ایک مجرمانہ گروہ نے 15,500 ایسی ویب سائٹس قائم کر دی ہیں جو مشہور شخصیات کی ڈیپ فیک (deep-fake) ویڈیوز کو اسٹریم کرتی ہیں اور جعلی اسٹاک ٹپس کی تشہیر کرتی ہیں، اور یہ آپریشن پہلے ہی بے خبر سرمایہ کاروں سے رقم ہڑپ کرنا شروع کر چکا ہے۔ اس کا پیمانہ ہی اسے دستی طور پر ہٹانا ناممکن بنا دیتا ہے، جس کی وجہ سے سیکیورٹی ٹیمیں اس بات پر دوبارہ غور کرنے پر مجبور ہیں کہ اس طرح کے فراڈ کا پتہ کیسے لگایا جائے اور انہیں کیسے روکا جائے۔
یہ گروہ کیسے کام کرتا ہے
دھوکہ باز کسی ایک جعلی کلپ پر انحصار نہیں کرتے۔ ہر سائٹ کو اس طرح پروگرام کیا گیا ہے کہ وہ اس بات کے مطابق مختلف طرزِ عمل اختیار کرے کہ اسے کون وزٹ کر رہا ہے۔ ایک خودکار کرالر (automated crawler) کو ایک سادہ سا "زیر تعمیر" (under construction) صفحہ نظر آتا ہے، جبکہ موبائل ڈیوائس پر آنے والے اصل صارف کو ایک ایسی پالش شدہ ویڈیو دکھائی جاتی ہے جس میں کوئی مشہور شخصیت کسی اسٹاک کی توثیق کرتی نظر آتی ہے۔ یہ تضاد اس آپریشن کو روایتی ویب اسکریپنگ ٹولز کی نظروں سے اوجھل رکھنے میں مدد دیتا ہے۔
اس تبدیلی کو چھپانے کے لیے، یہ گروہ Keitaro جیسی ٹریفک روٹنگ سروسز کا استعمال کرتا ہے، جو یو آر ایل (URLs) کو چھپا سکتی ہیں اور آئی پی (IP) ساکھ، ڈیوائس فنگر پرنٹ، یا ریفرر ہیڈر کی بنیاد پر مختلف مواد فراہم کر سکتی ہیں۔ اس کا نتیجہ "ملتے جلتے" ڈومینز کے ایک وسیع نیٹ ورک کی صورت میں نکلتا ہے جو عام ویب کے ساتھ گھل مل جاتے ہیں، جس سے سیکیورٹی بوٹس کے لیے انہیں نقصان دہ کے طور پر نشان زد کرنا مشکل ہو جاتا ہے۔
روایتی شناخت کیوں ناکام ہو جاتی ہے
زیادہ تر اینٹی ڈیپ فیک (anti-deep-fake) سلوشنز بصری نقائص (visual artefacts) کو پکڑنے پر توجہ مرکوز کرتے ہیں جو ایک مصنوعی ویڈیو کا پتہ دیتے ہیں—جیسے دھندلے کنارے، غیر مستقل روشنی، یا لپ سنک (lip sync) کا تال میل نہ ہونا۔ اس مہم میں، وہ اشارے کم ہی نظر آتے ہیں کیونکہ ویڈیوز کو اعلیٰ معیار کے ماڈلز کے ذریعے تیار کیا گیا ہے۔ اصل کمزوری چہرے کی جیومیٹری میں چھپی ہے: ڈیپ فیک جنریٹرز اکثر چہرے کے اہم نشانات (facial landmarks) کے درمیان مکانی تعلق میں باریک تضادات پیدا کر دیتے ہیں۔
چنانچہ، ایک سادہ سا "کیا یہ ویڈیو جعلی ہے؟" والا چیک اس گروہ کے بہت سے مواد کو پکڑنے میں ناکام رہتا ہے۔ اس کے لیے ایک تصدیقی (verification) مرحلے کی ضرورت ہے جو ویڈیو میں دکھائے گئے چہرے کا موازنہ کسی مشہور شخصیت کی معلوم اور قابل اعتماد تصویر سے کرے۔
