কেন এই পরিবর্তনটি গুরুত্বপূর্ণ

ভারত দীর্ঘকাল ধরে SIM-রেজিস্ট্রেশন জালিয়াতির বিরুদ্ধে লড়াই করে আসছে, যেখানে স্ক্যাম, স্প্যাম এবং অবৈধ কার্যকলাপের জন্য একটি মাত্র পরিচয় ব্যবহার করে ডজন ডজন বা শত শত ফোন নম্বর সংগ্রহ করা হয়। রেজিস্ট্রেশন প্রক্রিয়াকে এমন একটি বায়োমেট্রিকের সাথে যুক্ত করার মাধ্যমে যা নকল করা কঠিন—অর্থাৎ মানুষের মুখ—কর্তৃপক্ষ আশা করছেন যে তারা উৎস থেকেই এই ডিসপোজেবল (disposable) নম্বরগুলোর সরবরাহ কমিয়ে আনতে পারবেন।

এখানে ঝুঁকি অনেক বেশি। সিকিউরিটি এবং কম্পিউটার-ভিশন টুলস ডেভেলপারদের জন্য, ASTR হলো একটি লাইভ এবং দেশব্যাপী পরীক্ষা যে, যখন ডাটাবেস বিলিয়ন বিলিয়ন এন্ট্রিতে পৌঁছে যায়, তখন ফেসিয়াল-ম্যাচিং পাইপলাইনগুলো কতটা দক্ষতার সাথে কাজ করতে পারে।

ASTR কীভাবে কাজ করে

যখন একজন ব্যবহারকারী একটি নতুন SIM-এর জন্য আবেদন করেন, তখন একটি ক্যামেরা মুখের ছবি তোলে যা সিস্টেমটি একটি নিউমেরিক ভেক্টরে (numeric vector) রূপান্তরিত করে, যা 'ফেসিয়াল এমবেডিং' (facial embedding) নামে পরিচিত। এরপর সিস্টেমটি সেই এমবেডিংটি কেন্দ্রীয় রিপোজিটরির সাথে মিলিয়ে দেখে। যদি দেখা যায় যে একই মুখ অস্বাভাবিকভাবে অনেক বেশি সংখ্যক ফোন নম্বরের সাথে যুক্ত, তবে রেজিস্ট্রেশনটি ফ্ল্যাগ বা ব্লক করে দেওয়া হয়। বাস্তবে এই ভেক্টরটি একটি প্রাইমারি কী (primary key)-এর মতো কাজ করে: সিস্টেমটি কেবল "এটি কি একজন প্রকৃত মানুষ?" তা জিজ্ঞাসা করে না, বরং জিজ্ঞাসা করে "এই মুখটি কি সিস্টেমের অন্য কোথাও আগে থেকেই বিদ্যমান?"

যেহেতু এই অনুসন্ধানটি প্রায় রিয়েল-টাইমে (near-real time) হতে হবে, তাই ব্যাকএন্ড উচ্চ-ক্ষমতাসম্পন্ন ভেক্টর-সার্চ ইঞ্জিনের ওপর নির্ভর করে। Milvus-এর মতো ওপেন-সোর্স প্রজেক্ট বা Pinecone-এর মতো কমার্শিয়াল সার্ভিসগুলো ঠিক এই ধরণের কাজের জন্যই তৈরি করা হয়েছে: লক্ষ লক্ষ থেকে বিলিয়ন বিলিয়ন হাই-ডাইমেনশনাল ভেক্টর সংরক্ষণ করা এবং মিলিসেকেন্ডের মধ্যে নিকটতম প্রতিবেশী (nearest neighbours) খুঁজে বের করা।

