ಅಪರಾಧ ಸಂಘಟನೆಯೊಂದು ಪ್ರಸಿದ್ಧ ವ್ಯಕ್ತಿಗಳ ಡೀಪ್-ಫೇಕ್ ವೀಡಿಯೊಗಳನ್ನು ಸ್ಟ್ರೀಮ್ ಮಾಡುವ ಮೂಲಕ ನಕಲಿ ಸ್ಟಾಕ್ ಸಲಹೆಗಳನ್ನು ನೀಡುವ 15,500 ವೆಬ್ಸೈಟ್ಗಳನ್ನು ಸ್ಥಾಪಿಸಿದೆ. ಈ ಕಾರ್ಯಾಚರಣೆಯು ಈಗಾಗಲೇ ಅಜಾಗೃತ ಹೂಡಿಕೆದಾರರಿಂದ ಹಣವನ್ನು ಲೂಟಿ ಮಾಡುತ್ತಿದೆ. ಇದರ ವ್ಯಾಪ್ತಿಯೇ ಇಷ್ಟು ದೊಡ್ಡದಾಗಿರುವುದರಿಂದ, ಇದನ್ನು ಮ್ಯಾನುಯಲ್ ಆಗಿ ತೆಗೆದುಹಾಕುವುದು ಅಸಾಧ್ಯವಾಗಿದೆ, ಇದು ಭದ್ರತಾ ತಂಡಗಳು ಇಂತಹ ವಂಚನೆಗಳನ್ನು ಹೇಗೆ ಪತ್ತೆಹಚ್ಚುವುದು ಮತ್ತು ತಡೆಯುವುದು ಎಂಬುದರ ಬಗ್ಗೆ ಮರುಚಿಂತನೆ ಮಾಡುವಂತೆ ಮಾಡಿದೆ.
ಈ ಸಂಘಟನೆಯು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
ವಂಚಕರು ಕೇವಲ ಒಂದೇ ಒಂದು ನಕಲಿ ಕ್ಲಿಪ್ ಮೇಲೆ ಅವಲಂಬಿತರಾಗುವುದಿಲ್ಲ. ಪ್ರತಿಯೊಂದು ಸೈಟ್ ಅನ್ನು ಭೇಟಿ ನೀಡುವ ವ್ಯಕ್ತಿಯನ್ನು ಅವಲಂಬಿಸಿ ವಿಭಿನ್ನವಾಗಿ ವರ್ತಿಸುವಂತೆ ಪ್ರೋಗ್ರಾಂ ಮಾಡಲಾಗಿರುತ್ತದೆ. ಸ್ವಯಂಚಾಲಿತ ಕ್ರಾಲರ್ (crawler) ಒಂದು ಸಾಮಾನ್ಯ "ನಿರ್ಮಾಣ ಹಂತದಲ್ಲಿದೆ" (under construction) ಎಂಬ ಪುಟವನ್ನು ನೋಡುತ್ತದೆ, ಆದರೆ ಮೊಬೈಲ್ ಸಾಧನದಿಂದ ಬರುವ ನೈಜ ಬಳಕೆದಾರರಿಗೆ ಒಬ್ಬ ಸೆಲೆಬ್ರಿಟಿ ಸ್ಟಾಕ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತಿರುವಂತೆ ಕಾಣುವ ಅತ್ಯುತ್ತಮ ಗುಣಮಟ್ಟದ ವೀಡಿಯೊವನ್ನು ತೋರಿಸಲಾಗುತ್ತದೆ. ಈ ವ್ಯತ್ಯಾಸವು ಕಾರ್ಯಾಚರಣೆಯು ಸಾಂಪ್ರದಾಯಿಕ ವೆಬ್-ಸ್ಕ್ರೇಪಿಂಗ್ ಪರಿಕರಗಳ ಕಣ್ಣಿಗೆ ಬೀಳದಂತೆ ಇರಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಈ ಬದಲಾವಣೆಯನ್ನು ಮರೆಮಾಚಲು, ಈ ಗುಂಪು Keitaro ನಂತಹ ಟ್ರಾಫಿಕ್-ರೂಟಿಂಗ್ ಸೇವೆಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಇದು URLಗಳನ್ನು ಮರೆಮಾಚಬಲ್ಲದು ಮತ್ತು IP ರೆಪ್ಯುಟೇಶನ್, ಸಾಧನ ಫಿಂಗರ್ಪ್ರಿಂಟ್ ಅಥವಾ ರೆಫರರ್ ಹೆಡರ್ ಆಧಾರದ ಮೇಲೆ ವಿಭಿನ್ನ ವಿಷಯವನ್ನು ನೀಡಬಲ್ಲದು. ಇದರ ಪರಿಣಾಮವಾಗಿ, ಸಾಮಾನ್ಯ ವೆಬ್ನಲ್ಲಿ ಬೆರೆತುಹೋಗುವಂತಹ "ಹೋಲಿಕೆಯ" (look-alike) ಡೊಮೇನ್ಗಳ ಬೃಹತ್ ಜಾಲವು ನಿರ್ಮಾಣವಾಗುತ್ತದೆ, ಇದು ಭದ್ರತಾ ಬಾಟ್ಗಳು ಅವುಗಳನ್ನು ದುರುದ್ದೇಶಪೂರಿತ ಎಂದು ಗುರುತಿಸುವುದನ್ನು ಕಷ್ಟವಾಗಿಸುತ್ತದೆ.