تصدیقی پائپ لائن بنانا
ڈیولپرز اپنی سیکیورٹی ورک فلو میں تین بنیادی صلاحیتیں شامل کر سکتے ہیں:
- ایڈاپٹیو کرالنگ (Adaptive crawling) – ایسے ہیڈ لیس براؤزرز (headless browsers) کا استعمال کریں جو اصل یوزر ایجنٹس کی نقل اتاریں، آئی پیز (IPs) کو تبدیل کریں، اور موبائل ڈیوائس کی خصوصیات کو ظاہر کریں۔ یہ "زیر تعمیر" کے دھوکے کو عبور کرنے اور اصل ویڈیو مواد حاصل کرنے میں مدد دیتا ہے۔
- بائیومیٹرک موازنہ (Biometric comparison) – ویڈیو کے ہر فریم سے چہرے کے اہم نشانات (facial landmarks) نکالیں اور ایک مستند حوالہ جاتی تصویر کے نشانات کے ساتھ ان کے اقلیدسی فاصلے (Euclidean distances) کا حساب لگائیں۔ نشانات کی جگہ میں چھوٹے اور مستقل غلطیاں ڈیپ فیک کی ایک مضبوط علامت ہیں۔ متعدد فریموں پر موازنہ کرنے سے عارضی رکاوٹوں یا روشنی کی تبدیلیوں کی وجہ سے ہونے والے غلط نتائج (false positives) میں کمی آتی ہے۔
- شناخت سے تصدیق کی طرف منتقلی – کسی ویڈیو کو "ممکنہ طور پر جعلی" قرار دینے کے بجائے، اسے اس وقت تک غیر تصدیق شدہ سمجھیں جب تک کہ وہ مستند ذریعے کے ساتھ بائیومیٹرک چیک پاس نہ کر لے۔ اگر کوئی مماثلت نہ ملے، تو مواد کو کوارنٹائن کیا جا سکتا ہے یا انسانی جائزے کے لیے بھیجا جا سکتا ہے۔
ایک عملی نفاذ کچھ اس طرح ہو سکتا ہے:
- Crawler صفحہ حاصل کرتا ہے، ری ڈائریکٹس پر عمل کرتا ہے، اور حتمی ویڈیو یو آر ایل کو ریکارڈ کرتا ہے۔
- Downloader ویڈیو نکالتا ہے اور اسے اہم فریموں میں تقسیم کرتا ہے (مثلاً ہر سیکنڈ میں ایک)۔
- Face extractor ہر فریم میں چہرے کی نشاندہی کرنے کے لیے ایک ہلکا پھلکا ماڈل چلاتا ہے۔
- Landmark matcher نکالے گئے نشانات اور مشہور شخصیت کی آفیشل تصویر کے نشانات کے درمیان اقلیدسی فاصلہ (Euclidean distance) کا حساب لگاتا ہے۔
- Score aggregator اگر اوسط فاصلہ پہلے سے طے شدہ حد سے تجاوز کر جائے تو ویڈیو کو نشان زد کر دیتا ہے۔
چونکہ یہ آپریشن ہزاروں ڈومینز پر پھیلا ہوا ہے، اس لیے ہر مرحلے کو خودکار بنانا ضروری ہے۔ چہرے کی شناخت اور نشانات نکالنے کے لیے اوپن سورس لائبریریز آسانی سے دستیاب ہیں، اور اقلیدسی فاصلے کا حساب لگانا کمپیوٹیشنل طور پر آسان ہے، جس سے یہ پائپ لائن روزانہ دسیوں ہزار ویب سائٹس تک پھیلائی جا سکتی ہے۔
ممکنہ مخالفت
