ഈ മാറ്റം പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

തട്ടിപ്പുകൾക്കും സ്പാം സന്ദേശങ്ങൾക്കും നിയമവിരുദ്ധ പ്രവർത്തനങ്ങൾക്കുമായി ഒരൊറ്റ തിരിച്ചറിയൽ രേഖ ഉപയോഗിച്ച് ഡസൻ കണക്കിന് അല്ലെങ്കിൽ നൂറുകണക്കിന് ഫോൺ നമ്പറുകൾ നേടിയെടുക്കുന്ന സിം രജിസ്ട്രേഷൻ തട്ടിപ്പുകളോട് ഇന്ത്യ കാലങ്ങളായി പോരാടുന്നുണ്ട്. അനുകരിക്കാൻ പ്രയാസമുള്ള ഒരു ബയോമെട്രിക് സംവിധാനം—അതായത് ഒരാളുടെ മുഖം—രജിസ്ട്രേഷനുമായി ബന്ധിപ്പിക്കുന്നതിലൂടെ, ഇത്തരം നമ്പറുകളുടെ ലഭ്യത ഉറവിടത്തിൽ തന്നെ തടയാൻ അധികൃതർ പ്രതീക്ഷിക്കുന്നു.

ഇതിലെ വെല്ലുവിളികൾ വളരെ വലുതാണ്. സുരക്ഷാ, കമ്പ്യൂട്ടർ വിഷൻ ടൂളുകൾ വികസിപ്പിക്കുന്ന ഡെവലപ്പർമാരെ സംബന്ധിച്ചിടത്തോളം, ഡാറ്റാബേസ് കോടിക്കണക്കിന് എൻട്രികളിലേക്ക് വളരുമ്പോൾ ഫേഷ്യൽ മാച്ചിംഗ് പൈപ്പ്‌ലൈനുകൾ എത്രത്തോളം മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ ഒരു രാജ്യവ്യാപകമായ പരീക്ഷണമാണ് ASTR.

ASTR എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഒരു ഉപയോക്താവ് പുതിയ സിമിനായി അപേക്ഷിക്കുമ്പോൾ, ക്യാമറ മുഖത്തിന്റെ ഒരു ചിത്രം എടുക്കുന്നു. സിസ്റ്റം ഈ ചിത്രത്തെ 'ഫേഷ്യൽ എംബെഡിംഗ്' എന്ന് വിളിക്കപ്പെടുന്ന ഒരു ന്യൂമറിക് വെക്റ്ററിലേക്ക് മാറ്റുന്നു. തുടർന്ന് സിസ്റ്റം ആ എംബെഡിംഗിനെ സെൻട്രൽ റിപ്പോസിറ്ററിയുമായി താരതമ്യം ചെയ്യുന്നു. ഒരേ മുഖം അസാധാരണമായ രീതിയിൽ വലിയൊരു എണ്ണം ഫോൺ നമ്പറുകളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു എന്ന് കണ്ടാൽ, ആ രജിസ്ട്രേഷൻ അടയാളപ്പെടുത്തുകയോ (flagged) തടയുകയോ ചെയ്യും. പ്രായോഗികമായി പറഞ്ഞാൽ, ഈ വെക്റ്റർ ഒരു പ്രൈമറി കീ പോലെയാണ് പ്രവർത്തിക്കുന്നത്: സിസ്റ്റം ചോദിക്കുന്നത് "ഇത് ഒരു യഥാർത്ഥ വ്യക്തിയാണോ?" എന്ന് മാത്രമല്ല, "ഈ മുഖം സിസ്റ്റത്തിൽ മറ്റെവിടെയെങ്കിലും നിലവിലുണ്ടോ?" എന്ന് കൂടിയാണ്.

സെർച്ച് പ്രക്രിയ റിയൽ ടൈമിന് സമാനമായ വേഗതയിൽ നടക്കേണ്ടതുകൊണ്ട്, ബാക്കെൻഡ് ഉയർന്ന പ്രകടനശേഷിയുള്ള വെക്റ്റർ സെർച്ച് എഞ്ചിനുകളെയാണ് ആശ്രയിക്കുന്നത്. Milvus പോലുള്ള ഓപ്പൺ സോഴ്സ് പ്രോജക്റ്റുകളും Pinecone പോലുള്ള വാണിജ്യ സേവനങ്ങളും കൃത്യമായി ഇതേ ആവശ്യത്തിനായാണ് നിർമ്മിക്കപ്പെട്ടിരിക്കുന്നത്: ദശലക്ഷക്കണക്കിന് അല്ലെങ്കിൽ കോടിക്കണക്കിന് ഹൈ-ഡൈമൻഷണൽ വെക്റ്ററുകൾ സംഭരിക്കാനും ഏതാനും മില്ലിസെക്കൻഡുകൾക്കുള്ളിൽ അവയുടെ നിയേറസ്റ്റ് നെയ്ബേഴ്സിനെ (nearest neighbours) കണ്ടെത്താനും ഇവ സഹായിക്കുന്നു.

