Meta ने Marketplace विक्रेत्यांसाठी चेहऱ्याची पडताळणी (facial verification) सुरू केली आहे, ज्यामध्ये वापरकर्त्यांना त्यांचे उत्पादन सूचीबद्ध करण्यापूर्वी सरकारी ओळखपत्राशी (government-issued ID) जुळणारे थेट सेल्फी सबमिट करणे अनिवार्य आहे. ही पावले पीअर-टू-पीअर (peer-to-peer) विक्रीमध्ये विश्वास वाढवण्यासाठी उचलली गेली आहेत, परंतु यामुळे बायोमेट्रिक डेटा अशा प्लॅटफॉर्मच्या हाती लागत आहे जो यापूर्वी केवळ प्रतिष्ठा गुणांवर (reputation scores) अवलंबून होता.

1:1 बायोमेट्रिक तपासणी कशी कार्य करते

ही प्रणाली वन-टू-वन (one-to-one) चेहऱ्याची तुलना करते. वापरकर्ता Marketplace ॲपमध्ये एक सेल्फी काढतो; त्या प्रतिमेचे गणितीय वेक्टरमध्ये (mathematical vector) रूपांतर केले जाते—ही संख्यांची एक मालिका असते जी चेहऱ्याच्या वैशिष्ट्यांचा आकार आणि स्थान दर्शवते. अपलोड केलेल्या ओळखपत्रावरील फोटोवर देखील हीच प्रक्रिया लागू केली जाते. त्यानंतर, 'युक्लिडियन डिस्टन्स अनालिसिस' (Euclidean distance analysis) वापरून या दोन वेक्टर्समधील अंतर मोजले जाते, ही एक अशी पद्धत आहे जी बहु-आयामी अवकाशातील (multi-dimensional space) बिंदूंमधील सरळ रेषेतील अंतर मोजते. जर हे अंतर पूर्वनिर्धारित मर्यादेपेक्षा (threshold) कमी असेल, तर ती जुळणी वैध मानली जाते आणि विक्रेत्याला “verified” बॅज मिळतो.

खरी डेव्हलपमेंट आव्हाने: लाईव्हनेस डिटेक्शन (liveness detection)

दोन स्थिर (static) फोटोंची जुळणी करणे सोपे आहे; परंतु एखादी व्यक्ती प्रत्यक्ष समोर आहे की ती केवळ एखादा फोटो किंवा व्हिडिओ वापरत आहे, हे ओळखणे खूप कठीण आहे. Meta च्या इंजिनिअर्सना असा 'लाईव्हनेस टेस्ट' (liveness test) कार्यान्वित करावा लागतो जो प्रत्यक्ष चेहरा आणि पुन्हा प्ले केलेली प्रतिमा यातील फरक ओळखू शकेल. जरी नेमकी तंत्रज्ञान पद्धत उघड केली नसली तरी, उद्योगातील पद्धतीनुसार यामध्ये 3D डेप्थ क्यूज (3D depth cues), डोक्याच्या सूक्ष्म हालचाली किंवा त्वचेवरील प्रकाशातील बदल यांचा वापर केला जातो. अब्जावधी वापरकर्त्यांच्या स्तरावर ही तपासणी लागू करणे यामुळे कोडबेस आणि सर्व्हरवरील ताण (server load) लक्षणीयरीत्या वाढतो, कारण प्रत्येक पडताळणीसाठी हालचालींचा डेटा रिअल-टाइममध्ये प्रोसेस करावा लागतो.

