একটি অপরাধী চক্র ১৫,৫০০টি ওয়েবসাইট তৈরি করেছে যা পরিচিত ব্যক্তিত্বদের ডিপ-ফেক ভিডিও স্ট্রিম করে ভুয়া স্টক টিপস প্রচার করছে, এবং এই কার্যক্রমটি ইতিমধ্যেই অসতর্ক বিনিয়োগকারীদের কাছ থেকে টাকা হাতিয়ে নিচ্ছে। এই কাজের বিশাল মাত্রার কারণে ম্যানুয়াল পদ্ধতিতে এগুলো সরিয়ে ফেলা অসম্ভব হয়ে পড়েছে, যা নিরাপত্তা দলগুলোকে এই ধরনের জালিয়াতি শনাক্ত ও ব্লক করার পদ্ধতি নিয়ে নতুন করে ভাবতে বাধ্য করছে।
চক্রটি যেভাবে কাজ করে
প্রতারকরা কেবল একটি নকল ক্লিপের ওপর নির্ভর করে না। প্রতিটি সাইট এমনভাবে প্রোগ্রাম করা হয়েছে যাতে ভিজিটর অনুযায়ী এর আচরণ ভিন্ন হয়। একটি স্বয়ংক্রিয় ক্রলার (crawler) দেখলে সেখানে একটি সাধারণ “under construction” বা নির্মাণাধীন পেজ দেখা যাবে, কিন্তু একজন প্রকৃত ব্যবহারকারী যখন মোবাইল ডিভাইস থেকে প্রবেশ করবেন, তখন তাকে একটি উন্নত মানের ভিডিও দেখানো হবে যেখানে একজন সেলিব্রিটি কোনো স্টক সমর্থন করছেন বলে মনে হবে। এই অমিলটি কার্যক্রমটিকে প্রথাগত ওয়েব-স্ক্র্যাপিং টুলগুলোর নজর এড়িয়ে থাকতে সাহায্য করে।
এই পরিবর্তনটি লুকিয়ে রাখতে দলটি Keitaro-এর মতো ট্রাফিক-রাউটিং পরিষেবা ব্যবহার করে, যা URL লুকিয়ে রাখতে পারে এবং IP রেপুটেশন, ডিভাইস ফিঙ্গারপ্রিন্ট বা রেফারার হেডার অনুযায়ী ভিন্ন ভিন্ন কন্টেন্ট প্রদর্শন করতে পারে। এর ফলে তৈরি হয় “দেখতে একই রকম” ডোমেইনের একটি বিশাল নেটওয়ার্ক যা সাধারণ ওয়েবের সাথে মিশে যায়, ফলে সিকিউরিটি বটগুলোর জন্য সেগুলোকে ক্ষতিকারক হিসেবে চিহ্নিত করা কঠিন হয়ে পড়ে।
কেন সাধারণ শনাক্তকরণ পদ্ধতি যথেষ্ট নয়
বেশিরভাগ অ্যান্টি-ডিপ-ফেক সমাধান ভিজ্যুয়াল আর্টিফ্যাক্টস (visual artefacts) শনাক্ত করার দিকে মনোনিবেশ করে যা একটি কৃত্রিম ভিডিওর পরিচয় প্রকাশ করে—যেমন ঝাপসা কিনারা, অসামঞ্জস্যপূর্ণ আলো বা লিপ-সিঙ্ক-এর অমিল। এই প্রচারণায় সেই ধরনের ত্রুটি খুব কম দেখা যায় কারণ ভিডিওগুলো উচ্চ-মানের মডেল দিয়ে তৈরি করা হয়েছে। আসল দুর্বলতাটি লুকিয়ে আছে মুখের জ্যামিতিতে: ডিপ-ফেক জেনারেটরগুলো প্রায়শই ফেসিয়াল ল্যান্ডমার্কগুলোর মধ্যে স্থানিক সম্পর্কের ক্ষেত্রে সূক্ষ্ম অমিল তৈরি করে।
তাই একটি সাধারণ “এই ভিডিওটি কি নকল?” পরীক্ষা এই চক্রের অনেক কন্টেন্ট শনাক্ত করতে ব্যর্থ হয়। আসলে প্রয়োজন একটি যাচাইকরণ (verification) ধাপ, যা ভিডিওতে দেখানো মুখটিকে সেই সেলিব্রিটির একটি পরিচিত ও বিশ্বস্ত ছবির সাথে তুলনা করবে।
একটি ভেরিফিকেশন পাইপলাইন তৈরি করা
ডেভেলপাররা তাদের সিকিউরিটি ওয়ার্কফ্লোতে তিনটি মূল সক্ষমতা অন্তর্ভুক্ত করতে পারেন:
- অ্যাডাপ্টিভ ক্রলিং (Adaptive crawling) – এমন হেডলেস ব্রাউজার ব্যবহার করুন যা প্রকৃত ইউজার এজেন্ট অনুকরণ করে, IP পরিবর্তন করে এবং মোবাইল ডিভাইসের বৈশিষ্ট্য প্রদর্শন করে। এটি “under construction” নামক ফাঁদগুলো এড়িয়ে প্রকৃত ভিডিও পেলোড সংগ্রহ করতে সাহায্য করে।
- বায়োমেট্রিক তুলনা (Biometric comparison) – ভিডিওর প্রতিটি ফ্রেম থেকে ফেসিয়াল ল্যান্ডমার্ক বের করুন এবং একটি আসল রেফারেন্স ছবির ল্যান্ডমার্কের সাথে সেগুলোর ইউক্লিডীয় দূরত্ব (Euclidean distance) গণনা করুন। ল্যান্ডমার্কের অবস্থানে ছোট কিন্তু ধারাবাহিক ভুল থাকা ডিপ-ফেক হওয়ার একটি শক্তিশালী নির্দেশক। একাধিক ফ্রেম জুড়ে এই তুলনা চালালে সাময়িক আলো পরিবর্তন বা কোনো কিছু ঢেকে যাওয়ার কারণে সৃষ্ট ভুল শনাক্তকরণ (false positives) হ্রাস পায়।
- শনাক্তকরণ থেকে যাচাইকরণের দিকে পরিবর্তন – একটি ভিডিওকে কেবল “সম্ভাব্য নকল” হিসেবে চিহ্নিত না করে, একটি যাচাইকৃত উৎসের বিপরীতে বায়োমেট্রিক পরীক্ষা না হওয়া পর্যন্ত সেটিকে 'অনিশ্চিত' হিসেবে গণ্য করুন। যদি কোনো মিল না পাওয়া যায়, তবে কন্টেন্টটি কোয়ারেন্টাইন করা যেতে পারে বা মানুষের পর্যালোচনার জন্য পাঠানো যেতে পারে।
একটি ব্যবহারিক বাস্তবায়ন দেখতে অনেকটা এরকম হতে পারে:
- Crawler পেজটি সংগ্রহ করে, রিডাইরেক্ট অনুসরণ করে এবং চূড়ান্ত ভিডিও URL রেকর্ড করে।
- Downloader ভিডিওটি ডাউনলোড করে এবং এটিকে মূল ফ্রেমগুলোতে (যেমন প্রতি সেকেন্ডে একটি) বিভক্ত করে।
- Face extractor প্রতিটি ফ্রেমে মুখটি শনাক্ত করতে একটি লাইটওয়েট মডেল চালায়।
- Landmark matcher এক্সট্রাক্ট করা ল্যান্ডমার্ক এবং সেলিব্রিটির একটি অফিসিয়াল পোর্ট্রেটের ল্যান্ডমার্কের মধ্যে ইউক্লিডীয় দূরত্ব গণনা করে।
- Score aggregator যদি গড় দূরত্ব একটি পূর্বনির্ধারিত সীমার বেশি হয়, তবে ভিডিওটিকে ফ্ল্যাগ করে।
যেহেতু এই কার্যক্রমটি হাজার হাজার ডোমেইনে বিস্তৃত, তাই প্রতিটি ধাপ স্বয়ংক্রিয় করা অপরিহার্য। ফেস ডিটেকশন এবং ল্যান্ডমার্ক এক্সট্রাকশনের জন্য ওপেন-সোর্স লাইব্রেরি সহজেই পাওয়া যায়, এবং ইউক্লিডীয় দূরত্ব গণনা করা কম্পিউটেশনালি সাশ্রয়ী, যা পাইপলাইনটিকে প্রতিদিন হাজার হাজার সাইটে স্কেল করার সুবিধা দেয়।