ಪ್ರಮಾಣಿತ ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಏಕೆ ವಿಫಲವಾಗುತ್ತದೆ
ಹೆಚ್ಚಿನ ಆಂಟಿ-ಡೀಪ್-ಫೇಕ್ ಪರಿಹಾರಗಳು ಕೃತಕ ವೀಡಿಯೊವನ್ನು ಬಹಿರಂಗಪಡಿಸುವ ದೃಶ್ಯ ದೋಷಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವತ್ತ ಗಮನ ಹರಿಸುತ್ತವೆ—ಮಸುಕಾದ ಅಂಚುಗಳು, ಅಸಮರ್ಪಕ ಬೆಳಕು ಅಥವಾ ಹೊಂದಾಣಿಕೆಯಿಲ್ಲದ ಲಿಪ್ ಸಿಂಕ್ ಇತ್ಯಾದಿ. ಈ ಅಭಿಯಾನದಲ್ಲಿ, ಅಂತಹ ಸೂಚನೆಗಳು ಅಪರೂಪವಾಗಿವೆ ಏಕೆಂದರೆ ವೀಡಿಯೊಗಳನ್ನು ಉನ್ನತ ಗುಣಮಟ್ಟದ ಮಾಡೆಲ್ಗಳೊಂದಿಗೆ ಸಿದ್ಧಪಡಿಸಲಾಗಿದೆ. ನಿಜವಾದ ದೌರ್ಬಲ್ಯವು ಮುಖದ ಜ್ಯಾಮಿತಿಯಲ್ಲಿ (geometry of the face) ಅಡಗಿದೆ: ಡೀಪ್-ಫೇಕ್ ಜನರೇಟರ್ಗಳು ಮುಖದ ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ಗಳ ನಡುವಿನ ಸ್ಥಳೀಯ ಸಂಬಂಧದಲ್ಲಿ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತವೆ.
ಆದ್ದರಿಂದ, "ಈ ವೀಡಿಯೊ ನಕಲಿ ಇದೆಯೇ?" ಎಂಬ ಸರಳ ಪರಿಶೀಲನೆಯು ಈ ಸಂಘಟನೆಯ ಹೆಚ್ಚಿನ ವಿಷಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ವಿಫಲವಾಗುತ್ತದೆ. ವೀಡಿಯೊದಲ್ಲಿ ತೋರಿಸಲಾದ ಮುಖವನ್ನು ಸೆಲೆಬ್ರಿಟಿಯ ತಿಳಿದಿರುವ, ನಂಬಿಕಸ್ತ ಚಿತ್ರದೊಂದಿಗೆ ಹೋಲಿಸುವ ಪರಿಶೀಲನಾ (verification) ಹಂತದ ಅಗತ್ಯವಿದೆ.