کچھ سیکیورٹی ٹیموں کا کہنا ہے کہ بائیومیٹرک تصدیق رازداری کے خدشات پیدا کرتی ہے، خاص طور پر جب اس میں عوامی شخصیات کی حوالہ جاتی تصاویر کو محفوظ کرنا شامل ہو۔ اس کے جواب میں یہ دلیل دی جاتی ہے کہ حوالہ جاتی سیٹ کو صرف عوامی طور پر دستیاب، لائسنس یافتہ تصاویر تک محدود رکھا جا سکتا ہے اور موازنے کے مرحلے کے بعد اسے کبھی بھی مستقل طور پر محفوظ نہیں کیا جانا چاہیے۔ لاکھوں صارفین کے سرمایہ کاری کے فنڈز ڈوبنے کا خطرہ ڈیٹا ہینڈلنگ کے معمولی کام سے کہیں زیادہ ہے۔
ایک اور اعتراض مشہور شخصیات کی ظاہری شکل بدلنے کے ساتھ ساتھ حوالہ جاتی لائبریری کو اپ ٹو ڈیٹ رکھنے کے دیکھ بھال کے اضافی بوجھ (maintenance overhead) کے بارے میں ہے۔ بتدریج اپ ڈیٹس—جیسے تصدیق شدہ میڈیا میں ظاہر ہونے والی نئی تصاویر کا اضافہ کرنا—مکمل دوبارہ تعمیر کی ضرورت کے بغیر اس مسئلے کو کم کر دیتی ہیں۔
آگے کیا نظر آئے گا
اس گروہ کا ٹریفک ماسکنگ سروسز پر انحصار اس بات کا مطلب ہے کہ ان سروسز میں کوئی بھی خلل اس مہم کو عارضی طور پر کمزور کر سکتا ہے، لیکن بنیادی تکنیک—اعلیٰ معیار کے ڈیپ فیکس (deep-fakes) کے ساتھ مل کر ڈائنامک مواد کی فراہمی (dynamic content delivery)—ممکنہ طور پر دیگر اسکیموں میں بھی دوبارہ سامنے آئے گی۔ سیکیورٹی فراہم کنندگان کو اسی طرح کے پیٹرنز کی نگرانی کرنی چاہیے: کرالر سگنیچرز (crawler signatures) کی بنیاد پر مختلف مواد، ایک ہی ویڈیو ہوسٹنگ بکٹ (video hosting bucket) کی طرف اشارہ کرنے والے ڈومینز میں اچانک اضافہ، اور ایک ہی فیشل جومیٹری ایرر سگنیچرز (facial-geometry error signatures) کا بار بار استعمال۔
ڈویلپرز کے لیے اگلا قدم مشکوک ڈومینز کے ایک چھوٹے سے حصے پر ویریفیکیشن پائپ لائن (verification pipeline) کا پروٹو ٹائپ تیار کرنا اور فالس پازیٹو ریٹس (false-positive rates) کی پیمائش کرنا ہے۔ مختلف اداروں کے درمیان ڈیٹیکشن سگنیچرز (detection signatures) کا اشتراک بھی کوششوں کے دوہراؤ کو کم کر سکتا ہے۔
حاصلِ کلام: 15,500 سائٹس پر مشتمل یہ ڈیپ فیک اسکیم یہ واضح کرتی ہے کہ اب فراڈ کی نئی سرحد صرف پیچیدگی نہیں بلکہ اس کا پیمانہ (scale) ہے۔ ایڈاپٹیو کرالنگ (adaptive crawling) کو فریم بہ فریم بائیومیٹرک ویریفیکیشن (frame-by-frame biometric verification) کے ساتھ ملا کر، سیکیورٹی ٹیمیں ایک ناقابلِ قابو مسئلے کو ایک خودکار اور قابلِ پیمائش دفاع میں بدل سکتی ہیں۔