ಈ ಬದಲಾವಣೆಯ ಮಹತ್ವವೇನು

ಭಾರತವು ದೀರ್ಘಕಾಲದಿಂದ SIM ನೋಂದಣಿ ವಂಚನೆಯನ್ನು ಎದುರಿಸುತ್ತಿದೆ, ಇಲ್ಲಿ ವಂಚನೆಗಳು, ಸ್ಪ್ಯಾಮ್ ಮತ್ತು ಅಕ್ರಮ ಚಟುವಟಿಕೆಗಳಿಗಾಗಿ ಒಂದೇ ಗುರುತನ್ನು ಬಳಸಿ ಡಜನ್‌ಗಟ್ಟಲೆ ಅಥವಾ ನೂರಾರು ಫೋನ್ ಸಂಖ್ಯೆಗಳನ್ನು ಪಡೆಯಲಾಗುತ್ತದೆ. ನೋಂದಣಿಯನ್ನು ನಕಲು ಮಾಡಲು ಕಷ್ಟವಾದ ಬಯೋಮೆಟ್ರಿಕ್—ಅಂದರೆ ವ್ಯಕ್ತಿಯ ಮುಖಕ್ಕೆ—ಬಂಧಿಸುವುದರ ಮೂಲಕ, ಅಳವಡಿಸಬಹುದಾದ (disposable) ಸಂಖ್ಯೆಗಳ ಪೂರೈಕೆಯನ್ನು ಮೂಲದಲ್ಲೇ ತಡೆಯಲು ಅಧಿಕಾರಿಗಳು ಆಶಿಸುತ್ತಿದ್ದಾರೆ.

ಇಲ್ಲಿ ಪಣ ದೊಡ್ಡದಿದೆ. ಭದ್ರತೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್-ವಿಷನ್ (computer-vision) ಪರಿಕರಗಳ ಅಭಿವೃದ್ಧಿಪಡಿಸುವವರಿಗೆ, ASTR ಎಂಬುದು ಡೇಟಾಬೇಸ್ ಶತಕೋಟಿ ಎಂಟ್ರಿಗಳಿಗೆ ಬೆಳೆದಾಗ ಫೇಶಿಯಲ್-ಮ್ಯಾಚಿಂಗ್ ಪೈಪ್‌ಲೈನ್‌ಗಳು ಎಷ್ಟು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದಕ್ಕೆ ಒಂದು ರಾಷ್ಟ್ರಮಟ್ಟದ ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಯಾಗಿದೆ.

ASTR ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ

ಬಳಕೆದಾರರು ಹೊಸ SIM ಗಾಗಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಿದಾಗ, ಕ್ಯಾಮೆರಾ ಮುಖದ ಚಿತ್ರವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ, ಅದನ್ನು ಸಿಸ್ಟಮ್ ಒಂದು ಸಂಖ್ಯಾತ್ಮಕ ವೆಕ್ಟರ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ, ಇದನ್ನು 'ಫೇಶಿಯಲ್ ಎಂಬೆಡ್ಡಿಂಗ್' (facial embedding) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ನಂತರ ಸಿಸ್ಟಮ್ ಆ ಎಂಬೆಡ್ಡಿಂಗ್ ಅನ್ನು ಕೇಂದ್ರ ಶೇಖರಣಾ ಕೇಂದ್ರದ (central repository) ವಿರುದ್ಧ ಹುಡುಕುತ್ತದೆ. ಒಂದು ವೇಳೆ ಅದೇ ಮುಖವು ಅಸಹಜವಾಗಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಫೋನ್ ಸಂಖ್ಯೆಗಳಿಗೆ ಲಿಂಕ್ ಆಗಿದ್ದರೆ, ನೋಂದಣಿಯನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾಗುತ್ತದೆ ಅಥವಾ ನಿರ್ಬಂಧಿಸಲಾಗುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಈ ವೆಕ್ಟರ್ ಒಂದು ಪ್ರೈಮರಿ ಕೀ (primary key) ತರಹ ಕೆಲಸ ಮಾಡುತ್ತದೆ: ಸಿಸ್ಟಮ್ ಕೇವಲ "ಇದು ನಿಜವಾದ ವ್ಯಕ್ತಿಯೇ?" ಎಂದು ಕೇಳುತ್ತಿಲ್ಲ, ಬದಲಿಗೆ "ಈ ಮುಖವು ಈಗಾಗಲೇ ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಬೇರೆಡೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ?" ಎಂದು ಕೇಳುತ್ತಿದೆ.

