AI Photo Editing Apps – ವೈರಲ್ ಫೋಟೋ ಟ್ರೆಂಡ್ಗಳ ಹಿಂದಿರುವ ಭದ್ರತಾ, ಕಾನೂನು ಮತ್ತು ಡೇಟಾ ರಿಸ್ಕ್ಗಳ ವರದಿ
ಸಮಕಾಲೀನ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮಗಳ ಜಗತ್ತಿನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (Artificial Intelligence – AI) ಆಧಾರಿತ ಭಾವಚಿತ್ರ ಪರಿಷ್ಕರಣೆ (Photo Editing) ಅಪ್ಲಿಕೇಶನ್ಗಳ ಬಳಕೆ ಅಭೂತಪೂರ್ವ ರೀತಿಯಲ್ಲಿ ವೃದ್ಧಿಸುತ್ತಿದೆ. ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ಗೂಗಲ್ ಜೆಮಿನಿ (Google Gemini) ಸೇರಿದಂತೆ ಪ್ರಮುಖ ಎಐ ಆಧಾರಿತ ಆ್ಯಪ್ಗಳು ಹಾಗೂ ಕೃತಕ ಫಿಲ್ಟರ್ಗಳನ್ನು ಬಳಸಿ ತಮ್ಮ ಮುಖಗಳಿಗೆ ಸಾಂಪ್ರದಾಯಿಕ ಸೀರೆಗಳು ಅಥವಾ ವಿಭಿನ್ನ ಉಡುಪುಗಳನ್ನು ತೊಡಿಸುವ ಹೊಸ ತಾಂತ್ರಿಕ ಪ್ರವೃತ್ತಿಯು ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯತೆಯನ್ನು ಗಳಿಸಿದೆ. ಮೇಲ್ನೋಟಕ್ಕೆ ಇದು ಕೇವಲ ಒಂದು ಮನರಂಜನಾತ್ಮಕ ಚಟುವಟಿಕೆಯಾಗಿ ಕಂಡುಬಂದರೂ, ಇದರ ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಬಳಕೆದಾರರ ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮವಾದ ವೈಯಕ್ತಿಕ ಮಾಹಿತಿ ಮತ್ತು ಮುಖದ ಜೈವಿಕ ಗುರುತುಗಳು (Biometric/Face data) ದುರುಪಯೋಗವಾಗುವ ಸಾಧ್ಯತೆಗಳಿರುತ್ತವೆ ಎಂದು ಸೈಬರ್ ಭದ್ರತಾ ತಜ್ಞರು ತೀವ್ರ ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಿದ್ದಾರೆ.
ಸಾಮಾನ್ಯ ಬಳಕೆದಾರರು ಇಂತಹ ಸೃಜನಾತ್ಮಕ ಪರಿಕರಗಳನ್ನು ಬಳಸುವ ಉತ್ಸಾಹದಲ್ಲಿ ತಮ್ಮ ಮೂಲ ಮತ್ತು ಉನ್ನತ ಗುಣಮಟ್ಟದ ಭಾವಚಿತ್ರಗಳನ್ನು ಕ್ಲೌಡ್ ಆಧಾರಿತ ಸರ್ವರ್ಗಳಿಗೆ ಅಪ್ಲೋಡ್ ಮಾಡುತ್ತಾರೆ. ಈ ಪ್ರಕ್ರಿಯೆಯು ತಂತ್ರಜ್ಞಾನ ವಲಯದಲ್ಲಿ “ಗೌಪ್ಯತೆಯ ತೆರಿಗೆ” (Privacy Tax) ಎಂದು ಕರೆಯಲ್ಪಡುವ ವಿದ್ಯಮಾನಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಅಂದರೆ, ಸುಧಾರಿತ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸೌಲಭ್ಯಗಳನ್ನು ಉಚಿತವಾಗಿ ಅಥವಾ ವಿನೋದಕ್ಕಾಗಿ ಬಳಸಿಕೊಳ್ಳಲು ಬಳಕೆದಾರರು ತಮ್ಮ ಅನನ್ಯ ಬಯೋಮೆಟ್ರಿಕ್ ಗುರುತನ್ನೇ ಬೆಲೆಯಾಗಿ ನೀಡಬೇಕಾಗುತ್ತದೆ. ಒಮ್ಮೆ ಈ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಜೈವಿಕ ದತ್ತಾಂಶವು ಬಾಹ್ಯ ಸರ್ವರ್ಗಳಿಗೆ ರವಾನೆಯಾದ ನಂತರ, ಅದರ ಮೇಲಿನ ಬಳಕೆದಾರರ ಸಂಪೂರ್ಣ ನಿಯಂತ್ರಣವು ಇಲ್ಲದಂತಾಗುತ್ತದೆ. ಇದು ಕೇವಲ ತಾತ್ಕಾಲಿಕ ಎಡಿಟಿಂಗ್ ಉದ್ದೇಶಕ್ಕೆ ಬಳಕೆಯಾಗಿ ಅಳಿಸಿಹೋಗುತ್ತದೆ ಎಂದು ಬಳಕೆದಾರರು ಭಾವಿಸಿದರೂ, ವಾಸ್ತವದಲ್ಲಿ ಈ ದತ್ತಾಂಶವು ಕಣ್ಗಾವಲು, ಪ್ರೊಫೈಲಿಂಗ್ ಮತ್ತು ಭವಿಷ್ಯದ ಎಐ ಮಾದರಿಗಳ ತರಬೇತಿಗಾಗಿ ಶಾಶ್ವತ ಡಿಜಿಟಲ್ ಹೆಜ್ಜೆಗುರುತಾಗಿ (Digital Footprint) ಪರಿವರ್ತಿತವಾಗುತ್ತದೆ.
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಆಧಾರದ ಮೇಲೆ ಸೃಷ್ಟಿಯಾಗುವ ಈ ನವೀನ ದೃಶ್ಯಾವಳಿಗಳನ್ನು ಸಂಶ್ಲೇಷಿತ ಮಾಧ್ಯಮ (Synthetic Media) ಅಥವಾ ಡೀಪ್ಫೇಕ್ (Deepfake) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಡೀಪ್ಫೇಕ್ಗಳು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಆಳವಾದ ಕಲಿಕೆಯ (Deep Learning) ಮೂಲಕ ಸೃಷ್ಟಿಯಾಗುವ ಅತ್ಯಂತ ವಾಸ್ತವಿಕ ಚಿತ್ರಗಳು, ವೀಡಿಯೊಗಳು ಅಥವಾ ಆಡಿಯೊಗಳಾಗಿದ್ದು, ವಾಸ್ತವದಲ್ಲಿ ಎಂದಿಗೂ ನಡೆಯದ ಘಟನೆಗಳನ್ನು ನಡೆದಂತೆ ಬಿಂಬಿಸುತ್ತವೆ. ಈ ತಂತ್ರಜ್ಞಾನದ ಪ್ರಮುಖ ಅಪಾಯವಿರುವುದು ಕೇವಲ ಅದರ ಸಂಕೀರ್ಣತೆಯಲ್ಲಲ್ಲ, ಬದಲಿಗೆ ಮಾನವನ ಸಹಜ ಪ್ರವೃತ್ತಿಯಾದ “ಕಂಡದ್ದನ್ನು ನಂಬುವ” ಗುಣದಲ್ಲಿದೆ. ಇದರಿಂದಾಗಿ ಅತ್ಯಂತ ಕಳಪೆ ಗುಣಮಟ್ಟದ ಡೀಪ್ಫೇಕ್ಗಳು ಸಹ ಸಮಾಜದಲ್ಲಿ ಸುಲಭವಾಗಿ ತಪ್ಪು ಮಾಹಿತಿ ಮತ್ತು ಸಾರ್ವಜನಿಕ ಆತಂಕವನ್ನು ಸೃಷ್ಟಿಸಲು ಶಕ್ತವಾಗಿರುತ್ತವೆ. ಈ ಸಂಶೋಧನಾ ವರದಿಯು ಎಐ ಫೋಟೋ ಎಡಿಟಿಂಗ್ನ ತಾಂತ್ರಿಕ ಹಿನ್ನೆಲೆ, ಅದರಿಂದ ಉಂಟಾಗುವ ಗಂಭೀರ ಸೈಬರ್ ಭದ್ರತಾ ಬೆದರಿಕೆಗಳು, ಜಾಗತಿಕ ಮತ್ತು ಭಾರತೀಯ ಕಾನೂನು ಚೌಕಟ್ಟುಗಳು, ಇತ್ತೀಚಿನ ರಕ್ಷಣಾತ್ಮಕ ತಾಂತ್ರಿಕ ಸಂಶೋಧನೆಗಳು ಮತ್ತು ಇಲಾಖಾ ಮುನ್ನೆಚ್ಚರಿಕೆಗಳನ್ನು ವಿಸ್ತಾರವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ.
ಡೀಪ್ಫೇಕ್ ಮತ್ತು ಎಐ ಫೋಟೋ ಎಡಿಟಿಂಗ್ ತಂತ್ರಜ್ಞಾನದ ತಾಂತ್ರಿಕ ಕಾರ್ಯಾಚರಣೆ
ಆಧುನಿಕ ಎಐ ಭಾವಚಿತ್ರ ಪರಿಷ್ಕರಣೆ ಮತ್ತು ಡೀಪ್ಫೇಕ್ ತಂತ್ರಜ್ಞಾನಗಳು ಮೂಲಭೂತವಾಗಿ ಅತ್ಯಾಧುನಿಕ ನರಮಂಡಲ ಜಾಲಗಳನ್ನು (Neural Networks) ಬಳಸಿಕೊಂಡು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಇವುಗಳಲ್ಲಿ ಉತ್ಪಾದಕ ಪ್ರತಿಸ್ಪರ್ಧಿ ನೆಟ್ವರ್ಕ್ಗಳು (Generative Adversarial Networks – GANs) ಅತ್ಯಂತ ಪ್ರಮುಖವಾದ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತವೆ. 2014 ರಲ್ಲಿ ಇಯಾನ್ ಗುಡ್ಫೆಲೋ ಅವರು ಪರಿಚಯಿಸಿದ ಜಿಎಎನ್ (GAN) ಮಾದರಿಯು ಎರಡು ಪರಸ್ಪರ ಸ್ಪರ್ಧಿಸುವ ನರಮಂಡಲಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ; ಅವುಗಳೆಂದರೆ ಉತ್ಪಾದಕ (Generator) ಮತ್ತು ವಿವೇಚಕ (Discriminator).