ಪರಿಶೀಲನಾ ಪೈಪ್ಲೈನ್ ನಿರ್ಮಿಸುವುದು
ಡೆವಲಪರ್ಗಳು ತಮ್ಮ ಭದ್ರತಾ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ ಮೂರು ಪ್ರಮುಖ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದು:
- ಅಡಾಪ್ಟಿವ್ ಕ್ರಾಲಾಲಿಂಗ್ (Adaptive crawling) – ನೈಜ ಬಳಕೆದಾರರನ್ನು ಅನುಕರಿಸುವ ಹೆಡ್ಲೆಸ್ ಬ್ರೌಸರ್ಗಳನ್ನು ಬಳಸಿ, IP ಗಳನ್ನು ಬದಲಾಯಿಸಿ ಮತ್ತು ಮೊಬೈಲ್ ಸಾಧನದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಅನುಕರಿಸಿ. ಇದು "ನಿರ್ಮಾಣ ಹಂತದಲ್ಲಿದೆ" ಎಂಬ ವಂಚನೆಯ ಪುಟಗಳನ್ನು ದಾಟಲು ಮತ್ತು ನೈಜ ವೀಡಿಯೊ ಪೇಲೋಡ್ ಅನ್ನು ಪಡೆಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
- ಬಯೋಮೆಟ್ರಿಕ್ ಹೋಲಿಕೆ (Biometric comparison) – ವೀಡಿಯೊದ ಪ್ರತಿ ಫ್ರೇಮ್ನಿಂದ ಮುಖದ ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ ಮತ್ತು ಅಧಿಕೃತ ರೆಫರೆನ್ಸ್ ಫೋಟೋದ ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ಗಳೊಂದಿಗೆ ಯುಕ್ಲಿಡಿಯನ್ ದೂರವನ್ನು (Euclidean distances) ಲೆಕ್ಕಹಾಕಿ. ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ ಜೋಡಣೆಯಲ್ಲಿನ ಸಣ್ಣ, ಸ್ಥಿರವಾದ ತಪ್ಪುಗಳು ಡೀಪ್-ಫೇಕ್ನ ಬಲವಾದ ಸೂಚಕಗಳಾಗಿವೆ. ಹಲವಾರು ಫ್ರೇಮ್ಗಳಾದ್ಯಂತ ಹೋಲಿಕೆಯನ್ನು ನಡೆಸುವುದರಿಂದ ಕ್ಷಣಿಕವಾದ ಬೆಳಕಿನ ಬದಲಾವಣೆಗಳಿಂದ ಉಂಟಾಗುವ ತಪ್ಪು ಪತ್ತೆಗಳನ್ನು (false positives) ಕಡಿಮೆ ಮಾಡಬಹುದು.
- ಪತ್ತೆಹಚ್ಚುವಿಕೆಯಿಂದ ಪರಿಶೀಲನೆಗೆ ಬದಲಾವಣೆ (Shift from detection to verification) – ವೀಡಿಯೊವನ್ನು "ಸಂಭವನೀಯವಾಗಿ ನಕಲಿ" ಎಂದು ಗುರುತಿಸುವ ಬದಲು, ಅದು ಪರಿಶೀಲಿಸಿದ ಮೂಲದ ಬಯೋಮೆಟ್ರಿಕ್ ಪರೀಕ್ಷೆಯನ್ನು ಪಾಸವಾಗುವವರೆಗೆ ಅದನ್ನು "ಪರಿಶೀಲಿಸದ" (unverified) ಎಂದು ಪರಿಗಣಿಸಿ. ಯಾವುದೇ ಹೊಂದಾಣಿಕೆ ಕಂಡುಬರದಿದ್ದರೆ, ವಿಷಯವನ್ನು ಕ್ವಾರಂಟೈನ್ ಮಾಡಬಹುದು ಅಥವಾ ಮಾನವ ವಿಮರ್ಶೆಗೆ ಕಳುಹಿಸಬಹುದು.
ಒಂದು ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನವು ಈ ರೀತಿ ಇರಬಹುದು:
- Crawler ಪುಟವನ್ನು ಪಡೆಯುತ್ತದೆ, ರಿಡೈರೆಕ್ಟ್ಗಳನ್ನು ಅನುಸರಿಸುತ್ತದೆ ಮತ್ತು ಅಂತಿಮ ವೀಡಿಯೊ URL ಅನ್ನು ದಾಖಲಿಸುತ್ತದೆ.
- Downloader ವೀಡಿಯೊವನ್ನು ಪಡೆದು ಅದನ್ನು ಪ್ರಮುಖ ಫ್ರೇಮ್ಗಳಾಗಿ (ಉದಾಹರಣೆಗೆ, ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ ಒಂದು) ವಿಭಜಿಸುತ್ತದೆ.
- Face extractor ಪ್ರತಿ ಫ್ರೇಮ್ನಲ್ಲಿ ಮುಖವನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಲೈಟ್ವೇಯ್ಟ್ ಮಾಡೆಲ್ ಅನ್ನು ರನ್ ಮಾಡುತ್ತದೆ.