ಹುಡುಕಾಟವು ನೈಜ-ಸಮಯದ ಹತ್ತಿರದಲ್ಲಿ (near-real time) ನಡೆಯಬೇಕಿರುವುದರಿಂದ, ಬ್ಯಾಕೆಂಡ್ (backend) ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ವೆಕ್ಟರ್-ಸರ್ಚ್ ಇಂಜಿನ್‌ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. Milvus ನಂತಹ ಓಪನ್-ಸೋರ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳು ಅಥವಾ Pinecone ನಂತಹ ವಾಣಿಜ್ಯ ಸೇವೆಗಳು ಇದೇ ಮಾದರಿಗಾಗಿ ನಿರ್ಮಿಸಲಾಗಿದೆ: ಲಕ್ಷಾಂತರ ಅಥವಾ ಶತಕೋಟಿಗಳಷ್ಟು ಹೈ-ಡಿಮೆನ್ಷನಲ್ ವೆಕ್ಟರ್‌ಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ಮಿಲಿಸೆಕೆಂಡುಗಳ ಒಳಗೆ ಹತ್ತಿರದ ನೆರೆಹೊರೆಯವರನ್ನು (nearest neighbours) ಹುಡುಕುವುದು.

ಅಭಿವೃದ್ಧಿಪಡಿಸುವವರು ಗಮನಿಸಬೇಕಾದ ಅಂಶಗಳು

  • ಶೂನ್ಯಕ್ಕೆ ಹತ್ತಿರವಿರುವ ತಪ್ಪು ಸ್ವೀಕಾರ (Near-zero false acceptance). ಒಂದು ತಪ್ಪು ಹೊಂದಾಣಿಕೆಯು (false match) ಬ್ಯಾಂಕಿಂಗ್, ಕೆಲಸ ಅಥವಾ ವೈಯಕ್ತಿಕ ಸಂವಹನಕ್ಕಾಗಿ ಅಗತ್ಯವಿರುವ ಫೋನ್ ಸಂಖ್ಯೆಯನ್ನು ಕಾನೂನುಬದ್ಧ ಬಳಕೆದಾರರಿಂದ ಕಸಿದುಕೊಳ್ಳಬಹುದು. False Acceptance Rate (FAR) ಅನ್ನು ಶೂನ್ಯಕ್ಕೆ ಹತ್ತಿರವಾಗಿಡಲು ತಂಡಗಳು ನಿರ್ಧಾರದ ಮಿತಿಯನ್ನು (decision threshold) ಹೊಂದಿಸುತ್ತವೆ, ಇದರಿಂದ False Rejection Rate ಹೆಚ್ಚಾಗಬಹುದು, ಆದರೆ ಅದನ್ನು ದ್ವಿತೀಯ ತಪಾಸಣೆಗಳ ಮೂಲಕ ಸರಿಪಡಿಸಬಹುದು.
  • ಪರಿಶೀಲನಾ ತರ್ಕದಲ್ಲಿನ ಬದಲಾವಣೆ (Shift in verification logic). ಸಾಂಪ್ರದಾಯಿಕ KYC ಪೈಪ್‌ಲೈನ್‌ಗಳು ಗುರುತಿನ ದಾಖಲೆಗಳನ್ನು ಪರಿಶೀಲಿಸುತ್ತವೆ. ASTR ನಂತರ, ಮುಖ್ಯ ಪ್ರಶ್ನೆಯು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಮುಖದ ಪ್ರೊಫೈಲ್ ಈಗಾಗಲೇ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಎಂಬುದಾಗಿರುತ್ತದೆ, ಇದು ಮುಖದ ಸಾಮ್ಯತೆಯನ್ನು (facial similarity) ಒಂದು ವಿಶಿಷ್ಟ ಗುರುತನ್ನಾಗಿ (unique identifier) ಬದಲಾಯಿಸುತ್ತದೆ.
  • ಮೂಲಸೌಕರ್ಯದ ಒತ್ತಡ (Infrastructure pressure). ಶತಕೋಟಿ ವೆಕ್ಟರ್‌ಗಳ ವಿರುದ್ಧ ನೈಜ-ಸಮಯದ ಹೊಂದಾಣಿಕೆಯು ಸ್ಕೇಲೆಬಲ್ ಸ್ಟೋರೇಜ್, GPU-ವೇಗವರ್ಧಿತ ಇಂಡೆಕ್ಸಿಂಗ್ ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾದ લેಟೆನ್ಸಿ (latency) ಗ್ಯಾರಂಟಿಗಳನ್ನು ಬಯಸುತ್ತದೆ. ಕೇವಲ ಫೇಶಿಯಲ್ ಡಿಟೆಕ್ಷನ್ ಅಥವಾ ಸಣ್ಣ ಪ್ರಮಾಣದ ಪರಿಶೀಲನೆಯನ್ನು ಬಳಸಿದ ತಂಡಗಳು ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ ಮತ್ತು ಅಸಿಂಕ್ರೋನಸ್ ಮ್ಯಾಚಿಂಗ್ ಫಲಿತಾಂಶಗಳನ್ನು ನಿರ್ವಹಿಸಲು ತಮ್ಮ API ಒಪ್ಪಂದಗಳನ್ನು (API contracts) ಮರು ವಿನ್ಯಾಸಗೊಳಿಸಬೇಕಾಗಬಹುದು.