ಉತ್ಪಾದಕದ ಪ್ರಮುಖ ಕಾರ್ಯವೆಂದರೆ ಮೂಲ ತರಬೇತಿ ದತ್ತಾಂಶವನ್ನು ಹೋಲುವ ಅತ್ಯಂತ ನಿಖರವಾದ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುವುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ವಿವೇಚಕವು ನೀಡಲಾದ ಚಿತ್ರವು ನೈಜ ಚಿತ್ರವೇ ಅಥವಾ ಉತ್ಪಾದಕದಿಂದ ಸೃಷ್ಟಿಸಲ್ಪಟ್ಟ ಕೃತಕ ಚಿತ್ರವೇ ಎಂಬುದನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ನಿರಂತರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ.
ಆರಂಭಿಕ ಹಂತದ ಡೀಪ್ಫೇಕ್ ಅನ್ವಯಿಕೆಗಳು (ಉದಾಹರಣೆಗೆ ರೆಡ್ಡಿಟ್ ಬಳಕೆದಾರರು ಸೃಷ್ಟಿಸಿದ ಫೇಕ್ ಆ್ಯಪ್ – FakeApp) ಆಟೋಎನ್ಕೋಡರ್ ಮತ್ತು ಡಿಕೋಡರ್ (Autoencoder-Decoder) ಜೋಡಣೆಯ ಸಂರಚನೆಯನ್ನು ಬಳಸುತ್ತಿದ್ದವು. ಇದರಲ್ಲಿ ಎನ್ಕೋಡರ್ ಮೂಲ ಮುಖದ ಚಿತ್ರಗಳಿಂದ ಕಣ್ಣುಗಳು, ಮೂಗು ಮತ್ತು ಬಾಯಿಯ ಸ್ಥಾನಗಳಂತಹ ಸುಪ್ತ ಲಕ್ಷಣಗಳನ್ನು (Latent properties) ಹೊರತೆಗೆಯುತ್ತದೆ. ನಂತರ ಡಿಕೋಡರ್ ಆ ಸುಪ್ತ ದತ್ತಾಂಶವನ್ನು ಬಳಸಿ ಮೂಲ ಮುಖವನ್ನು ಪುನರ್ನಿರ್ಮಿಸುತ್ತದೆ. ಒಂದು ಮುಖವನ್ನು ಮತ್ತೊಂದರೊಂದಿಗೆ ಬದಲಾಯಿಸಲು (Face Swap) ಎರಡು ಪ್ರತ್ಯೇಕ ಎನ್ಕೋಡರ್-ಡಿಕೋಡರ್ ಜೋಡಿಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.
ಯಾವುದೇ ಒಂದು ಭಾವಚಿತ್ರವನ್ನು ಎಐ ಪರಿಷ್ಕರಣೆಗೆ ಒಳಪಡಿಸುವ ಮುನ್ನ ರೆಟಿನಾಫೇಸ್ (RetinaFace) ನಂತಹ ಅತ್ಯಾಧುನಿಕ ಡಿಟೆಕ್ಟರ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮುಖವನ್ನು ಪತ್ತೆಹಚ್ಚಲಾಗುತ್ತದೆ. ಈ ವ್ಯವಸ್ಥೆಯು ಮುಖದ ಪ್ರಮುಖ ಐದು ಬಯೋಮೆಟ್ರಿಕ್ ಹೆಗ್ಗುರುತುಗಳನ್ನು (Facial Landmarks) ಗುರುತಿಸುತ್ತದೆ; ಅವುಗಳೆಂದರೆ ಎರಡು ಕಣ್ಣುಗಳು, ಒಂದು ಮೂಗು ಮತ್ತು ಬಾಯಿಯ ಎರಡು ಗಡಿಗಳು. ಈ ಹೆಗ್ಗುರುತುಗಳ ಸುತ್ತಲೂ ಒಂದು ಕಾನ್ವೆಕ್ಸ್ ಹಲ್ (Convex Hull) ನಿರ್ಮಿಸಿ, ಅದನ್ನು 15-ಪಿಕ್ಸೆಲ್ಗಳ ಮಾರ್ಜಿನ್ನೊಂದಿಗೆ ವಿಸ್ತರಿಸುವ ಮೂಲಕ ಸ್ಥಳೀಯ ಮುಖದ ನೋಟವನ್ನು (Local face view) ಪ್ರತ್ಯೇಕಿಸಲಾಗುತ್ತದೆ. ಕೃತಕವಾಗಿ ಮಾರ್ಪಡಿಸಲಾದ ಈ ಸ್ಥಳೀಯ ಮುಖದ ಭಾಗಗಳನ್ನು ಮೂಲ ಚಿತ್ರದ ಹಿನ್ನೆಲೆಯೊಂದಿಗೆ ಪಾಯಿಸನ್ ಇಮೇಜ್ ಎಡಿಟಿಂಗ್ (Poisson Image Editing) ತಂತ್ರಜ್ಞಾನದ ಮೂಲಕ ಯಾವುದೇ ತಡೆಗಳಿಲ್ಲದಂತೆ ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ.
ಎನ್ವಿಡಿಯಾ (NVIDIA) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಸ್ಟೈಲ್ಜಿಎಎನ್ (StyleGAN) ನಂತಹ ಆಧುನಿಕ ಮಾದರಿಗಳು ಅಡಾಪ್ಟಿವ್ ಇನ್ಸ್ಟೆನ್ಸ್ ನಾರ್ಮಲೈಸೇಶನ್ (Adaptive Instance Normalization – AdaIN) ಮೂಲಕ ಚಿತ್ರದ ಶೈಲಿಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಚಾನಲ್ಗಳಲ್ಲಿ ನಿಯಂತ್ರಿಸುತ್ತವೆ. ಇದರಿಂದಾಗಿ ಮುಖದ ಲಿಂಗ, ವಯಸ್ಸು, ಗಡ್ಡದ ವಿನ್ಯಾಸ ಮತ್ತು ಕಣ್ಣಿನ ಬಣ್ಣವನ್ನು ಅತ್ಯಂತ ನಿಖರವಾಗಿ ಬದಲಾಯಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಸ್ಟಾರ್ಜಿಎಎನ್ (StarGAN) ನಂತಹ ತಂತ್ರಜ್ಞಾನಗಳು ಒಂದೇ ಮಾದರಿಯನ್ನು ಬಳಸಿ ಬಹುಮುಖಿ ಲಕ್ಷಣಗಳನ್ನು ಬದಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದ್ದರೆ, ವೇವ್ಟುಲಿಪ್ (Wav2Lip) ನಂತಹ ಮಾದರಿಗಳು ಧ್ವನಿಗೆ ತಕ್ಕಂತೆ ತುಟಿಗಳ ಚಲನೆಯನ್ನು (Lip-sync) ಕೃತಕವಾಗಿ ಹೊಂದಿಸುತ್ತವೆ.
| ಎಐ ಮುಖ ಮಾರ್ಪಾಡು ವಿಧಾನಗಳು | ತಾಂತ್ರಿಕ ವಿವರಣೆ ಮತ್ತು ಕಾರ್ಯವಿಧಾನ | ಪ್ರಮುಖ ಅನ್ವಯಿಕೆಗಳು ಮತ್ತು ಮಿತಿಗಳು |
| ಫೇಸ್ ಸ್ವಾಪಿಂಗ್ (Face Swapping) | ಮೂಲ ಮುಖದ ಜ್ಯಾಮಿತೀಯ ಲಕ್ಷಣಗಳನ್ನು ಮತ್ತೊಬ್ಬರ ದೇಹದ ಮೇಲೆ ಸ್ಥಾಪಿಸುವುದು. | ನೈಜ ಚಿತ್ರದ ಹಿನ್ನೆಲೆ ಮತ್ತು ದೃಶ್ಯದ ಸ್ಥಿರತೆಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತದೆ. |
| ಫೇಸ್ ಸಿಂಥೆಸಿಸ್ (Face Synthesis) | ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕಾಲ್ಪನಿಕ ವ್ಯಕ್ತಿಗಳ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಮುಖಗಳನ್ನು ಸೃಷ್ಟಿಸುವುದು. | ಸ್ಟೈಲ್ಜಿಎಎನ್ ಮುಂತಾದ ತಂತ್ರಜ್ಞಾನಗಳ ಮೂಲಕ ಸುಪ್ತ ಜಾಗದ ಮಾರ್ಪಾಡು. |
| ಮುಖದ ಲಕ್ಷಣಗಳ ಮಾರ್ಪಾಡು (Facial Attributes) | ವಯಸ್ಸು, ಲಿಂಗ, ಚರ್ಮದ ಬಣ್ಣ ಮತ್ತು ಗಡ್ಡದ ಶೈಲಿಗಳನ್ನು ಬದಲಾಯಿಸುವುದು. | ಸ್ಟಾರ್ಜಿಎಎನ್ನಂತಹ ಬಹು-ಡೊಮೇನ್ ಪರಿವರ್ತನೆ ಮಾದರಿಗಳ ಬಳಕೆ. |
| ಲಿಪ್-ಸಿಂಕ್ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ (Lip-Sync) | ಇನ್ಪುಟ್ ಆಡಿಯೊ ಧ್ವನಿಗೆ ಅನುಗುಣವಾಗಿ ತುಟಿಗಳ ಚಲನೆಯನ್ನು ಕೃತಕವಾಗಿ ಸಂಯೋಜಿಸುವುದು. | ವೇವ್ಟುಲಿಪ್ ಮಾದರಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಶ್ಲೇಷಿತ ವೀಡಿಯೊಗಳ ಸೃಷ್ಟಿ. |
ಬಯೋಮೆಟ್ರಿಕ್ ಮತ್ತು ಫೇಸ್ ಡೇಟಾ ಸೋರಿಕೆಯ ಭದ್ರತಾ ಅಪಾಯಗಳು
ಬಳಕೆದಾರರು ತಮ್ಮ ಮುಖದ ಸ್ಪಷ್ಟ ಚಿತ್ರಗಳನ್ನು ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಆನ್ಲೈನ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳಿಗೆ ಅಪ್ಲೋಡ್ ಮಾಡಿದಾಗ, ಆ ಚಿತ್ರಗಳು ನೇರವಾಗಿ ಕ್ಲೌಡ್ ಸರ್ವರ್ಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾಗುತ್ತವೆ. ಈ ಸಂಗ್ರಹಣೆಯು ಹಲವಾರು ಗಂಭೀರ ಸೈಬರ್ ಭದ್ರತಾ ಬೆದರಿಕೆಗಳಿಗೆ ಆಹ್ವಾನ ನೀಡುತ್ತದೆ. ಸೈಬರ್ ಅಪರಾಧಿಗಳು ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಫೋಟೋಗಳನ್ನು ದುರುದ್ದೇಶಪೂರಿತವಾಗಿ ಸಂಗ್ರಹಿಸುತ್ತಾರೆ. ನಂತರ ಅವುಗಳನ್ನು ಅತ್ಯಾಧುನಿಕ ಎಐ ಪರಿಕರಗಳ ಮೂಲಕ ಅಶ್ಲೀಲ ಅಥವಾ ಆಕ್ಷೇಪಾರ್ಹ ಚಿತ್ರಗಳಾಗಿ ಮಾರ್ಪಡಿಸುತ್ತಾರೆ. ಇಂತಹ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಸಂತ್ರಸ್ತರನ್ನು ಬ್ಲ್ಯಾಕ್ಮೇಲ್ ಮಾಡಲು, ಹಣ ಸುಲಿಗೆ ಮಾಡಲು ಮತ್ತು ಸಾರ್ವಜನಿಕವಾಗಿ ಮಾನಹಾನಿ ಮಾಡಲು ಆಯುಧವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಭಾರತದಲ್ಲಿ ರಾಣಾ ಅಯ್ಯುಬ್ ಅವರಂತಹ ಪ್ರಸಿದ್ಧ ಪತ್ರಕರ್ತೆಯರನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡು ಅವರ ಘನತೆಗೆ ಧಕ್ಕೆ ತರಲು ಡೀಪ್ಫೇಕ್ ಅಶ್ಲೀಲ ವೀಡಿಯೊಗಳನ್ನು ಬಳಸಿದ ಉದಾಹರಣೆಗಳು ಜಾಗತಿಕ ಮಟ್ಟದಲ್ಲಿ ತೀವ್ರ ಕಳವಳವನ್ನುಂಟುಮಾಡಿವೆ.
