ਮੈਟਾ (Meta) ਨੇ ਮਾਰਕੀਟਪਲੇਸ ਵਿਕਰੇਤਾਵਾਂ ਲਈ ਚਿਹਰੇ ਦੀ ਪਛਾਣ (facial verification) ਦੀ ਪ੍ਰਕਿਰਿਆ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਇੱਕ ਲਾਈਵ ਸੈਲਫੀ ਜਮ੍ਹਾਂ ਕਰਵਾਉਣੀ ਪੈਂਦੀ ਹੈ ਜਿਸਦੀ ਤੁਲਨਾ ਸਰਕਾਰੀ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਪਛਾਣ ਪੱਤਰ (ID) ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਲਿਸਟਿੰਗ ਲਾਈਵ ਹੋਵੇ। ਇਸ ਕਦਮ ਦਾ ਉਦੇਸ਼ ਪੀਅਰ-ਟੂ-ਪੀਅਰ ਵਿਕਰੀ ਵਿੱਚ ਭਰੋਸਾ ਵਧਾਉਣਾ ਹੈ, ਪਰ ਇਹ ਬਾਇਓਮੈਟ੍ਰਿਕ ਡੇਟਾ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਪਲੇਟਫਾਰਮ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਵੀ ਪਾ ਦਿੰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਸਿਰਫ਼ ਰੈਪੂਟੇਸ਼ਨ ਸਕੋਰਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਸੀ।

1:1 ਬਾਇਓਮੈਟ੍ਰਿਕ ਚੈੱਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਇਹ ਸਿਸਟਮ ਇੱਕ-ਤੋਂ-ਇੱਕ ਚਿਹਰੇ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਵਰਤੋਂਕਾਰ ਮਾਰਕੀਟਪਲੇਸ ਐਪ ਵਿੱਚ ਇੱਕ ਸੈਲਫੀ ਖਿੱਚਦਾ ਹੈ; ਇਸ ਤਸਵੀਰ ਨੂੰ ਇੱਕ ਗਣਿਤਕ ਵੈਕਟਰ (mathematical vector) ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ—ਨੰਬਰਾਂ ਦੀ ਇੱਕ ਲੜੀ ਜੋ ਚਿਹਰੇ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਸ਼ਕਲ ਅਤੇ ਸਥਿਤੀ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ। ਇਹੀ ਪ੍ਰਕਿਰਿਆ ਅਪਲੋਡ ਕੀਤੇ ਗਏ ID ਦੀ ਫੋਟੋ 'ਤੇ ਵੀ ਲਾਗੂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਫਿਰ ਦੋਵਾਂ ਵੈਕਟਰਾਂ ਨੂੰ ਯੂਕਲਿਡੀਅਨ ਡਿਸਟੈਂਸ ਵਿਸ਼ਲੇਸ਼ਣ (Euclidean distance analysis) ਨਾਲ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ ਬਹੁ-ਆਯਾਮੀ ਸਪੇਸ ਵਿੱਚ ਬਿੰਦੂਆਂ ਵਿਚਕਾਰ ਸਿੱਧੀ ਰੇਖਾ ਦੀ ਦੂਰੀ ਦੀ ਗਣਨਾ ਕਰਨ ਵਾਲੀ ਇੱਕ ਵਿਧੀ ਹੈ। ਜੇਕਰ ਦੂਰੀ ਨਿਰਧਾਰਤ ਸੀਮਾ (threshold) ਤੋਂ ਘੱਟ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਮੈਚ ਨੂੰ ਵੈਧ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਵਿਕਰੇਤਾ ਨੂੰ “verified” ਬੈਜ ਮਿਲਦਾ ਹੈ।

ਅਸਲ ਵਿਕਾਸ ਚੁਣੌਤੀ: ਲਾਈਵਨੈੱਸ ਡਿਟੈਕਸ਼ਨ (liveness detection)

ਦੋ ਸਥਿਰ ਫੋਟੋਆਂ ਦਾ ਮੈਚ ਕਰਨਾ ਸੌਖਾ ਹੈ; ਪਰ ਇੱਕ ਜਿਉਂਦੇ ਵਿਅਕਤੀ ਨੂੰ ਇਹ ਯਕੀਨ ਦਿਵਾਉਣਾ ਕਿ ਉਹ ਫੋਟੋ ਜਾਂ ਵੀਡੀਓ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰ ਰਿਹਾ ਹੈ, ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ। ਮੈਟਾ ਦੇ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਇੱਕ ਲਾਈਵਨੈੱਸ ਟੈਸਟ (liveness test) ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਪਵੇਗਾ ਜੋ ਇੱਕ ਅਸਲੀ ਚਿਹਰੇ ਨੂੰ ਪਲੇਅ ਕੀਤੇ ਗਏ ਚਿੱਤਰ ਤੋਂ ਵੱਖਰਾ ਕਰ ਸਕੇ। ਹਾਲਾਂਕਿ ਸਹੀ ਤਕਨੀਕ ਦਾ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਉਦਯੋਗਿਕ ਅਭਿਆਸ 3D ਡੈਪਥ ਕਿਊਜ਼ (3D depth cues), ਸਿਰ ਦੀਆਂ ਸੂਖਮ ਹਰਕਤਾਂ, ਜਾਂ ਚਮੜੀ 'ਤੇ ਰੌਸ਼ਨੀ ਦੇ ਬਦਲਾਅ ਦੀ ਵਰਤੋਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ। ਅਰਬਾਂ ਵਰਤੋਂਕਾਰਾਂ ਦੇ ਪੱਧਰ 'ਤੇ ਇਹਨਾਂ ਚੈੱਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਨਾਲ ਕੋਡਬੇਸ ਅਤੇ ਸਰਵਰ ਲੋਡ ਵਿੱਚ ਕਾਫ਼ੀ ਗੁੰਝਲਦਾਰਤਾ ਵਧ ਜਾਂਦੀ ਹੈ, ਕਿਉਂਕਿ ਹਰ ਵੈਰੀਫਿਕੇਸ਼ਨ ਨੂੰ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਮੋਸ਼ਨ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।