ಇನ್ನೊಂದು ಮುಖ

ಅಸಹಜ ಮುಖದ ಲಕ್ಷಣಗಳು, ಕಳಪೆ ಬೆಳಕು ಅಥವಾ ಕಡಿಮೆ ಗುಣಮಟ್ಟದ ಕ್ಯಾಪ्चರ್ ಸಾಧನಗಳನ್ನು ಹೊಂದಿರುವ ಜನರಿಗೆ ಬಯೋಮೆಟ್ರಿಕ್ ವ್ಯವಸ್ಥೆಗಳು ತಪ್ಪಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು ಎಂದು ವಿಮರ್ಶಕರು ಎಚ್ಚರಿಸುತ್ತಾರೆ. ಒಂದು ತಪ್ಪು ನಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶ (false negative) — ಅಂದರೆ ನಿಜವಾದ ಬಳಕೆದಾರರನ್ನು ತಿರಸ್ಕರಿಸುವುದು — ಲಕ್ಷಾಂತರ ಜನರನ್ನು ಅಗತ್ಯ ಸೇವೆಗಳಿಂದ ವಂಚಿತರನ್ನಾಗಿ ಮಾಡಬಹುದು.

ಮುಂದೆ ಏನು?

ಸಾರಾಂಶ

ASTR ಮುಖವನ್ನು ಫೋನ್ ಸಂಖ್ಯೆಯ ಪ್ರಾಯೋಗಿಕ ಕೀ (de-facto key) ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ, ಇದು ಇಡೀ ಭದ್ರತಾ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯು ಮುಖದ ಸಾಮ್ಯತೆಯನ್ನು ಪ್ರಾಥಮಿಕ ಗುರುತನ್ನಾಗಿ ಪರಿಗಣಿಸುವಂತೆ ಮಾಡುತ್ತದೆ. ಅತೀ ನಿಖರವಾದ, ಕಡಿಮೆ-ಲೆಟೆನ್ಸಿ ವೆಕ್ಟರ್ ಸರ್ಚ್ ಅನ್ನು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನೀಡಬಲ್ಲ ಅಭಿವೃದ್ಧಿಪಡಿಸುವವರು (Developers), ಭಾರತದ ಮೊಬೈಲ್ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಬಳಸಲು ಸುಲಭ ಮತ್ತು ಸುರಕ್ಷಿತವಾಗಿಡಲು ಸಹಾಯ ಮಾಡುತ್ತಾರೆ. ಇದರ ಇನ್ನೊಂದು ಮುಖವೆಂದರೆ, ತಪ್ಪು ಹೊಂದಾಣಿಕೆಗಳ ವಿರುದ್ಧ ರಕ್ಷಣೆ ನೀಡುವುದು ಮತ್ತು ರಾಷ್ಟ್ರವ್ಯಾಪಿ ಬಯೋಮೆಟ್ರಿಕ್ ಶೇಖರಣಾ ಕೇಂದ್ರವನ್ನು (biometric repository) ರಕ್ಷಿಸುವ ಹೆಚ್ಚಿನ ಜವಾಬ್ದಾರಿ.