ಕರ್ನಾಟಕದ ಸನ್ನಿವೇಶದಲ್ಲೂ ಇಂತಹ ಪ್ರಕರಣಗಳು ಹೆಚ್ಚುತ್ತಿವೆ. ಇತ್ತೀಚೆಗೆ ಪ್ರಸಿದ್ಧ ಚಲನಚಿತ್ರ ನಟಿ ರುಕ್ಮಿಣಿ ವಸಂತ್ ಅವರ ಮುಖವನ್ನು ಎಐ ಮತ್ತು ಡೀಪ್ಫೇಕ್ ತಂತ್ರಜ್ಞಾನ ಬಳಸಿ ಮತ್ತೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಅಪರೂಪದ ಚಿತ್ರಗಳ ಮೇಲೆ ಸೂಪರ್ಇಂಪೋಸ್ (Superimpose) ಮಾಡುವ ಮೂಲಕ ನಕಲಿ ಬಿಕಿನಿ ವೀಡಿಯೊಗಳು ಮತ್ತು ಫೋಟೋಗಳನ್ನು ಸೃಷ್ಟಿಸಲಾಗಿತ್ತು. ಈ ಪ್ರಕರಣಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಬೆಂಗಳೂರು ಸೈಬರ್ ಕ್ರೈಮ್ ಪೊಲೀಸ್ ಠಾಣೆಯಲ್ಲಿ ಒಟ್ಟು 29 ಸಾಮಾಜಿಕ ಜಾಲತಾಣ ಖಾತೆಗಳ ವಿರುದ್ಧ ಎಫ್ಐಆರ್ ದಾಖಲಾಗಿದೆ. ತನಿಖಾಧಿಕಾರಿಗಳು ಈ ಖಾತೆಗಳ ಮಾಲೀಕರ ವಿವರಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮೆಟಾ (Meta) ಸಂಸ್ಥೆಗೆ ಅಧಿಕೃತ ಪತ್ರವನ್ನು ಬರೆದಿದ್ದಾರೆ. ಈ ಪ್ರಕರಣವು ಈ ಹಿಂದೆ ಭಾರತದಲ್ಲಿ ಸಂಚಲನ ಮೂಡಿಸಿದ್ದ ನಟಿ ರಶ್ಮಿಕಾ ಮಂದಣ್ಣ ಅವರ ಡೀಪ್ಫೇಕ್ ಪ್ರಕರಣದ ಮಾದರಿಯನ್ನೇ ಹೋಲುತ್ತದೆ.
ಇದರೊಂದಿಗೆ, ಬೆಂಗಳೂರು ನಗರ ಪೊಲೀಸ್ ಕಮಿಷನರ್ ಸೀಮೆಂಟ್ ಕುಮಾರ್ ಸಿಂಗ್ ಅವರು ಜನವರಿ 2026 ರಲ್ಲಿ ಹೊರಡಿಸಿದ ವಿಶೇಷ ಸಲಹೆಯಲ್ಲಿ, ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಭಾವಚಿತ್ರಗಳನ್ನು ಆಧರಿಸಿ ಎಐ-ಮಾರ್ಫಿಂಗ್ ಮೂಲಕ ಮಹಿಳೆಯರನ್ನು ಬ್ಲ್ಯಾಕ್ಮೇಲ್ ಮಾಡುವ ಜಾಲಗಳು ಸಕ್ರಿಯವಾಗಿವೆ ಎಂದು ಸಾರ್ವಜನಿಕರನ್ನು ಎಚ್ಚರಿಸಿದ್ದಾರೆ. ಕೇಂದ್ರ ಇಲೆಕ್ಟ್ರಾನಿಕ್ಸ್ ಮತ್ತು ಮಾಹಿತಿ ತಂತ್ರಜ್ಞಾನ ಸಚಿವಾಲಯವು (MeitY) ಸಹ ಇಂತಹ ಆಕ್ಷೇಪಾರ್ಹ ವಿಷಯಗಳ ಸೃಷ್ಟಿಗೆ ಕಾರಣವಾಗುತ್ತಿರುವ ಎಐ ವೇದಿಕೆಯಾದ ‘ಗ್ರಾಕ್’ (Grok) ಗೆ ಪತ್ರ ಬರೆದು ವಿವರಣೆ ಕೇಳಿರುವುದು ಈ ಸಮಸ್ಯೆಯ ಗಂಭೀರತೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.
| ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ವೇದಿಕೆ | ರುಕ್ಮಿಣಿ ವಸಂತ್ ಪ್ರಕರಣದಲ್ಲಿ ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾದ ಖಾತೆಗಳ ಸಂಖ್ಯೆ | ಕಾನೂನು ಮತ್ತು ತಾಂತ್ರಿಕ ಕ್ರಮಗಳು |
| ಇನ್ಸ್ಟಾಗ್ರಾಮ್ (Instagram) | 9 ಖಾತೆಗಳು | ಯುಆರ್ಎಲ್ ಮತ್ತು ಐಪಿ ವಿವರಗಳಿಗಾಗಿ ಮೆಟಾ ಸಂಸ್ಥೆಗೆ ಅಧಿಕೃತ ಪತ್ರ ಸಲ್ಲಿಕೆ. |
| ಎಕ್ಸ್ / ಟ್ವಿಟರ್ (X) | 14 ಖಾತೆಗಳು | ಐಟಿ ಕಾಯ್ದೆ ಮತ್ತು ಬಿಎನ್ಎಸ್ ಅಡಿಯಲ್ಲಿ ಖಾತೆಗಳ ತಡೆಗೆ ಕ್ರಮ. |
| ಫೇಸ್ಬುಕ್ ಪುಟಗಳು (Facebook) | 6 ಪುಟಗಳು | ದುರುದ್ದೇಶಪೂರಿತ ಪೋಸ್ಟ್ಗಳ ತಕ್ಷಣದ ತೆಗೆದುಹಾಕುವಿಕೆಗೆ ಕಾನೂನು ನಿರ್ದೇಶನ. |
ಸೈಬರ್ ಅಪರಾಧ ನಿಯಂತ್ರಣದಲ್ಲಿ ಭಾರತ ಮತ್ತು ಜಾಗತಿಕ ಕಾನೂನುಗಳ ಪಾತ್ರ
ಜುಲೈ 1, 2024 ರಿಂದ ಭಾರತದಲ್ಲಿ ಜಾರಿಗೆ ಬಂದಿರುವ ನೂತನ ಭಾರತೀಯ ನ್ಯಾಯ ಸಂಹಿತೆಯು (Bharatiya Nyaya Sanhita – BNS) ಡಿಜಿಟಲ್ ಮಾಧ್ಯಮಗಳ ಮೂಲಕ ನಡೆಯುವ ಸೈಬರ್ ದೌರ್ಜನ್ಯಗಳನ್ನು ತಡೆಯಲು ಬಲವಾದ ಕಾನೂನು ಅಡಿಪಾಯವನ್ನು ಒದಗಿಸಿದೆ. ಬ್ರಿಟಿಷ್ ಕಾಲದ ಹಳೆಯ ಐಪಿಸಿ (IPC) ಕಾಯ್ದೆಯನ್ನು ಬದಲಾಯಿಸಿರುವ ಬಿಎನ್ಎಸ್, ಇಂದಿನ ತಾಂತ್ರಿಕ ಬೆಳವಣಿಗೆಗಳಿಗೆ ತಕ್ಕಂತೆ ಅಪರಾಧಗಳನ್ನು ಮರುವ್ಯಾಖ್ಯಾನಿಸಿದೆ. ಬಿಎನ್ಎಸ್ ಕಾಯ್ದೆಯು ನೇರವಾಗಿ “ಡೀಪ್ಫೇಕ್” ಎಂಬ ಪದವನ್ನು ಉಲ್ಲೇಖಿಸದಿದ್ದರೂ, ಅದರ ವಿವಿಧ ನಿಬಂಧನೆಗಳು ಎಐ ದುರುಪಯೋಗವನ್ನು ತಡೆಯಲು ಸಮರ್ಥವಾಗಿವೆ.
