β Bentuk kolaborasi terbuka ini bisa bersifat seperti wiki, dimana informasi diisi dan dikonfirmasi bersama-sama, sehingga lebih akuntabel dan terpercaya. β Daftar hitam/putih tidak berhenti sebagai database begitu saja, namun juga harus memudahkan ISP/masyarakat untuk menerima dan menggunakannya. Juga harusnya membuka peluang masyarakat secara aktif memasang sendiri di komputer miliknya (agent). Dan harus ada mekanisme dua arah antara kominfo dengan ISP/masyarakat
- 10. Solusi (1) βIts content filtering (not traffic sniffing), not to be confused with domain blocking (DNS poisoning)β β Sistem yang diusulkan adalah menganalisa content internet (web/files/dsb) β Analisa meliputi: NLP, text mining, dsb. β Contoh analisis sentimen (Positive/Negative) dari dua buah web berbeda.
- 11. Solusi (2) βAnalyzing unstructured input (existing only based on structured user report & keyword search, then manual processing)β β Untuk memahami konteks sebuah konten web maka perlu analisa mendalam pada daat terstruktur dan tidak ter struktur, antara lain berupa: β User generated content (Twitter, Facebook, blog) β Trending topic/search, search engine, suggestion engine, traffic ranking β Data-data ini di kumpulkan dan di analisa dengan sistem 'Big Data' dan 'Machine Learning'
- 12. Summary β Dampak dari pemblokiran internet masih kontroversif β Untuk itu perlu dilakukan penanganan yang lebih baik dan lebih moderat β Salah satunya dengan fokus pada konten (bukan pada situs utama), dan harus bisa mengikuti pertumbuhan konten internet