ഡെവലപ്പർമാർ ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • പൂജ്യം എന്നതിനോട് അടുത്ത തെറ്റായ അംഗീകാരം (Near-zero false acceptance). ഒരു തെറ്റായ മാച്ച് (false match), ബാങ്കിംഗ്, ജോലി അല്ലെങ്കിൽ വ്യക്തിഗത ആശയവിനിമയത്തിനായി ആവശ്യമായ ഒരു ഫോൺ നമ്പർ ഉപയോഗിക്കുന്ന അർഹനായ ഉപയോക്താവിനെ തടയാൻ ഇടയാക്കും. ഫോൾസ് റിജക്ഷൻ റേറ്റ് (false-rejection rate) വർദ്ധിച്ചാലും, ഫോൾസ് അക്സെപ്റ്റൻസ് റേറ്റ് (FAR) പൂജ്യത്തോട് അടുത്ത് നിലനിർത്താൻ ടീമുകൾ ഡിസിഷൻ ത്രെഷോൾഡ് ക്രമീകരിക്കുന്നു; ഇത് സെക്കൻഡറി പരിശോധനകളിലൂടെ പരിഹരിക്കാവുന്നതാണ്.
  • വെരിഫിക്കേഷൻ ലോജിക്കിലെ മാറ്റം. പരമ്പരാഗത കെവൈസി (KYC) പൈപ്പ്‌ലൈനുകൾ തിരിച്ചറിയൽ രേഖകളാണ് പരിശോധിക്കുന്നത്. എന്നാൽ ASTR വന്നതോടെ, ഒരു മുഖത്തിന്റെ പ്രൊഫൈൽ ഡാറ്റാബേസിൽ നിലവിലുണ്ടോ എന്നതാണ് പ്രധാന ചോദ്യം. ഇത് മുഖത്തിന്റെ സാമ്യത്തെ ഒരു യൂണിക് ഐഡന്റിഫയറായി മാറ്റുന്നു.
  • ഇൻഫ്രാസ്ട്രക്ചർ സമ്മർദ്ദം. കോടിക്കണക്കിന് വെക്റ്ററുകൾക്കെതിരെയുള്ള റിയൽ ടൈം മാച്ചിംഗിന് സ്കെയിലബിൾ സ്റ്റോറേജ്, GPU-ആക്സിലറേറ്റഡ് ഇൻഡക്സിംഗ്, കൃത്യമായ ലേറ്റൻസി ഗ്യാരണ്ടികൾ എന്നിവ ആവശ്യമാണ്. ഇതുവരെ ഫേഷ്യൽ ഡിറ്റക്ഷനോ ചെറിയ തോതിലുള്ള വെരിഫിക്കേഷനോ മാത്രം ഉപയോഗിച്ചിട്ടുള്ള ടീമുകൾക്ക് വെക്റ്റർ ഡാറ്റാബേസുകൾ സ്വീകരിക്കേണ്ടി വരും, കൂടാതെ അസിൻക്രണസ് മാച്ചിംഗ് റിസൾട്ടുകൾ കൈകാര്യം ചെയ്യുന്നതിനായി അവരുടെ API കോൺട്രാക്റ്റുകൾ പുനർരൂപകൽപ്പന ചെയ്യേണ്ടി വന്നേക്കാം.

ഇതിന്റെ മറുവശം

സാധാരണയിൽ നിന്ന് വ്യത്യസ്തമായ മുഖഭാവങ്ങളുള്ളവർക്കോ, മോശം വെളിച്ചത്തിലോ, ഗുണനിലവാരം കുറഞ്ഞ ക്യാമറകളിലോ ഉപയോഗിക്കുമ്പോൾ ബയോമെട്രിക് സംവിധാനങ്ങൾ തെറ്റായി പ്രവർത്തിച്ചേക്കാമെന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു. ഒരു ഫോൾസ് നെഗറ്റീവ് (false negative)—അതായത് ഒരു യഥാർത്ഥ ഉപയോക്താവിനെ നിരസിക്കുന്നത്—ലക്ഷക്കണക്കിന് ആളുകളെ അത്യാവശ്യ സേവനങ്ങൾ ലഭിക്കാതെയാക്കിയേക്കാം.

ഇനി എന്ത് സംഭവിക്കും

ചുരുക്കത്തിൽ

ASTR ഒരു മുഖത്തെ ഫോൺ നമ്പറിന്റെ പ്രായോഗികമായ കീയായി മാറ്റുന്നു, ഇത് മുഖത്തിന്റെ സാമ്യത്തെ ഒരു പ്രൈമറി ഐഡന്റിഫയറായി കാണാൻ മുഴുവൻ സുരക്ഷാ ഇക്കോസിസ്റ്റത്തെയും നിർബന്ധിക്കുന്നു. വലിയ തോതിൽ അതിസൂക്ഷ്മവും കുറഞ്ഞ ലേറ്റൻസിയുമുള്ള വെക്റ്റർ സെർച്ച് നൽകാൻ കഴിയുന്ന ഡെവലപ്പർമാർക്ക് ഇന്ത്യയുടെ മൊബൈൽ നെറ്റ്‌വർക്ക് സുരക്ഷിതവും ഉപയോഗപ്രദവുമാക്കാൻ സഹായിക്കാനാകും. ഇതിന്റെ മറുവശം, തെറ്റായ മാച്ചുകൾക്കെതിരെ കാവൽ നിൽക്കാനും രാജ്യവ്യാപകമായ ബയോമെട്രിക് റിപ്പോസിറ്ററി സംരക്ഷിക്കാനുമുള്ള വർദ്ധിച്ച ഉത്തരവാദിത്തമാണ്.