ಬಳಕೆದಾರರ ಸಮ್ಮತಿಯಿಲ್ಲದೆ ಅವರ ಮುಖವನ್ನು ಎಐ ಬಳಸಿ ಅಶ್ಲೀಲ ಚಿತ್ರವಾಗಿ ಪರಿವರ್ತಿಸುವುದು ಬಿಎನ್ಎಸ್ ಸೆಕ್ಷನ್ 75 ರ ಅಡಿಯಲ್ಲಿ ಲೈಂಗಿಕ ಕಿರುಕುಳ ಎಂದು ಪರಿಗಣಿತವಾಗುತ್ತದೆ. ಮಹಿಳೆಯರ ಖಾಸಗಿ ದೃಶ್ಯಗಳನ್ನು ಸೆರೆಹಿಡಿಯುವುದು ಅಥವಾ ಹರಡುವುದು ಸೆಕ್ಷನ್ 77 (Voyeurism) ರ ಅಡಿಯಲ್ಲಿ ಶಿಕ್ಷಾರ್ಹ ಅಪರಾಧವಾಗಿದೆ. ಇಂಟರ್ನೆಟ್ ಮೂಲಕ ಮಹಿಳೆಯರ ಚಟುವಟಿಕೆಗಳ ಮೇಲೆ ನಿಗಾ ಇಡುವುದು ಮತ್ತು ಕಿರುಕುಳ ನೀಡುವುದನ್ನು ಸೆಕ್ಷನ್ 78 (Stalking) ರ ಅಡಿಯಲ್ಲಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಸುಳ್ಳು ದಾಖಲೆಗಳು ಮತ್ತು ಎಲೆಕ್ಟ್ರಾನಿಕ್ ರೆಕಾರ್ಡ್ಗಳನ್ನು ಕೃತಕವಾಗಿ ಸೃಷ್ಟಿಸುವುದನ್ನು ಸೆಕ್ಷನ್ 336 ಮತ್ತು 338 ರ ಅಡಿಯಲ್ಲಿ ಫೋರ್ಜರಿ (Forgery) ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
ಅಲ್ಲದೆ, ಡೀಪ್ಫೇಕ್ ಚಿತ್ರಗಳನ್ನು ನ್ಯಾಯಾಲಯದಲ್ಲಿ ಅಥವಾ ಸಾರ್ವಜನಿಕ ತನಿಖೆಯಲ್ಲಿ ಸುಳ್ಳು ಸಾಕ್ಷ್ಯವಾಗಿ ಬಳಸಿದರೆ ಬಿಎನ್ಎಸ್ ಸೆಕ್ಷನ್ 228 (Fabricating False Evidence) ಮತ್ತು ಸೆಕ್ಷನ್ 229(1) ರ ಅಡಿಯಲ್ಲಿ ಏಳು ವರ್ಷಗಳವರೆಗೆ ಕಠಿಣ ಜೈಲು ಶಿಕ್ಷೆ ವಿಧಿಸಲು ಅವಕಾಶವಿದೆ. ಡೀಪ್ಫೇಕ್ ಆಧಾರಿತ ವದಂತಿಗಳನ್ನು ಹರಡಿ ಸಮಾಜದಲ್ಲಿ ಶಾಂತಿ ಭಂಗ ಉಂಟುಮಾಡುವುದನ್ನು ಸೆಕ್ಷನ್ 353 ರ ಅಡಿಯಲ್ಲಿ ಗಂಭೀರ ಅಪರಾಧವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
| ಸೈಬರ್ ಅಪರಾಧದ ವರ್ಗ | ಹಳೆಯ ಐಪಿಸಿ ಸೆಕ್ಷನ್ (Old IPC) | ಹೊಸ ಬಿಎನ್ಎಸ್ ಸೆಕ್ಷನ್ (New BNS) | ಶಿಕ್ಷೆಯ ತೀವ್ರತೆ ಮತ್ತು ವ್ಯಾಪ್ತಿ |
| ವಂಚನೆ (Cheating) | ಸೆಕ್ಷನ್ 420 | ಸೆಕ್ಷನ್ 318 | ಡಿಜಿಟಲ್ ಆರ್ಥಿಕ ವಂಚನೆ ಮತ್ತು ನಕಲಿ ವಹಿವಾಟುಗಳಿಗೆ ದಂಡ. |
| ನಕಲಿ ಗುರುತು ಸೃಷ್ಟಿ (Impersonation) | ಸೆಕ್ಷನ್ 419 | ಸೆಕ್ಷನ್ 319 | ನಕಲಿ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಖಾತೆಗಳ ಮೂಲಕ ಸಾರ್ವಜನಿಕರ ದಾರಿ ತಪ್ಪಿಸುವುದು. |
| ಲೈಂಗಿಕ ಕಿರುಕುಳ (Sexual Harassment) | ಸೆಕ್ಷನ್ 354A | ಸೆಕ್ಷನ್ 75 | ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ ಅಶ್ಲೀಲ ಚಿತ್ರ ಅಥವಾ ಸಂದೇಶಗಳನ್ನು ಕಳುಹಿಸುವುದು. |
| ಖಾಸಗಿತನ ಉಲ್ಲಂಘನೆ (Voyeurism) | ಸೆಕ್ಷನ್ 354C | ಸೆಕ್ಷನ್ 77 | ಮಹಿಳೆಯರ ಸಮ್ಮತಿಯಿಲ್ಲದೆ ಅವರ ಖಾಸಗಿ ಫೋಟೋಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವುದು. |
| ಸೈಬರ್ ಸ್ಟಾಕಿಂಗ್ (Stalking) | ಸೆಕ್ಷನ್ 354D | ಸೆಕ್ಷನ್ 78 | ಅಂತರ್ಜಾಲದಲ್ಲಿ ವ್ಯಕ್ತಿಗಳ ಚಲನವಲನಗಳ ಮೇಲೆ ನಿರಂತರ ನಿಗಾ ಇಡುವುದು. |
| ಅಪರಾಧ ಬೆದರಿಕೆ (Intimidation) | ಸೆಕ್ಷನ್ 506 | ಸೆಕ್ಷನ್ 351 | ಖಾಸಗಿ ಚಿತ್ರಗಳನ್ನು ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಲೀಕ್ ಮಾಡುವುದಾಗಿ ಬೆದರಿಸುವುದು. |
| ಮಾನಹಾನಿ (Defamation) | ಸೆಕ್ಷನ್ 499-500 | ಸೆಕ್ಷನ್ 356 | ಎಐ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿ ವ್ಯಕ್ತಿಯ ಘನತೆ ಮತ್ತು ಚಾರಿತ್ರ್ಯಕ್ಕೆ ಧಕ್ಕೆ ತರುವುದು. |
ಜಾಗತಿಕ ಮಟ್ಟದಲ್ಲೂ ಬಯೋಮೆಟ್ರಿಕ್ ಸುರಕ್ಷತೆಗಾಗಿ ಬಲವಾದ ಕಾನೂನು ಚೌಕಟ್ಟುಗಳು ರೂಪುಗೊಳ್ಳುತ್ತಿವೆ. ಯುರೋಪಿಯನ್ ಒಕ್ಕೂಟದ ಜಿಡಿಪಿಆರ್ (GDPR) ಕಾಯ್ದೆಯು ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾವನ್ನು ವಿಶೇಷ ವರ್ಗದ ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮ ದತ್ತಾಂಶ ಎಂದು ವರ್ಗೀಕರಿಸಿದೆ ಮತ್ತು ಬಳಕೆದಾರರ ಸಮ್ಮತಿಯಿಲ್ಲದೆ ಅದರ ಬಳಕೆಯನ್ನು ಕಡ್ಡಾಯವಾಗಿ ನಿರ್ಬಂಧಿಸಿದೆ. ಅಮೆರಿಕದ ಇಲಿನಾಯ್ಸ್ ರಾಜ್ಯದ ಬಿಐಪಿಎ (BIPA) ಮತ್ತು ಕ್ಯಾಲಿಫೋರ್ನಿಯಾದ ಸಿಸಿಪಿಎ (CCPA) ಕಾಯ್ದೆಗಳು ಬಳಕೆದಾರರಿಗೆ ತಮ್ಮ ಬಯೋಮೆಟ್ರಿಕ್ ಮಾಹಿತಿಯನ್ನು ಅಳಿಸಿಹಾಕುವ ಹಕ್ಕನ್ನು ನೀಡಿವೆ. ಡೆನ್ಮಾರ್ಕ್ ದೇಶವು ನಾಗರಿಕರಿಗೆ ತಮ್ಮ ಧ್ವನಿ, ಮುಖ ಮತ್ತು ಚಿತ್ರದ ಮೇಲೆ ಸಂಪೂರ್ಣ ಕಾನೂನು ಹಕ್ಕನ್ನು ನೀಡುವ ವಿಶೇಷ ಶಾಸನವನ್ನು ಜಾರಿಗೆ ತರಲು ಮುಂದಾಗಿದೆ. ಭಾರತದಲ್ಲಿ 2023 ರ ಡಿಜಿಟಲ್ ವೈಯಕ್ತಿಕ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಕಾಯ್ದೆಯು (DPDPA) ವೈಯಕ್ತಿಕ ದತ್ತಾಂಶದ ದುರುಪಯೋಗಕ್ಕೆ ಭಾರಿ ದಂಡದ ನಿಬಂಧನೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದರೊಂದಿಗೆ 2017 ರ ಸುಪ್ರೀಂ ಕೋರ್ಟ್ನ ಐತಿಹಾಸಿಕ ಪುಟ್ಟಸ್ವಾಮಿ ತೀರ್ಪು ಖಾಸಗಿತನವನ್ನು ಸಂವಿಧಾನದ ಮೂಲಭೂತ ಹಕ್ಕು ಎಂದು ಸಾರುವ ಮೂಲಕ ಬಯೋಮೆಟ್ರಿಕ್ ಕಳ್ಳತನದ ವಿರುದ್ಧ ನಾಗರಿಕರಿಗೆ ಬಲವಾದ ರಕ್ಷಣೆಯನ್ನು ಒದಗಿಸಿದೆ.