तपासकर्ते आणि OSINT व्यावसायिकांनी याकडे लक्ष का द्यावे

बायोमेट्रिक पडताळणी आता केवळ विशिष्ट सुरक्षा साधनांपुरती मर्यादित न राहता दैनंदिन ग्राहक उत्पादनांचा भाग बनत आहे. जेव्हा Meta सारख्या मोठ्या प्लॅटफॉर्मद्वारे हे स्वीकारले जाते, तेव्हा केवळ एक साधा “True/False” बॅज पुरेसा आहे, अशी अपेक्षा निर्माण होते. मॅन्युअल पडताळणीवर अवलंबून असणारे ओपन-सोर्स तपासकर्ते आणि OSINT विश्लेषक लवकरच पाहतील की त्यांच्या पद्धती आता स्वयंचलित, गणित-आधारित तपासणीमुळे मागे पडल्या आहेत. व्यावसायिक वापरासाठी, केवळ पास/फेल (pass/fail) पुरेसे नसते; कायदेशीर किंवा तपासणीच्या संदर्भात निष्कर्ष सिद्ध करण्यासाठी विश्लेषकांना कॉन्फिडन्स स्कोअर (confidence scores), चेहऱ्यावरील वैशिष्ट्यांचे ओव्हरले (facial landmark overlays) आणि ऑडिट-रेडी लॉग्सची (audit-ready logs) आवश्यकता असते. Marketplace चे हे नवीन वैशिष्ट्य सूचित करते की असा डेटा अधिक सहज उपलब्ध होऊ शकतो, परंतु पुराव्यांची मानके देखील वाढतील.

गोपनीयता आणि सुरक्षा चिंता

सेल्फी आणि सरकारी ओळखपत्रे गोळा केल्यामुळे बायोमेट्रिक डेटाचा मोठा साठा तयार होतो. पासवर्डच्या उलट, जर चेहरा चोरीला गेला किंवा त्याचा गैरवापर झाला, तर तो बदलता येत नाही. टीकाकारांचे म्हणणे आहे की, या मोठ्या प्रमाणावरील डेटाचे साठवणूक आणि प्रक्रिया केल्यामुळे डेटा लीक होणे, त्याचा गैरवापर होणे किंवा अनपेक्षित प्रोफाइलिंग होण्याचा धोका वाढतो. 'लाईव्हनेस' घटकामुळे प्लॅटफॉर्मला व्हिडिओचे छोटे तुकडे किंवा डेप्थ मॅप्स (depth maps) साठवून ठेवावे लागतात, ज्यामुळे डेटा संकलनाची व्याप्ती वाढते. वैयक्तिक ओळख माहिती टाळणाऱ्या 'प्रायव्हसी-फर्स्ट' (privacy-first) साधनांसाठी, वापरकर्ते चेहऱ्याच्या स्कॅनसाठी संमती देतील, ही गृहीत धरलेली धारणा कमी-तंत्रज्ञान (low-tech) पडताळणी पद्धतींच्या बाजारपेठेला हानी पोहोचवू शकते.

पुढे काय पाहावे

  • नियामक प्रतिसाद (Regulatory response) – डेटा-संरक्षण प्राधिकरणे Meta चे चेहऱ्याचा डेटा कसा साठवते, सुरक्षित करते आणि हटवते, याचे बारकाईने निरीक्षण करू शकतात.
  • वापरकर्त्यांचा स्वीकार (User adoption) – जर पडताळणीची प्रक्रिया कठीण किंवा त्रासदायक वाटली, तर विक्रेते पर्यायी प्लॅटफॉर्मवर किंवा ऑफलाइन विक्रीकडे वळू शकतात.
  • तांत्रिक पारदर्शकता (Technical transparency) – कॉन्फिडन्स स्कोअर किंवा ऑडिट लॉग्स उघड करणाऱ्या APIs साठीच्या मागण्यांमुळे तृतीय-पक्ष तपासकर्ते Marketplace डेटा कसा एकत्रित करतात, यावर परिणाम होऊ शकतो.
  • स्पर्धात्मक दबाव (Competitive pressure) – इतर मार्केटप्लेस देखील अशाच प्रकारच्या तपासण्या लागू करू शकतात, ज्यामुळे बायोमेट्रिक पडताळणी ही उद्योगाची एक नवीन मानक (baseline) बनेल.

ही सुरुवात दर्शवते की बायोमेट्रिक ऑथेंटिकेशन (biometric authentication) आता केवळ उच्च-मूल्य व्यवहारांसाठी मर्यादित राहिलेले नाही; ते दैनंदिन व्यापारासाठी एक मानक प्रवेशद्वार (gatekeeper) बनत आहे. हा बदल सुरक्षितता वाढवेल की गोपनीयतेला बाधा आणेल, हे Meta सुलभता आणि कठोर डेटा सुरक्षा यांच्यात कसा समतोल राखते यावर अवलंबून असेल.