ডেভেলপারদের যা খেয়াল রাখতে হবে

  • প্রায় শূন্য ফলস অ্যাকসেপ্টেন্স (False acceptance)। একটি ভুল ম্যাচ একজন বৈধ ব্যবহারকারীকে তার প্রয়োজনীয় ফোন নম্বরটি (ব্যাংকিং, কাজ বা ব্যক্তিগত যোগাযোগের জন্য) ব্যবহার করা থেকে বঞ্চিত করতে পারে। দলগুলো ডিসিশন থ্রেশহোল্ড (decision threshold) এমনভাবে টিউন করে যাতে False Acceptance Rate (FAR) শূন্যের কাছাকাছি থাকে, এমনকি যদি এতে ফলস-রিজেকশন রেট (false-rejection rate) বেড়েও যায়, যা তারা সেকেন্ডারি চেকের মাধ্যমে প্রশমিত করতে পারে।
  • ভেরিফিকেশন লজিকের পরিবর্তন। প্রথাগত KYC পাইপলাইনগুলো পরিচয়পত্র যাচাই করে। ASTR-এর পরে, প্রধান প্রশ্নটি হয়ে দাঁড়ায় যে ডাটাবেসে ইতিমধ্যে কোনো ফেস প্রোফাইল বিদ্যমান কি না, যা ফেসিয়াল সিমিলারিটিকে একটি ইউনিক আইডেন্টিফায়ারে পরিণত করে।
  • ইনফ্রাস্ট্রাকচারের ওপর চাপ। বিলিয়ন বিলিয়ন ভেক্টরের বিপরীতে রিয়েল-টাইম ম্যাচিংয়ের জন্য স্কেলেবল স্টোরেজ, GPU-অ্যাক্সিলারেটেড ইনডেক্সিং এবং কঠোর ল্যাটেন্সি গ্যারান্টির প্রয়োজন। যে দলগুলো শুধুমাত্র ফেসিয়াল ডিটেকশন বা ছোট পরিসরের ভেরিফিকেশন ব্যবহার করেছে, তাদের ভেক্টর ডাটাবেস গ্রহণ করতে হবে এবং সম্ভবত অ্যাসিনক্রোনাস ম্যাচিং রেজাল্ট হ্যান্ডেল করার জন্য তাদের API কন্ট্রাক্টগুলো নতুন করে ডিজাইন করতে হবে।

মুদ্রার উল্টো পিঠ

সমালোচকরা সতর্ক করেছেন যে বায়োমেট্রিক সিস্টেম ভুল করতে পারে, বিশেষ করে যাদের মুখের গঠন অস্বাভাবিক, বা যেখানে আলোর স্বল্পতা রয়েছে অথবা নিম্নমানের ক্যাপচার ডিভাইস ব্যবহার করা হচ্ছে। একটি ফলস নেগেটিভ (false negative)—অর্থাৎ একজন প্রকৃত ব্যবহারকারীকে প্রত্যাখ্যান করা—লক্ষ লক্ষ মানুষকে প্রয়োজনীয় পরিষেবা থেকে বঞ্চিত করতে পারে।

পরবর্তী পদক্ষেপ কী

সারসংক্ষেপ

ASTR একটি মুখকে ফোন নম্বরের ডি-ফ্যাক্টো (de-facto) চাবিকাঠি বা কী-তে পরিণত করে, যা পুরো সিকিউরিটি ইকোসিস্টেমকে ফেসিয়াল সিমিলারিটিকে একটি প্রাথমিক আইডেন্টিফায়ার হিসেবে বিবেচনা করতে বাধ্য করে। যে ডেভেলপাররা বৃহৎ পরিসরে অতি-নির্ভুল এবং লো-ল্যাটেন্সি ভেক্টর সার্চ প্রদান করতে পারবেন, তারাই ভারতকে তার মোবাইল নেটওয়ার্ক ব্যবহারযোগ্য এবং নিরাপদ রাখতে সাহায্য করবেন। এর উল্টো দিকটি হলো ভুল ম্যাচিং প্রতিরোধ করা এবং দেশব্যাপী বায়োমেট্রিক রিপোজিটরি সুরক্ষিত রাখার ক্ষেত্রে একটি বর্ধিত দায়িত্ব।