ತಂತ್ರಜ್ಞಾನ ಆಧಾರಿತ ರಕ್ಷಣಾ ಯೋಜನೆ: ಪ್ರೈವೇಟ್ ಎಡಿಟ್ (PrivateEdit) ಆವಿಷ್ಕಾರ
ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾ ಸೋರಿಕೆಯ ಸಮಸ್ಯೆಯನ್ನು ತಾಂತ್ರಿಕವಾಗಿ ಪರಿಹರಿಸಲು ಅಮೆರಿಕದ ಪರ್ಡ್ಯೂ ವಿಶ್ವವಿದ್ಯಾಲಯದ (Purdue University) ಭಾರತೀಯ ಸಂಶೋಧಕರಾದ ದೀಪೇಶ್ ತಾಂಬೋಲಿ, ವನೀತ್ ಅಗರ್ವಾಲ್ ಮತ್ತು ವಿನೀತ್ ಪುಣ್ಯಮೂರ್ತಿ ಅವರು ಜಂಟಿಯಾಗಿ ಪೇಟೆಂಟ್-ಬಾಕಿ ಇರುವ ಅತ್ಯಾಧುನಿಕ ತಂತ್ರಜ್ಞಾನವನ್ನು ಆವಿಷ್ಕರಿಸಿದ್ದಾರೆ. ಈ ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಪ್ರೈವೇಟ್ ಎಡಿಟ್ (PrivateEdit) ಎಂದು ಹೆಸರಿಸಲಾಗಿದೆ.
ಸಂಶೋಧಕರ ಪ್ರಕಾರ, 2025 ರ ಆರಂಭದಲ್ಲಿ ಅಂತರ್ಜಾಲದಲ್ಲಿ ವೈರಲ್ ಆಗಿದ್ದ “ಗಿಬ್ಲಿ-ಶೈಲಿಯ” (Ghibli-style) ವ್ಯಂಗ್ಯಚಿತ್ರ ಫಿಲ್ಟರ್ಗಳ ಬಳಕೆಯ ಸಂದರ್ಭದಲ್ಲಿ ಸಾರ್ವಜನಿಕರು ಅನುಭವಿಸುತ್ತಿದ್ದ ಬಯೋಮೆಟ್ರಿಕ್ ಅಭದ್ರತೆಯೇ ಈ ಆವಿಷ್ಕಾರಕ್ಕೆ ಪ್ರಮುಖ ಪ್ರೇರಣೆಯಾಗಿದೆ. ಪ್ರಸ್ತುತ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿರುವ ಎಲ್ಲಾ ಸುಧಾರಿತ ಎಐ ಎಡಿಟಿಂಗ್ ಪರಿಕರಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಬಳಕೆದಾರರು ತಮ್ಮ ಮೂಲ ಮತ್ತು ಸಂಪೂರ್ಣ ಚಿತ್ರಗಳನ್ನು ಕ್ಲೌಡ್ ಸರ್ವರ್ಗಳಿಗೆ ಕಳುಹಿಸುವುದು ಅನಿವಾರ್ಯವಾಗಿದೆ. ಇದು ಬಳಕೆದಾರರ ಜೈವಿಕ ಗುರುತನ್ನು ಅಪಾಯಕ್ಕೆ ಸಿಲುಕಿಸುತ್ತದೆ. ಆದರೆ ಪ್ರೈವೇಟ್ ಎಡಿಟ್ ವ್ಯವಸ್ಥೆಯು “ವಿನ್ಯಾಸದಲ್ಲೇ ಗೌಪ್ಯತೆ” (Privacy by Design) ಎಂಬ ಪ್ರಮುಖ ತತ್ವದ ಆಧಾರದ ಮೇಲೆ ಈ ಸಮಸ್ಯೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿವಾರಿಸುತ್ತದೆ.
ಪ್ರೈವೇಟ್ ಎಡಿಟ್ ಕಾರ್ಯವಿಧಾನದ ಹಂತಗಳು:
-
ಸ್ಥಳೀಯ ಮುಖ ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ವಿಭಾಗೀಕರಣ: ಈ ತಂತ್ರಜ್ಞಾನವು ಬಳಕೆದಾರರ ಮೊಬೈಲ್ ಅಥವಾ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿಯೇ ಸ್ಥಳೀಯವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಹಗುರವಾದ ನರಮಂಡಲ ಜಾಲವನ್ನು ಬಳಸುತ್ತದೆ. ಇದು ಚಿತ್ರದಲ್ಲಿರುವ ಮುಖದ ಸೂಕ್ಷ್ಮ ಮತ್ತು ಅನನ್ಯ ಜೈವಿಕ ಹೆಗ್ಗುರುತುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತದೆ.
-
ಡಿಜಿಟಲ್ ಮಾಸ್ಕಿಂಗ್ ಮತ್ತು ಡಿಕೌಪ್ಲಿಂಗ್: ಪತ್ತೆಯಾದ ಮುಖದ ಭಾಗಗಳ ಮೇಲೆ ಕೃತಕ ಡಿಜಿಟಲ್ ಮಾಸ್ಕ್ (Digital Mask) ಒಂದನ್ನು ಅಳವಡಿಸಲಾಗುತ್ತದೆ. ಇದು ಮುಖದ ಅನನ್ಯ ಗುರುತನ್ನು ಉಳಿದ ಚಿತ್ರದ ಹಿನ್ನೆಲೆಯಿಂದ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ. ಕ್ಲೌಡ್ ಎಐ ಸರ್ವರ್ಗೆ ಕೇವಲ ಹಿನ್ನೆಲೆ ಮತ್ತು ಮಾಸ್ಕ್ ಮಾಡಿದ ಚಿತ್ರವನ್ನು ಮಾತ್ರ ಕಳುಹಿಸಲಾಗುತ್ತದೆ.
-
ಟ್ರಸ್ಟ್ ಸ್ಲೈಡರ್ ನಿಯಂತ್ರಣ: ಈ ವ್ಯವಸ್ಥೆಯು ಬಳಕೆದಾರರಿಗೆ ಅತ್ಯಂತ ಸರಳವಾದ “ಟ್ರಸ್ಟ್ ಸ್ಲೈಡರ್” (Trust Slider) ನಿಯಂತ್ರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ. ಬಳಕೆದಾರರು ತಮಗೆ ಬೇಕಾದ ಗೌಪ್ಯತೆಯ ಮಟ್ಟವನ್ನು ಮತ್ತು ತಾವು ಬಳಸುತ್ತಿರುವ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಮೇಲಿರುವ ನಂಬಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ಎಷ್ಟು ಪ್ರಮಾಣದ ಮುಖದ ಲಕ್ಷಣಗಳನ್ನು ಮುಚ್ಚಿಡಬೇಕು ಎಂಬುದನ್ನು ತಾವೇ ನಿರ್ಧರಿಸಬಹುದು.
-
ಸ್ಥಳೀಯ ಮರುಸಂಯೋಜನೆ: ಎಐ ಸರ್ವರ್ ಕೇವಲ ಮಾಸ್ಕ್ ಮಾಡಿದ ಚಿತ್ರದ ಮೇಲೆ ಮಾತ್ರ ತನ್ನ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ (ಉದಾಹರಣೆಗೆ ಹೊಸ ಉಡುಪುಗಳನ್ನು ತೊಡಿಸುವುದು) ಚಿತ್ರವನ್ನು ಮರಳಿ ಬಳಕೆದಾರರ ಸಾಧನಕ್ಕೆ ಕಳುಹಿಸುತ್ತದೆ. ಬಳಕೆದಾರರ ಸಾಧನದಲ್ಲಿಯೇ ಮೂಲ ಮುಖದ ಜೈವಿಕ ಲಕ್ಷಣಗಳನ್ನು ಜ್ಯಾಮಿತೀಯ ಜೋಡಣೆ ಮತ್ತು ಸ್ಮಾರ್ಟ್ ಬ್ಲೆಂಡಿಂಗ್ ತಂತ್ರಜ್ಞಾನದ ಮೂಲಕ ಅತ್ಯಂತ ನೈಸರ್ಗಿಕವಾಗಿ ಮರುಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ.
ಪರೀಕ್ಷಾ ಮೌಲ್ಯಮಾಪನಗಳ ಪ್ರಕಾರ, ಪ್ರೈವೇಟ್ ಎಡಿಟ್ ತಂತ್ರಜ್ಞಾನವು ಪ್ರಮುಖ ಎಐ ಮಾಡೆಲ್ಗಳು ಬಳಕೆದಾರರ ಕಣ್ಣಿನ ಬಣ್ಣ, ವಯಸ್ಸು ಅಥವಾ ಗಡ್ಡದ ವಿನ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಶೇಕಡಾ 80 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಈ ಮೂಲಕ ಕ್ಲೌಡ್ ಸರ್ವರ್ಗಳಿಗೆ ನೈಜ ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾ ಸೋರಿಕೆಯಾಗುವುದನ್ನು ತಡೆಯಲಾಗುತ್ತದೆ.
| ಗೌಪ್ಯತೆ ಸಂರಕ್ಷಣಾ ವಿಧಾನಗಳು | ತಾಂತ್ರಿಕ ವಿವರಣೆ | ಪ್ರಮುಖ ಮಿತಿಗಳು | ಪ್ರೈವೇಟ್ ಎಡಿಟ್ನ ಅನುಕೂಲಗಳು |
| ಬ್ಲರಿಂಗ್ ಮತ್ತು ಬ್ಲಾಕಿಂಗ್ (Blurring/Blocking) | ಮುಖದ ಸೂಕ್ಷ್ಮ ಭಾಗಗಳನ್ನು ಮಸುಕುಗೊಳಿಸುವುದು ಅಥವಾ ಪಿಕ್ಸೆಲೇಟ್ ಮಾಡುವುದು. | ಚಿತ್ರದ ಒಟ್ಟಾರೆ ಗುಣಮಟ್ಟ ಹಾಳಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಎಡಿಟಿಂಗ್ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ. | ಚಿತ್ರದ ಗುಣಮಟ್ಟ ಮತ್ತು ನೈಜತೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಕಾಯ್ದುಕೊಳ್ಳುತ್ತದೆ. |
| ಸ್ಥಳೀಯ ಎಡಿಟಿಂಗ್ ಪರಿಕರಗಳು (Local Editing Tools) | ಮೊಬೈಲ್ನಲ್ಲೇ ರನ್ ಆಗುವ ಆಫ್ಲೈನ್ ಪರಿಕರಗಳ ಬಳಕೆ. | ಕ್ಲೌಡ್ ಆಧಾರಿತ ದೈತ್ಯ ಎಐ ಮಾಡೆಲ್ಗಳ ನೈಜತೆ ಮತ್ತು ಕ್ರಿಯಾಶೀಲತೆಗೆ ಸಾಟಿಯಾಗುವುದಿಲ್ಲ. | ಅತ್ಯಾಧುನಿಕ ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಕ್ಲೌಡ್ ಎಐ ವೇದಿಕೆಗಳನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬಹುದು. |
| ಡಿಫರೆನ್ಷಿಯಲ್ ಪ್ರೈವೆಸಿ (Differential Privacy) | ದತ್ತಾಂಶಕ್ಕೆ ಕೃತಕ ಗದ್ದಲ ಅಥವಾ ಶಬ್ದವನ್ನು ಸೇರಿಸುವುದು. | ಬಯೋಮೆಟ್ರಿಕ್ ಪಿಕ್ಸೆಲ್ಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ರಕ್ಷಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ಸುಲಭವಾಗಿ ಪುನರ್ನಿರ್ಮಿಸಬಹುದು. | ಬಯೋಮೆಟ್ರಿಕ್ ದತ್ತಾಂಶವನ್ನು ಸಾಧನದಿಂದ ಹೊರಹೋಗದಂತೆ ಕಟ್ಟುನಿಟ್ಟಾಗಿ ನಿರ್ಬಂಧಿಸುತ್ತದೆ. |
ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಹೊಣೆಗಾರಿಕೆ ಮತ್ತು ಸರ್ಕಾರಿ ನಿಯಮಾವಳಿಗಳು
ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ವೇದಿಕೆಗಳಲ್ಲಿ ಎಐ ದುರುಪಯೋಗವನ್ನು ತಡೆಗಟ್ಟಲು ಜಾಗತಿಕ ಸರ್ಕಾರಗಳು ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಗಳು ಹೊಸ ನಿಯಂತ್ರಣ ಕ್ರಮಗಳನ್ನು ಕೈಗೊಳ್ಳುತ್ತಿವೆ. ಇತ್ತೀಚಿನ ಪಾರದರ್ಶಕತೆ ವರದಿಗಳ ಪ್ರಕಾರ, ಅಂತರ್ಜಾಲದಲ್ಲಿ ಕೃತಕವಾಗಿ ಮಾರ್ಪಡಿಸಲಾದ ಸಂಶ್ಲೇಷಿತ ಮಾಧ್ಯಮಗಳ ಪ್ರಮಾಣವು ನಿರಂತರವಾಗಿ ಹೆಚ್ಚುತ್ತಿದೆ. ಉದಾಹರಣೆಗೆ, ಸೆಪ್ಟೆಂಬರ್ 2025 ರ ಒಂದೇ ತಿಂಗಳಿನಲ್ಲಿ ಎಕ್ಸ್ (X) ವೇದಿಕೆಯಲ್ಲಿ ಸಂಶ್ಲೇಷಿತ ಮತ್ತು ದುರುಪಯೋಗಪಡಿಸಿಕೊಂಡ ಮಾಧ್ಯಮಗಳ ವಿರುದ್ಧ ಒಟ್ಟು 983 ದೂರುಗಳು ದಾಖಲಾಗಿದ್ದವು, ಇದು ಆ ತಿಂಗಳ ಒಟ್ಟು ದೂರುಗಳ ಅರ್ಧಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿತ್ತು. ಅದೇ ವರ್ಷದ ಅಕ್ಟೋಬರ್ನಲ್ಲಿ ದಾಖಲಾದ ಒಟ್ಟು 1,528 ಪ್ರಕರಣಗಳಲ್ಲಿ ಶೇಕಡಾ 20.68 ರಷ್ಟು ದೂರುಗಳು ನೇರವಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ದುರುಪಯೋಗಕ್ಕೆ ಸಂಬಂಧಿಸಿದ್ದವು.
ಈ ಸವಾಲನ್ನು ಎದುರಿಸಲು ಭಾರತ ಸರ್ಕಾರವು ಕಠಿಣ ನಿಬಂಧನೆಗಳನ್ನು ಜಾರಿಗೆ ತಂದಿದೆ. ಇತ್ತೀಚಿನ ಜಾರಿ ದತ್ತಾಂಶಗಳ ಪ್ರಕಾರ, ಸರ್ಕಾರಿ ನಿರ್ದೇಶನಗಳ ಮೇರೆಗೆ ಒಟ್ಟು 3,500 ಕ್ಕೂ ಹೆಚ್ಚು ಎಐ-ಜನ್ಯ ಆಕ್ಷೇಪಾರ್ಹ ಪೋಸ್ಟ್ಗಳನ್ನು ಬ್ಲಾಕ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಇಂತಹ ಚಟುವಟಿಕೆಗಳಲ್ಲಿ ತೊಡಗಿದ್ದ 600 ಕ್ಕೂ ಹೆಚ್ಚು ಖಾತೆಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ರದ್ದುಗೊಳಿಸಲಾಗಿದೆ. ನೂತನ ನಿಯಂತ್ರಣ ಚೌಕಟ್ಟಿನ ಪ್ರಕಾರ, ಎಲ್ಲಾ ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಕಂಪನಿಗಳು ತಮ್ಮ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳಲ್ಲಿ ಎಐ-ಜನ್ಯ ವಿಷಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಗುರುತಿಸುವ ಅತ್ಯಂತ ವೇಗವಾದ ಪತ್ತೆಹಚ್ಚುವಿಕೆ ವ್ಯವಸ್ಥೆಗಳನ್ನು (Detection Systems) ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಕಡ್ಡಾಯವಾಗಿದೆ. ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಬಳಕೆದಾರರು ಅಪ್ಲೋಡ್ ಮಾಡುವ ಎಐ ದೃಶ್ಯಾವಳಿಗಳ ಮೇಲೆ ಸ್ಪಷ್ಟವಾದ ಡಿಸ್ಕ್ಲೋಸರ್ ಜಲಚಿಹ್ನೆಗಳನ್ನು (Watermarks) ಅಳವಡಿಸಬೇಕು ಮತ್ತು ದುರುದ್ದೇಶಪೂರಿತ ಸಂಶ್ಲೇಷಿತ ವಿಷಯಗಳ ಹರಡುವಿಕೆಯನ್ನು ತಡೆಯಲು ತ್ವರಿತವಾಗಿ ಕ್ರಮ ಕೈಗೊಳ್ಳಬೇಕು.
ಸೈಬರ್ ದೂರು ದಾಖಲಿಸುವ ವಿಧಾನ ಮತ್ತು ಕರ್ನಾಟಕದ ಸುಧಾರಿತ 1930 ವ್ಯವಸ್ಥೆ
ಆನ್ಲೈನ್ ಹಣಕಾಸು ವಂಚನೆಗಳು ಅಥವಾ ಡೀಪ್ಫೇಕ್ ದೌರ್ಜನ್ಯಗಳಿಗೆ ಬಲಿಯಾದ ತಕ್ಷಣ ಸಂತ್ರಸ್ತರು ಯಾವುದೇ ವಿಳಂಬವಿಲ್ಲದೆ ಅಧಿಕೃತ ಸೈಬರ್ ಪೊಲೀಸ್ ವೇದಿಕೆಗಳ ಮೂಲಕ ದೂರನ್ನು ಸಲ್ಲಿಸಬೇಕು.
ರಾಷ್ಟ್ರೀಯ ಸೈಬರ್ ಕ್ರೈಮ್ ವರದಿ ಪೋರ್ಟಲ್ (cybercrime.gov.in)
ಈ ಅಧಿಕೃತ ಪೋರ್ಟಲ್ ಯಾವುದೇ ತಾಂತ್ರಿಕ ಜ್ಞಾನವಿಲ್ಲದ ಸಾಮಾನ್ಯ ನಾಗರಿಕರಿಗೂ ಸುಲಭವಾಗಿ ದೂರು ಸಲ್ಲಿಸಲು ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತದೆ. ದೂರು ಸಲ್ಲಿಸಲು ಅನುಸರಿಸಬೇಕಾದ ಪ್ರಮುಖ ಹಂತಗಳು ಕೆಳಕಂಡಂತಿವೆ :
-
ಹಂತ 1 (ಭೇಟಿ ಮತ್ತು ಭಾಷೆ): ಪೋರ್ಟಲ್ನ ಅಧಿಕೃತ ವೆಬ್ಸೈಟ್ಗೆ ಭೇಟಿ ನೀಡಿ ತಮ್ಮ ಆದ್ಯತೆಯ ಭಾಷೆಯನ್ನು (ಕನ್ನಡ, ಇಂಗ್ಲಿಷ್ ಅಥವಾ ಹಿಂದಿ) ಆಯ್ಕೆ ಮಾಡಿಕೊಳ್ಳಬೇಕು.
-
ಹಂತ 2 (ವರ್ಗ ಆಯ್ಕೆ): ಅಪರಾಧದ ಸ್ವರೂಪಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪ್ರಮುಖ ವರ್ಗವನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕು (ಉದಾಹರಣೆಗೆ ಮಹಿಳೆಯರು ಮತ್ತು ಮಕ್ಕಳ ವಿರುದ್ಧದ ಸೈಬರ್ ಅಪರಾಧಗಳು, ಆನ್ಲೈನ್ ಆರ್ಥಿಕ ವಂಚನೆ ಅಥವಾ ಇತರ ಸೈಬರ್ ಅಪರಾಧಗಳು).
-
ಹಂತ 3 (ಬಳಕೆದಾರರ ನೋಂದಣಿ): ಹೊಸ ಬಳಕೆದಾರರು ತಮ್ಮ ರಾಜ್ಯ, ಇಮೇಲ್ ಐಡಿ ಮತ್ತು ಮೊಬೈಲ್ ಸಂಖ್ಯೆಯನ್ನು ನಮೂದಿಸಿ, ಮೊಬೈಲ್ಗೆ ಬರುವ ಒಟಿಪಿ (OTP) ಮೂಲಕ ಖಾತೆಯನ್ನು ಸೃಷ್ಟಿಸಬೇಕು.
-
ಹಂತ 4 (ಮಾಹಿತಿ ಭರ್ತಿ ಮತ್ತು ಸಾಕ್ಷ್ಯ ಸಲ್ಲಿಕೆ): ಘಟನೆಯ ನಿಖರವಾದ ದಿನಾಂಕ, ಸಮಯ ಮತ್ತು ವಿವರವಾದ ವಿವರಣೆಯನ್ನು ನಮೂದಿಸಬೇಕು. ವಂಚನೆಯ ಸ್ಕ್ರೀನ್ಶಾಟ್ಗಳು ಅಥವಾ ದುರುಪಯೋಗಪಡಿಸಿಕೊಂಡ ಚಿತ್ರಗಳ ಮೃದು ಪ್ರತಿಯನ್ನು (Soft Copy – 10MB ಒಳಗೆ) ಅಪ್ಲೋಡ್ ಮಾಡಬೇಕು. ಸಂತ್ರಸ್ತರ ರಾಷ್ಟ್ರೀಯ ಗುರುತಿನ ಚೀಟಿಯ ಸಾಫ್ಟ್ ಪ್ರತಿಯನ್ನು (5MB ಒಳಗೆ) ಸಲ್ಲಿಸುವುದು ಕಡ್ಡಾಯವಾಗಿದೆ.