- Landmark matcher ಹೊರತೆಗೆಯಲಾದ ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ಗಳು ಮತ್ತು ಸೆಲೆಬ್ರಿಟಿಯ ಅಧಿಕೃತ ಭಾವಚಿತ್ರದ ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ಗಳ ನಡುವಿನ ಯುಕ್ಲಿಡಿಯನ್ ದೂರವನ್ನು ಲೆಕ್ಕಹಾಕುತ್ತದೆ.
- Score aggregator ಮಧ್ಯಮ ದೂರವು ನಿಗದಿಪಡಿಸಿದ ಮಿತಿಗಿಂತ ಹೆಚ್ಚಿದ್ದರೆ ವೀಡಿಯೊವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ.
ಈ ಕಾರ್ಯಾಚರಣೆಯು ಸಾವಿರಾರು ಡೊಮೇನ್ಗಳಿಗೆ ವ್ಯಾಪಿಸಿರುವುದರಿಂದ, ಪ್ರತಿ ಹಂತವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು ಅತ್ಯಗತ್ಯ. ಮುಖ ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ಲ್ಯಾಂಡ್ಮಾರ್ಕ್ ಹೊರತೆಗೆಯುವಿಕೆಗೆ ಓಪನ್-ಸೋರ್ಸ್ ಲೈಬ್ರರಿಗಳು ಸುಲಭವಾಗಿ ಲಭ್ಯವಿವೆ ಮತ್ತು ಯುಕ್ಲಿಡಿಯನ್-ದೂರದ ಲೆಕ್ಕಾಚಾರವು ಕಂಪ್ಯೂಟೇಶನಲ್ ಆಗಿ ಅಗ್ಗವಾಗಿದೆ, ಇದು ಪೈಪ್ಲೈನ್ ಅನ್ನು ದಿನಕ್ಕೆ ಹತ್ತಾರು ಸಾವಿರ ಸೈಟ್ಗಳಿಗೆ ವಿಸ್ತರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಸಂಭವನೀಯ ವಿರೋಧಗಳು
ಕೆಲವು ಭದ್ರತಾ ತಂಡಗಳು ಬಯೋಮೆಟ್ರಿಕ್ ಪರಿಶೀಲನೆಯು ಗೌಪ್ಯತೆಯ ಕಾಳಜಿಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಎಂದು ವಾದಿಸುತ್ತವೆ, ವಿಶೇಷವಾಗಿ ಇದು ಸಾರ್ವಜನಿಕ ವ್ಯಕ್ತಿಗಳ ರೆಫರೆನ್ಸ್ ಚಿತ್ರಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದನ್ನು ಒಳಗೊಂಡಾಗ. ಇದಕ್ಕೆ ಪ್ರತಿಯಾಗಿ ನೀಡುವ ವಾದವೆಂದರೆ, ರೆಫರೆನ್ಸ್ ಸೆಟ್ ಅನ್ನು ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ, ಪರವಾನಗಿ ಪಡೆದ ಫೋಟೋಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸಬಹುದು ಮತ್ತು ಹೋಲಿಕೆಯ ಹಂತದ ನಂತರ ಅದನ್ನು ಎಂದಿಗೂ ಉಳಿಸಿಕೊಳ್ಳುವ ಅಗತ್ಯವಿಲ್ಲ. ಲಕ್ಷಾಂತರ ಬಳಕೆದಾರರು ತಮ್ಮ ಹೂಡಿಕೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳುವ ಅಪಾಯವು, ಇಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಸಣ್ಣ ಪ್ರಮಾಣದ ಡೇಟಾ ನಿರ್ವಹಣೆಗಿಂತ ದೊಡ್ಡದಾಗಿದೆ.
ಸೆಲೆಬ್ರಿಟಿಗಳು ತಮ್ಮ ನೋಟವನ್ನು ಬದಲಾಯಿಸಿದಂತೆ ರೆಫರೆನ್ಸ್ ಲೈಬ್ರರಿಯನ್ನು ಅಪ್ಡೇಟ್ ಆಗಿ ಇರಿಸುವ ನಿರ್ವಹಣಾ ಹೊರೆಯೂ ಮತ್ತೊಂದು ಆಕ್ಷೇಪಣೆಯಾಗಿದೆ. ಇನ್ಕ್ರಿಮೆಂಟಲ್ ಅಪ್ಡೇಟ್ಗಳು—ಪರಿಶೀಲಿಸಿದ ಮಾಧ್ಯಮಗಳಲ್ಲಿ ಹೊಸ ಫೋಟೋಗಳು ಕಾಣಿಸಿಕೊಂಡಂತೆ ಅವುಗಳನ್ನು ಸೇರಿಸುವುದು—ಪೂರ್ಣವಾಗಿ ಮರುನಿರ್ಮಾಣ ಮಾಡುವ ಅಗತ್ಯವಿಲ್ಲದೆ ಈ ಸಮಸ್ಯೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ.
ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು
ಈ ಗುಂಪಿನ ಟ್ರಾಫಿಕ್-ಮಾಸ್ಕಿಂಗ್ ಸೇವೆಗಳ ಮೇಲಿನ ಅವಲಂಬನೆಯು, ಆ ಸೇವೆಗಳಿಗೆ ಉಂಟಾಗುವ ಯಾವುದೇ ಅಡಚಣೆಯು ಈ ಅಭಿಯಾನವನ್ನು ತಾತ್ಕಾಲಿಕವಾಗಿ ಕುಂಠಿತಗೊಳಿಸಬಹುದು ಎಂದರ್ಥ, ಆದರೆ ಅದರ ಮೂಲ ತಂತ್ರವು—ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಡೀಪ್-ಫೇಕ್ಗಳೊಂದಿಗೆ ಡೈನಾಮಿಕ್ ಕಂಟೆಂಟ್ ಡೆಲಿವರಿಯನ್ನು ಜೋಡಿಸುವುದು—ಇತರ ವಂಚನೆಗಳಲ್ಲಿಯೂ ಮತ್ತೆ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿದೆ. ಭದ್ರತಾ ಸಂಸ್ಥೆಗಳು ಇಂತಹ ಮಾದರಿಗಳಿಗಾಗಿ ಗಮನಹರಿಸಬೇಕು: ಕ್ರಾಲರ್ ಸಹಿಗಳ ಆಧಾರದ ಮೇಲೆ ವಿಭಿನ್ನವಾದ ವಿಷಯಗಳು, ಒಂದೇ ವಿಡಿಯೋ ಹೋಸ್ಟಿಂಗ್ ಬಕೆಟ್ಗೆ ಸೂಚಿಸುವ ಡೊಮೇನ್ಗಳಲ್ಲಿನ ಹಠಾತ್ ಏರಿಕೆ ಮತ್ತು ಒಂದೇ ರೀತಿಯ ಮುಖದ-ಜ್ಯಾಮಿತಿಯ ದೋಷದ ಸಹಿಗಳ ಪದೇ ಪದೇ ಬಳಕೆ.
ಡೆವಲಪರ್ಗಳಿಗೆ, ಮುಂದಿನ ಹಂತವೆಂದರೆ ಅನುಮಾನಾಸ್ಪದ ಡೊಮೇನ್ಗಳ ಸಣ್ಣ ಗುಂಪಿನ ಮೇಲೆ ಪರಿಶೀಲನಾ ಪೈಪ್ಲೈನ್ನ ಪ್ರೊಟೊಟೈಪ್ ತಯಾರಿಸುವುದು ಮತ್ತು ಫಾಲ್ಸ್-ಪಾಸಿಟಿವ್ ದರಗಳನ್ನು ಅಳೆಯುವುದು. ಸಂಸ್ಥೆಗಳ ನಡುವೆ ಪತ್ತೆಹಚ್ಚುವ ಸಹಿಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವುದು ಪ್ರಯತ್ನದ ಪುನರಾವರ್ತನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು.
ಸಾರಾಂಶ: 15,500 ಸೈಟ್ಗಳ ಈ ಡೀಪ್-ಫೇಕ್ ವಂಚನೆಯು ಕೇವಲ ಸಂಕೀರ್ಣತೆಯಲ್ಲ, ಬದಲಾಗಿ ವಂಚನೆಯ ವ್ಯಾಪ್ತಿಯೇ (scale) ವಂಚನೆಗೆ ಹೊಸ ಗಡಿಯಾಗಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ. ಅಡಾಪ್ಟಿವ್ ಕ್ರಾಲಾಲಿಂಗ್ ಅನ್ನು ಫ್ರೇಮ್-ಬೈ-ಫ್ರೇಮ್ ಬಯೋಮೆಟ್ರಿಕ್ ಪರಿಶೀಲನೆಯೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ, ಭದ್ರತಾ ತಂಡಗಳು ಈ ಅತಿರೇಕದ ಸಮಸ್ಯೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ಅಳೆಯಬಹುದಾದ ರಕ್ಷಣಾ ವ್ಯವಸ್ಥೆಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು.