Meta એ Marketplace વિક્રેતાઓ માટે ફેસિયલ વેરિફિકેશન (facial verification) શરૂ કરવાનું શરૂ કર્યું છે, જેમાં વપરાશકર્તાઓને લિસ્ટિંગ લાઈવ થાય તે પહેલાં સરકારી ઓળખપત્ર (ID) સાથે મેચ થાય તેવી લાઈવ સેલ્ફી સબમિટ કરવા માટે મજબૂર કરવામાં આવે છે. આ પગલું પિયર-ટુ-પિયર (peer-to-peer) વેચાણમાં વિશ્વાસ વધારવા માટે છે, પરંતુ તે બાયોમેટ્રિક ડેટાને એવા પ્લેટફોર્મની હાથમાં મૂકે છે જે અગાઉ માત્ર પ્રતિષ્ઠા સ્કોર્સ (reputation scores) પર આધાર રાખતું હતું.

1:1 બાયોમેટ્રિક ચેક કેવી રીતે કામ કરે છે

સિસ્ટમ વન-ટુ-વન ફેસિયલ સરખામણી કરે છે. વપરાશકર્તા Marketplace એપમાં એક સેલ્ફી લે છે; તે છબીને ગાણિતિક વેક્ટરમાં (mathematical vector) રૂપાંતરિત કરવામાં આવે છે—એક સંખ્યાઓની શ્રેણી જે ચહેરાના લક્ષણોના આકાર અને સ્થાનનું વર્ણન કરે છે. સમાન રૂપાંતરણ અપલોડ કરેલા ID પરના ફોટા પર પણ લાગુ કરવામાં આવે છે. ત્યારબાદ આ બંને વેક્ટર્સનું યુક્લિડિયન ડિસ્ટન્સ એનાલિસિસ (Euclidean distance analysis) દ્વારા માપન કરવામાં આવે છે, જે એક પદ્ધતિ છે જે બહુ-પરિમાણીય અવકાશમાં (multi-dimensional space) બિંદુઓ વચ્ચેનું સીધું અંતર ગણે છે. જો અંતર પૂર્વ-નિર્ધારિત મર્યાદા (preset threshold) થી ઓછું હોય, તો મેચને માન્ય ગણવામાં આવે છે અને વિક્રેતાને “વેરિફાઇડ” (verified) બેજ મળે છે.

સાચો ડેવલપમેન્ટ પડકાર: લાઈવનેસ ડિટેક્શન (liveness detection)

બે સ્થિર ફોટાઓને મેચ કરવા સરળ છે; પરંતુ કોઈ જીવંત વ્યક્તિને એ ખાતરી આપવી કે તેઓ ફોટો અથવા વિડિયોનો ઉપયોગ નથી કરી રહ્યા તે ઘણું અઘરું છે. Meta ના એન્જિનિયરોએ લાઈવનેસ ટેસ્ટને એમ્બેડ કરવો પડશે જે વાસ્તવિક ચહેરાને ફરીથી વગાડવામાં આવેલી (replayed) છબીથી અલગ કરી શકે. જોકે ચોક્કસ ટેકનિક જાહેર કરવામાં આવી નથી, પરંતુ ઉદ્યોગના અભ્યાસ મુજબ 3D ડેપ્થ ક્યુઝ (3D depth cues), માથાના સૂક્ષ્મ હલનચલન અથવા ત્વચા પર પ્રકાશના ફેરફારોનો ઉપયોગ સૂચવે છે. અબજો વપરાશકર્તાઓના સ્કેલ પર આ તપાસો લાગુ કરવાથી કોડબેઝ અને સર્વર લોડમાં નોંધપાત્ર જટિલતા ઉમેરાય છે, કારણ કે દરેક વેરિફિકેશન માટે રિયલ ટાઇમમાં મોશન ડેટા પ્રોસેસ કરવો પડે છે.