ਜਾਂਚਕਰਤਾਵਾਂ ਅਤੇ OSINT ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਇਸ ਦੀ ਚਿੰਤਾ ਕਿਉਂ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ

ਬਾਇਓਮੈਟ੍ਰਿਕ ਵੈਰੀਫਿਕੇਸ਼ਨ ਹੁਣ ਵਿਸ਼ੇਸ਼ ਸੁਰੱਖਿਆ ਸਾਧਨਾਂ ਤੋਂ ਨਿਕਲ ਕੇ ਰੋਜ਼ਾਨਾ ਦੇ ਉਪਭੋਗਤਾ ਉਤਪਾਦਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਰਹੀ ਹੈ। ਜਦੋਂ ਮੈਟਾ ਵਰਗਾ ਵੱਡਾ ਪਲੇਟਫਾਰਮ ਇਸ ਨੂੰ ਅਪਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਉਮੀਦ ਵਧ ਜਾਂਦੀ ਹੈ ਕਿ ਇੱਕ ਸਧਾਰਨ “True/False” ਬੈਜ ਹੀ ਕਾਫ਼ੀ ਹੈ। ਓਪਨ-ਸੋਰਸ ਜਾਂਚਕਰਤਾ ਅਤੇ OSINT ਵਿਸ਼ਲੇਸ਼ਕ ਜੋ ਮੈਨੂਅਲ ਵੈਲੀਡੇਸ਼ਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਜਲਦੀ ਹੀ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਉਹਨਾਂ ਦੇ ਤਰੀਕੇ ਆਟੋਮੇਟਡ, ਗਣਿਤ-ਅਧਾਰਤ ਚੈੱਕਾਂ ਤੋਂ ਪਿੱਛੇ ਰਹਿ ਗਏ ਹਨ। ਪੇਸ਼ੇਵਰ ਵਰਤੋਂ ਲਈ, ਸਿਰਫ਼ ਪਾਸ/ਫੇਲ (pass/fail) ਕਾਫ਼ੀ ਨਹੀਂ ਹੁੰਦਾ; ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਕਾਨੂੰਨੀ ਜਾਂ ਜਾਂਚ ਦੇ ਸੰਦਰਭਾਂ ਵਿੱਚ ਆਪਣੇ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕਾਨਫੀਡੈਂਸ ਸਕੋਰ, ਫੇਸ਼ੀਅਲ ਲੈਂਡਮਾਰਕ ਓਵਰਲੇਅ ਅਤੇ ਆਡਿਟ-ਤਿਆਰ ਲੌਗਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਨਵਾਂ ਮਾਰਕੀਟਪਲੇਸ ਫੀਚਰ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਅਜਿਹਾ ਡੇਟਾ ਵਧੇਰੇ ਆਸਾਨੀ ਨਾਲ ਉਪਲਬਧ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਵੀ ਕਿ ਸਬੂਤ ਦਾ ਮਿਆਰ ਵਧ ਜਾਵੇਗਾ।

ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ

ਸੈਲਫੀਆਂ ਅਤੇ ਸਰਕਾਰੀ ID ਇਕੱਠੀਆਂ ਕਰਨਾ ਬਾਇਓਮੈਟ੍ਰਿਕ ਡੇਟਾ ਦਾ ਇੱਕ ਵੱਡਾ ਖਜ਼ਾਨਾ ਬਣਾ ਦਿੰਦਾ ਹੈ। ਪਾਸਵਰਡ ਦੇ ਉਲਟ, ਜੇਕਰ ਚਿਹਰਾ ਖਤਰੇ ਵਿੱਚ ਆ ਜਾਵੇ ਤਾਂ ਉਸਨੂੰ ਬਦਲਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ। ਆਲੋਚਕਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸ ਡੇਟਾ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸਟੋਰ ਅਤੇ ਪ੍ਰੋਸੈਸ ਕਰਨ ਨਾਲ ਲੀਕ ਹੋਣ, ਦੁਰਵਰਤੋਂ ਜਾਂ ਅਣਚਾਹੀ ਪ੍ਰੋਫਾਈਲਿੰਗ ਦਾ ਖਤਰਾ ਵਧ ਜਾਂਦਾ ਹੈ। ਲਾਈਵਨੈੱਸ ਕੰਪੋਨੈਂਟ ਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਪਲੇਟਫਾਰਮ ਨੂੰ ਛੋਟੇ ਵੀਡੀਓ ਸਨਿਪੇਟਸ ਜਾਂ ਡੈਪਥ ਮੈਪਸ ਨੂੰ ਰੱਖਣਾ ਪਵੇਗਾ, ਜਿਸ ਨਾਲ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਦਾ ਘੇਰਾ ਵਧ ਜਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਪ੍ਰਾਈਵੇਸੀ-ਪਹਿਲ ਵਾਲੇ ਸਾਧਨਾਂ ਲਈ ਜੋ ਕਿਸੇ ਵੀ ਨਿੱਜੀ ਪਛਾਣ ਵਾਲੀ ਜਾਣਕਾਰੀ ਤੋਂ ਬਚਦੇ ਹਨ, ਇਹ ਮੰਨਣਾ ਕਿ ਵਰਤੋਂਕਾਰ ਚਿਹਰੇ ਦੇ ਸਕੈਨ ਲਈ ਸਹਿਮਤ ਹੋ ਜਾਣਗੇ, ਘੱਟ-ਤਕਨੀਕੀ ਵੈਰੀਫਿਕੇਸ਼ਨ ਵਿਧੀਆਂ ਦੇ ਬਾਜ਼ਾਰ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦਾ ਹੈ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਰੈਗੂਲੇਟਰੀ ਪ੍ਰਤੀਕਿਰਿਆ – ਡੇਟਾ-ਸੁਰੱਖਿਆ ਅਧਿਕਾਰੀ ਇਸ ਗੱਲ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਮੈਟਾ ਚਿਹਰੇ ਦੇ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਸਟੋਰ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਡਿਲੀਟ ਕਰਦਾ ਹੈ।
  • ਵਰਤੋਂਕਾਰਾਂ ਦੁਆਰਾ ਅਪਣਾਉਣਾ – ਜੇਕਰ ਵੈਰੀਫਿਕੇਸ਼ਨ ਕਦਮ ਮੁਸ਼ਕਲ ਸਾਬਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਵਿਕਰੇਤਾ ਹੋਰ ਪਲੇਟਫਾਰਮਾਂ ਜਾਂ ਆਫਲਾਈਨ ਵਿਕਰੀ ਵੱਲ ਜਾ ਸਕਦੇ ਹਨ।
  • ਤਕਨੀਕੀ ਪਾਰਦਰਸ਼ਤਾ – ਅਜਿਹੇ APIs ਲਈ ਬੇਨਤੀਆਂ ਜੋ ਕਾਨਫੀਡੈਂਸ ਸਕੋਰ ਜਾਂ ਆਡਿਟ ਲੌਗਸ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ, ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਕਿ ਤੀਜੀ ਧਿਰ ਦੇ ਜਾਂਚਕਰਤਾ ਮਾਰਕੀਟਪਲੇਸ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਜੋੜਦੇ ਹਨ।
  • ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਦਬਾਅ – ਹੋਰ ਮਾਰਕੀਟਪਲੇਸ ਵੀ ਅਜਿਹੇ ਚੈੱਕ ਅਪਣਾ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਬਾਇਓਮੈਟ੍ਰਿਕ ਵੈਰੀਫਿਕੇਸ਼ਨ ਇੱਕ ਨਵਾਂ ਉਦਯੋਗਿਕ ਮਿਆਰ ਬਣ ਜਾਵੇਗਾ।

ਇਹ ਰੋਲਆਊਟ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਬਾਇਓਮੈਟ੍ਰਿਕ ਪ੍ਰਮਾਣਿਕਤਾ (biometric authentication) ਹੁਣ ਉੱਚ-ਮੁੱਲ ਲੈਣ-ਦੇਣ ਲਈ ਕੋਈ ਵਿਸ਼ੇਸ਼ਤਾ ਨਹੀਂ ਰਹੀ; ਇਹ ਰੋਜ਼ਾਨਾ ਦੇ ਵਪਾਰ ਲਈ ਇੱਕ ਮਿਆਰੀ ਗੇਟਕੀਪਰ ਬਣ ਰਹੀ ਹੈ। ਉਹ ਤਬਦੀਲੀ ਸੁਰੱਖਿਆ ਵਿੱਚ ਸੁਧਾਰ ਕਰੇਗੀ ਜਾਂ ਪ੍ਰਾਈਵੇਸੀ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਏਗੀ, ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਮੈਟਾ ਸਹੂਲਤ ਅਤੇ ਸਖ਼ਤ ਡੇਟਾ ਸੁਰੱਖਿਆ ਦੇ ਵਿਚਕਾਰ ਕਿਵੇਂ ਸੰਤੁਲਨ ਬਣਾਉਂਦਾ ਹੈ।