সম্ভাব্য আপত্তি
কিছু সিকিউরিটি টিম যুক্তি দেন যে বায়োমেট্রিক ভেরিফিকেশন গোপনীয়তা সংক্রান্ত উদ্বেগ বাড়ায়, বিশেষ করে যখন এতে পাবলিক ফিগারদের রেফারেন্স ছবি সংরক্ষণ করার বিষয় জড়িত থাকে। এর পাল্টা যুক্তি হলো যে, রেফারেন্স সেটটি কেবল জনসমক্ষে উপলব্ধ এবং লাইসেন্সকৃত ছবির মধ্যে সীমাবদ্ধ রাখা যেতে পারে এবং তুলনা করার ধাপের পরে তা আর সংরক্ষণ করা হবে না। লক্ষ লক্ষ ব্যবহারকারীর বিনিয়োগের টাকা প্রতারণার শিকার হওয়ার ঝুঁকি এই সামান্য ডেটা হ্যান্ডলিংয়ের ঝুঁকির চেয়ে অনেক বেশি।
আরেকটি আপত্তি হলো সেলিব্রিটিরা তাদের চেহারা পরিবর্তন করার সাথে সাথে রেফারেন্স লাইব্রেরি আপডেট রাখার রক্ষণাবেক্ষণ খরচ। ইনক্রিমেন্টাল আপডেট—অর্থাৎ যাচাইকৃত মিডিয়ায় নতুন ছবি আসা মাত্রই তা যুক্ত করা—পুরো লাইব্রেরি নতুন করে তৈরি না করেই এই সমস্যা সমাধান করতে পারে।
পরবর্তীতে যা লক্ষ্য রাখা উচিত
এই চক্রের ট্রাফিক-মাস্কিং পরিষেবার ওপর নির্ভরশীলতার অর্থ হলো, সেই পরিষেবাগুলোতে যেকোনো বিঘ্ন সাময়িকভাবে এই অভিযানকে বাধাগ্রস্ত করতে পারে, তবে মূল কৌশলটি—উচ্চমানের ডিপ-ফেক-এর সাথে ডায়নামিক কন্টেন্ট ডেলিভারি—সম্ভবত অন্যান্য স্ক্যামেও পুনরায় দেখা যাবে। সিকিউরিটি ভেন্ডরদের উচিত একই ধরণের প্যাটার্নগুলো পর্যবেক্ষণ করা: ক্রলার সিগনেচারের ওপর ভিত্তি করে ভিন্ন ভিন্ন কন্টেন্ট, একই ভিডিও হোস্টিং বাকেটের দিকে নির্দেশকারী ডোমেইনের আকস্মিক বৃদ্ধি এবং একই ফেসিয়াল-জ্যামিতি এরর সিগনেচারের বারবার ব্যবহার।
ডেভেলপারদের জন্য পরবর্তী পদক্ষেপ হলো সন্দেহজনক ডোমেইনের একটি ছোট অংশের ওপর ভেরিফিকেশন পাইপলাইনের প্রোটোটাইপ তৈরি করা এবং ফলস-পজিটিভ রেট পরিমাপ করা। বিভিন্ন সংস্থার মধ্যে ডিটেকশন সিগনেচার শেয়ার করলে কাজের পুনরাবৃত্তি কমানো সম্ভব।
মূল কথা: ১৫,৫০০টি সাইটের এই ডিপ-ফেক স্ক্যামটি প্রমাণ করে যে, জালিয়াতির ক্ষেত্রে এখন শুধু পরিশীলিততাই নয়, বরং এর বিশাল বিস্তার বা স্কেল হলো নতুন দিগন্ত। অ্যাডাপ্টিভ ক্রলিং-এর সাথে ফ্রেম-বাই-ফ্রেম বায়োমেট্রিক ভেরিফিকেশন যুক্ত করার মাধ্যমে, সিকিউরিটি টিম একটি বিশাল সমস্যাকে একটি স্বয়ংক্রিয় এবং পরিমাপযোগ্য প্রতিরক্ষায় রূপান্তরিত করতে পারে।