તપાસકર્તાઓ અને OSINT વ્યાવસાયિકોએ શા માટે ધ્યાન આપવું જોઈએ

બાયોમેટ્રિક વેરિફિકેશન હવે વિશિષ્ટ સુરક્ષા સાધનોમાંથી રોજિંદા ગ્રાહક ઉત્પાદનોમાં વણાઈ રહ્યું છે. જ્યારે Meta જેવું મોટું પ્લેટફોર્મ તેને અપનાવે છે, ત્યારે એવી અપેક્ષા વધે છે કે માત્ર એક સાદો “True/False” બેજ પૂરતો છે. ઓપન-સોર્સ તપાસકર્તાઓ અને OSINT વિશ્લેષકો જે મેન્યુઅલ વેરિફિકેશન પર આધાર રાખે છે, તેઓ ટૂંક સમયમાં જ ઓટોમેટેડ, ગણિત-આધારિત તપાસ દ્વારા પાછળ રહી જશે. વ્યાવસાયિક ઉપયોગ માટે, માત્ર પાસ/ફેલ (pass/fail) પૂરતું નથી; વિશ્લેષકોને કાયદાકીય અથવા તપાસના સંદર્ભમાં તારણોને સાબિત કરવા માટે કોન્ફિડન્સ સ્કોર્સ, ફેસિયલ લેન્ડમાર્ક ઓવરલેઝ અને ઓડિટ-રેડી લોગ્સની જરૂર હોય છે. Marketplace નું નવું ફીચર સંકેત આપે છે કે આવો ડેટા વધુ સરળતાથી ઉપલબ્ધ થઈ શકે છે, પરંતુ સાબિતી માટેના ધોરણો પણ વધશે.

ગોપનીયતા અને સુરક્ષા અંગેની ચિંતાઓ

સેલ્ફી અને સરકારી ID એકત્રિત કરવાથી બાયોમેટ્રિક ડેટાનો મોટો સંગ્રહ (treasure trove) બને છે. પાસવર્ડથી વિપરીત, જો ચહેરો જોખમમાં મુકાય તો તેને બદલી શકાતો નથી. ટીકાકારો દલીલ કરે છે કે આ ડેટાને મોટા પાયે સંગ્રહિત કરવા અને પ્રોસેસ કરવાથી લીક, દુરુપયોગ અથવા અનિચ્છનીય પ્રોફાઇલિંગનું જોખમ વધે છે. લાઈવનેસ ઘટકનો અર્થ એ પણ છે કે પ્લેટફોર્મે ટૂંકા વિડિયો સ્નિપેટ્સ અથવા ડેપ્થ મેપ્સ રાખવા પડશે, જેનાથી ડેટા સંગ્રહનો વ્યાપ વધશે. ગોપનીયતા-પ્રથમ સાધનો માટે, જે કોઈપણ વ્યક્તિગત રીતે ઓળખી શકાય તેવી માહિતી (personally identifiable information) ટાળે છે, તે પૂર્વધારણા કે વપરાશકર્તાઓ ફેસિયલ સ્કેન માટે સંમતિ આપશે, તે લો-ટેક વેરિફિકેશન પદ્ધતિઓના બજારને નુકસાન પહોંચાડી શકે છે.

આગળ શું જોવા જેવું છે

  • નિયમનકારી પ્રતિસાદ (Regulatory response) – ડેટા-સુરક્ષા સત્તાધિકારીઓ Meta કેવી રીતે ફેસિયલ ડેટા સંગ્રહિત કરે છે, સુરક્ષિત કરે છે અને ડિલીટ કરે છે તેની તપાસ કરી શકે છે.
  • વપરાશકર્તા સ્વીકૃતિ (User adoption) – જો વેરિફિકેશન સ્ટેપ અઘરું સાબિત થાય, તો વિક્રેતાઓ વૈકલ્પિક પ્લેટફોર્મ અથવા ઓફલાઇન વેચાણ તરફ વળી શકે છે.
  • ટેકનિકલ પારદર્શિતા (Technical transparency) – કોન્ફિડન્સ સ્કોર્સ અથવા ઓડિટ લોગ્સ દર્શાવતા APIs માટેની વિનંતીઓ ત્રીજા પક્ષના તપાસકર્તાઓ Marketplace ડેટાને કેવી રીતે સંકલિત કરે છે તેને આકાર આપી શકે છે.
  • સ્પર્ધાત્મક દબાણ (Competitive pressure) – અન્ય માર્કેટપ્લેસ સમાન તપાસ અપનાવી શકે છે, જેનાથી બાયોમેટ્રિક વેરિફિકેશન એક નવું ઉદ્યોગ બેઝલાઇન બની શકે છે.

આ રોલઆઉટ દર્શાવે છે કે બાયોમેટ્રિક ઓથેન્ટિકેશન હવે ઉચ્ચ-મૂલ્યના વ્યવહારો માટે લક્ઝરી નથી; તે રોજિંદા વ્યાપાર માટે એક પ્રમાણભૂત ગેટકીપર બની રહ્યું છે. આ ફેરફાર સુરક્ષામાં સુધારો કરશે કે ગોપનીયતાને નુકસાન પહોંચાડશે તેનો આધાર Meta સુવિધા અને કડક ડેટા સુરક્ષા વચ્ચે કેવી રીતે સંતુલન જાળવે છે તેના પર રહેશે.