-
ಹಂತ 5 (ದೂರು ಸಲ್ಲಿಕೆ ಮತ್ತು ಟ್ರ್ಯಾಕಿಂಗ್): ವಿವರಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ ನಂತರ ದೂರನ್ನು ಸಬ್ಮಿಟ್ ಮಾಡಬೇಕು. ಯಶಸ್ವಿ ಸಲ್ಲಿಕೆಯ ನಂತರ ಸಿಗುವ ಒಪ್ಪಿಗೆ ಸಂಖ್ಯೆಯನ್ನು (Acknowledgment Number) ಬಳಸಿಕೊಂಡು ಭವಿಷ್ಯದಲ್ಲಿ ದೂರಿನ ಪ್ರಗತಿಯನ್ನು ಪರಿಶೀಲಿಸಬಹುದು.
ಕರ್ನಾಟಕದ ಸುಧಾರಿತ 1930 ಸಹಾಯವಾಣಿ ಮತ್ತು ಎಐ ವೆಬ್ಬಾಟ್ (WebBOT)
ಕರ್ನಾಟಕ ಪೊಲೀಸ್ ಇಲಾಖೆಯು ಆನ್ಲೈನ್ ವಂಚನೆ ಮತ್ತು ಸೈಬರ್ ಅಪರಾಧಗಳಿಗೆ ತ್ವರಿತವಾಗಿ ಸ್ಪಂದಿಸಲು ತನ್ನ ರಾಷ್ಟ್ರೀಯ ಸಹಾಯವಾಣಿ ‘1930’ ಅನ್ನು ಸುಧಾರಿತ ಎಐ-ಚಾಲಿತ ವೆಬ್ಬಾಟ್ (WebBOT) ತಂತ್ರಜ್ಞಾನದೊಂದಿಗೆ ಯಶಸ್ವಿಯಾಗಿ ನವೀಕರಿಸಿದೆ. ರಾಜ್ಯ ಪೊಲೀಸ್ ಮಹಾನಿರ್ದೇಶಕ (DGP) ಅಲೋಕ್ ಮೋಹನ್ ಮತ್ತು ಎಡಿಜಿಪಿ ಎಸ್. ಮುರುಗನ್ ಅವರ ನೇತೃತ್ವದಲ್ಲಿ ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಮಾರು 1 ಕೋಟಿ ರೂಪಾಯಿ ವೆಚ್ಚದಲ್ಲಿ ಮೇಲ್ದರ್ಜೆಗೇರಿಸಲಾಗಿದೆ.
ಹೆಚ್ಚುತ್ತಿರುವ ಕರೆಗಳ ಪ್ರಮಾಣವನ್ನು ನಿರ್ವಹಿಸಲು ಹಳೆಯ ತಾಂತ್ರಿಕ ಮೂಲಸೌಕರ್ಯವನ್ನು ಹೊಸ ಎಸ್ಐಪಿ (SIP) ಆನ್ಲೈನ್ ಲೈನ್ಗಳಾಗಿ ಪರಿವರ್ತಿಸಲಾಗಿದೆ. ಇದರ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯವೆಂದರೆ, ಕರೆ ಸ್ವೀಕರಿಸುವ ಸಿಬ್ಬಂದಿಗಳು ಕಾರ್ಯನಿರತರಾಗಿದ್ದಾಗ ಅಥವಾ ಕರೆ ಕಡಿತಗೊಂಡಾಗ ಸಂತ್ರಸ್ತರಿಗೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಎಸ್ಎಂಎಸ್ (SMS) ಮೂಲಕ ವೆಬ್ಬಾಟ್ ಲಿಂಕ್ ಒಂದನ್ನು ಕಳುಹಿಸಲಾಗುತ್ತದೆ. ಈ ಲಿಂಕ್ ಮೂಲಕ ಬಳಕೆದಾರರು ನೇರವಾಗಿ ಪೋರ್ಟಲ್ನಲ್ಲಿ ತಮ್ಮ ದೂರನ್ನು ದಾಖಲಿಸಬಹುದು.
| ಕರ್ನಾಟಕ 1930 ಸಹಾಯವಾಣಿ ಪ್ರಗತಿ | ವರ್ಷ 2022 | ವರ್ಷ 2024 | ವರ್ಷ 2025 (ಪ್ರಥಮ ತ್ರೈಮಾಸಿಕ) |
| ಸ್ವೀಕರಿಸಿದ ಕರೆಗಳ ಸಂಖ್ಯೆ | 1.30 ಲಕ್ಷ ಕರೆಗಳು | 8.26 ಲಕ್ಷ ಕರೆಗಳು | 4.34 ಲಕ್ಷ ಕರೆಗಳು |
| ದಾಖಲಾದ ದೂರುಗಳ ಸಂಖ್ಯೆ | 20,894 ದೂರುಗಳು | 97,929 ದೂರುಗಳು | 38,000 ದೂರುಗಳು |
| ವರದಿಯಾದ ವಂಚನೆ ಮೊತ್ತ | ರೂ. 113 ಕೋಟಿ | ರೂ. 2,396 ಕೋಟಿ | ನಿರಂತರ ಹೆಚ್ಚಳದ ಹಾದಿ |
| ಬ್ಯಾಂಕ್ಗಳಲ್ಲಿ ತಡೆಹಿಡಿಯಲಾದ ಮೊತ್ತ | ರೂ. 8 ಕೋಟಿ (ಶೇ. 9) | ರೂ. 226 ಕೋಟಿ | ಶೇ. 16 ರಷ್ಟು ಹಣ ಯಶಸ್ವಿ ಫ್ರೀಜ್ |
ಸೈಬರ್ ಅಪರಾಧದ ದೂರು ದಾಖಲಿಸುವ ಸಂದರ್ಭದಲ್ಲಿ ಸಂತ್ರಸ್ತರು ಹೊಂದಿರಬೇಕಾದ ಪ್ರಮುಖ ದಾಖಲೆಗಳ ವಿವರವನ್ನು ಕೆಳಗಿನ ಕೋಷ್ಟಕದಲ್ಲಿ ನೀಡಲಾಗಿದೆ :
| ಅಗತ್ಯವಿರುವ ಮಾಹಿತಿ ಮತ್ತು ಸಾಕ್ಷ್ಯಗಳು | ಕಡ್ಡಾಯ / ಐಚ್ಛಿಕ ವಿವರಣೆ | ಗರಿಷ್ಠ ಫೈಲ್ ಗಾತ್ರ ಮತ್ತು ಸ್ವರೂಪ (Format) |
| ಘಟನೆಯ ವಿವರಗಳು (Incident Details) | ಕಡ್ಡಾಯ ವಿವರಣೆ (ಕನಿಷ್ಠ 200 ಅಕ್ಷರಗಳು). | ಪಠ್ಯ ರೂಪದಲ್ಲಿ (ವಿಶೇಷ ಅಕ್ಷರಗಳಾದ #, $, @ ಮುಂತಾದವುಗಳನ್ನು ಬಳಸುವಂತಿಲ್ಲ). |
| ಸಂತ್ರಸ್ತರ ಗುರುತಿನ ಚೀಟಿ (Complainant ID) | ಕಡ್ಡಾಯ ರಾಷ್ಟ್ರೀಯ ಐಡಿ (ಆಧಾರ್, ಪ್ಯಾನ್, ವೋಟರ್ ಐಡಿ ಇತ್ಯಾದಿ). | 5MB ವರೆಗೆ (.jpeg,.jpg,.png ಸ್ವರೂಪದಲ್ಲಿ ಮಾತ್ರ). |
| ಆರ್ಥಿಕ ವಂಚನೆಯ ವಿವರಗಳು | ಆರ್ಥಿಕ ವಂಚನೆಯಾಗಿದ್ದರೆ ಕಡ್ಡಾಯ (ಬ್ಯಾಂಕ್ ಹೆಸರು, 12-ಅಂಕಿಯ ಯುಟಿಆರ್ ಐಡಿ). | ದೂರು ಸಲ್ಲಿಸುವ ಫಾರ್ಮ್ನಲ್ಲಿ ನೇರ ನಮೂದು. |
| ಡಿಜಿಟಲ್ ಸಾಕ್ಷ್ಯಗಳು (Supporting Evidence) | ಕಡ್ಡಾಯ ಸ್ಕ್ರೀನ್ಶಾಟ್ಗಳು, ನಕಲಿ ಲಿಂಕ್ಗಳು ಅಥವಾ ಆಡಿಯೊ/ವೀಡಿಯೊಗಳು. | ಪ್ರತಿ ಫೈಲ್ 10MB ವರೆಗೆ (png, jpeg, pdf, mp4, avi ಮುಂತಾದ ಹಲವು ಸ್ವರೂಪಗಳು ಲಭ್ಯ). |
| ಸಂದೇಹಾಸ್ಪದ ವ್ಯಕ್ತಿಯ ವಿವರಗಳು | ಐಚ್ಛಿಕ (ಮೊಬೈಲ್ ಸಂಖ್ಯೆ, ಇಮೇಲ್, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಯುಆರ್ಎಲ್). | ಫೋಟೋ ಇದ್ದರೆ 5MB ಒಳಗೆ ಅಪ್ಲೋಡ್ ಮಾಡಬಹುದು. |
ಸಾರ್ವಜನಿಕರಿಗೆ ಮುನ್ನೆಚ್ಚರಿಕೆಗಳು ಮತ್ತು ಸುರಕ್ಷತಾ ಶಿಫಾರಸುಗಳು
ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಎಐ ಆಧಾರಿತ ವಂಚನೆಗಳಿಂದ ಮತ್ತು ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾ ಸೋರಿಕೆಯಿಂದ ರಕ್ಷಣೆ ಪಡೆಯಲು ಸಾರ್ವಜನಿಕರು ಕೆಲವು ಪ್ರಮುಖ ಸುರಕ್ಷತಾ ಶಿಫಾರಸುಗಳನ್ನು ನಿರಂತರವಾಗಿ ಪಾಲಿಸಬೇಕಾಗುತ್ತದೆ :
ಬಳಕೆದಾರರು ತಮ್ಮ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಖಾತೆಗಳ ಪ್ರೈವೆಸಿ ಸೆಟ್ಟಿಂಗ್ಗಳನ್ನು ಸಾರ್ವಜನಿಕ (Public) ಬದಲಿಗೆ ಖಾಸಗಿ (Private) ಮೋಡ್ನಲ್ಲಿ ಇರಿಸಿಕೊಳ್ಳಬೇಕು. ಇದರಿಂದ ಅಪರಿಚಿತ ವ್ಯಕ್ತಿಗಳು ಅಥವಾ ಸ್ವಯಂಚಾಲಿತ ಸ್ಕ್ರಾಪಿಂಗ್ ಸಾಫ್ಟ್ವೇರ್ಗಳು ಅವರ ಫೋಟೋಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡುವುದನ್ನು ತಡೆಯಬಹುದು. ಮುಖದ ಸೂಕ್ಷ್ಮ ವಿವರಗಳು ಅತ್ಯಂತ ಸ್ಪಷ್ಟವಾಗಿ ಗೋಚರಿಸುವ ನಿಕಟ ಭಾವಚಿತ್ರಗಳನ್ನು (Close-up selfies) ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮಗಳಲ್ಲಿ ಸಾರ್ವಜನಿಕವಾಗಿ ಹಂಚಿಕೊಳ್ಳುವುದನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪಿಸಬೇಕು. ಇಂಟರ್ನೆಟ್ ಜಗತ್ತಿನಲ್ಲಿ ಅಪರಿಚಿತರಿಂದ ಬರುವ ಫ್ರೆಂಡ್ ರಿಕ್ವೆಸ್ಟ್ಗಳನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುವ ಮುನ್ನ ಅವರ ಪ್ರೊಫೈಲ್ನ ನೈಜತೆಯನ್ನು ಕೂಲಂಕಷವಾಗಿ ಪರಿಶೀಲಿಸುವುದು ಅತ್ಯಗತ್ಯ.
ಫೋಟೋ ಪರಿಷ್ಕರಣೆಗಾಗಿ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡುವಾಗ ಕಡ್ಡಾಯವಾಗಿ ಅಧಿಕೃತ ಆಪ್ ಸ್ಟೋರ್ಗಳಾದ ಗೂಗಲ್ ಪ್ಲೇ ಸ್ಟೋರ್ ಅಥವಾ ಆಪಲ್ ಆಪ್ ಸ್ಟೋರ್ಗಳನ್ನು ಮಾತ್ರ ಬಳಸಬೇಕು. ಇನ್ಸ್ಟಾಲ್ ಮಾಡುವ ಮುನ್ನ ಆಪ್ ಕೇಳುವ ಅನುಮತಿಗಳನ್ನು (Permissions) ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಅಗತ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಗ್ಯಾಲರಿ ಅಥವಾ ಕ್ಯಾಮೆರಾ ಅನುಮತಿಗಳನ್ನು ನಿರಾಕರಿಸಬೇಕು. ಯಾವುದೇ ಸಾರ್ವಜನಿಕ ವೈ-ಫೈ (Public Wi-Fi) ಸಂಪರ್ಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಆನ್ಲೈನ್ ಬ್ಯಾಂಕಿಂಗ್ ಅಥವಾ ಸೂಕ್ಷ್ಮ ಡೇಟಾ ವಹಿವಾಟುಗಳನ್ನು ಮಾಡಬಾರದು, ಏಕೆಂದರೆ ಇಂತಹ ನೆಟ್ವರ್ಕ್ಗಳು ಹ್ಯಾಕರ್ಗಳಿಗೆ ಸುಲಭವಾದ ಪ್ರವೇಶವನ್ನು ನೀಡುತ್ತವೆ.
ಕೋಲ್ಕತಾ ಸೈಬರ್ ಪೊಲೀಸ್ ವಿಭಾಗವು ಸೂಚಿಸಿರುವಂತೆ, ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ ಯಾವುದೇ ಅನುಮಾನಾಸ್ಪದ ಘಟನೆಗಳು ನಡೆದಾಗ ಮೂರು ಪ್ರಮುಖ ಸೂತ್ರಗಳನ್ನು ಪಾಲಿಸಬೇಕು: ಸ್ಟಾಪ್ (ತಕ್ಷಣ ನಿಲ್ಲಿಸಿ), ಡ್ರಾಪ್ (ಅನುಮಾನಾಸ್ಪದ ಲಿಂಕ್ ಅಥವಾ ಕರೆಯನ್ನು ತಕ್ಷಣ ಕಡಿತಗೊಳಿಸಿ), ಮತ್ತು ಇನ್ಫಾರ್ಮ್ (ತಕ್ಷಣವೇ ಸೈಬರ್ ಪೊಲೀಸರಿಗೆ ಮಾಹಿತಿ ನೀಡಿ).
ಅಲ್ಲದೆ, ಸಾರ್ವಜನಿಕರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮೂಲಕ ಸೃಷ್ಟಿಸಲಾದ ನಕಲಿ ಡೀಪ್ಫೇಕ್ ವೀಡಿಯೊಗಳು ಮತ್ತು ಚಿತ್ರಗಳನ್ನು ಗುರುತಿಸಲು ಕೆಳಗಿನ ತಾಂತ್ರಿಕ ಗುಣಲಕ್ಷಣಗಳ ಬಗ್ಗೆ ಜಾಗೃತರಾಗಿರಬೇಕು :
-
ವೀಡಿಯೊದಲ್ಲಿನ ಪಾತ್ರಗಳ ಚಲನೆಯು ನೈಸರ್ಗಿಕವಾಗಿರದೆ ಜರ್ಕಿ ಅಥವಾ ಅಸ್ಥಿರವಾಗಿರುತ್ತದೆ.
-
ದೃಶ್ಯದ ಬೆಳಕು ಮತ್ತು ನೆರಳು ಒಂದು ಫ್ರೇಮ್ನಿಂದ ಮತ್ತೊಂದು ಫ್ರೇಮ್ಗೆ ಹೋದಂತೆ ಅನಿರೀಕ್ಷಿತವಾಗಿ ಬದಲಾಗುತ್ತದೆ.
-
ಪಾತ್ರಗಳ ಮುಖದ ಚರ್ಮದ ಬಣ್ಣದಲ್ಲಿ ಅಸಾಮಾನ್ಯ ವ್ಯತ್ಯಾಸಗಳು ಕಂಡುಬರುತ್ತವೆ.
-
ಕಣ್ಣಿನ ರೆಪ್ಪೆಗಳು ನೈಸರ್ಗಿಕವಾಗಿ ಮಿಟುಕಿಸುವುದಿಲ್ಲ ಅಥವಾ ದೀರ್ಘಕಾಲದವರೆಗೆ ಕಣ್ಣು ಮಿಟುಕಿಸುವುದೇ ಇಲ್ಲ.
-
ಮಾತನಾಡುವ ಶಬ್ದಕ್ಕೂ ಮತ್ತು ತುಟಿಗಳ ಚಲನೆಗೂ (Lip-sync) ಸರಿಯಾದ ಹೊಂದಾಣಿಕೆ ಇರುವುದಿಲ್ಲ.
-
ಚಿತ್ರದ ಅಂಚುಗಳಲ್ಲಿ ಡಿಜಿಟಲ್ ಕಲಾಕೃತಿಗಳು ಅಥವಾ ಮಸುಕಾದ ಪಿಕ್ಸೆಲ್ ವಿನ್ಯಾಸಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ.
ಭವಿಷ್ಯದ ಕಾರ್ಯತಂತ್ರ
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ತಾಂತ್ರಿಕ ಕ್ರಾಂತಿಯು ನಮ್ಮ ಕಲ್ಪನಾ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸೃಜನಶೀಲತೆಯನ್ನು ಹೊಸ ಹಂತಕ್ಕೆ ಕೊಂಡೊಯ್ದಿರುವುದು ನಿಜವಾದರೂ, ಅದು ವ್ಯಕ್ತಿಗಳ ಮೂಲಭೂತ ಗೌಪ್ಯತೆ ಮತ್ತು ಡಿಜಿಟಲ್ ಭದ್ರತೆಯ ಮೇಲೂ ಗಂಭೀರವಾದ ದಾಳಿಯನ್ನು ನಡೆಸುತ್ತಿದೆ. ಸೃಜನಶೀಲತೆಯ ಸೋಗಿನಲ್ಲಿ ಬರುವ ಉಚಿತ ಎಐ ಫೋಟೋ ಎಡಿಟಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ಸಾರ್ವಜನಿಕರು ಒದಗಿಸುವ ಮುಖದ ಬಯೋಮೆಟ್ರಿಕ್ ಮಾಹಿತಿಯು ಭವಿಷ್ಯದಲ್ಲಿ ಸೈಬರ್ ಅಪರಾಧಿಗಳ ಕೈಗೆ ಸಿಕ್ಕು ಗಂಭೀರ ಹಣ ಸುಲಿಗೆ, ಬ್ಲ್ಯಾಕ್ಮೇಲಿಂಗ್ ಮತ್ತು ಸಾಮಾಜಿಕ ಮಾನಹಾನಿಗೆ ಕಾರಣವಾಗುತ್ತಿದೆ. ಕೇವಲ ಅಪರಾಧ ನಡೆದ ನಂತರ ಕೈಗೊಳ್ಳುವ ಕಾನೂನು ಕ್ರಮಗಳಿಂದ ಮಾತ್ರ ಈ ಭೀತಿಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತಡೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಭವಿಷ್ಯದ ದಿನಗಳಲ್ಲಿ ತಂತ್ರಜ್ಞಾನ ವಲಯವು “ವಿನ್ಯಾಸದಲ್ಲೇ ಗೌಪ್ಯತೆ” ಸಿದ್ಧಾಂತಕ್ಕೆ ಹೆಚ್ಚಿನ ಆದ್ಯತೆ ನೀಡಬೇಕಾಗಿದೆ. ಸಂಶೋಧಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿರುವ ಪ್ರೈವೇಟ್ ಎಡಿಟ್ (PrivateEdit) ನಂತಹ ಹಗುರವಾದ ಮತ್ತು ಆನ್-ಡಿವೈಸ್ ಮಾಸ್ಕಿಂಗ್ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಪ್ರಮುಖ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಮತ್ತು ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ ಗೌಪ್ಯತೆಯ ರಕ್ಷಣಾ ಕವಚವಾಗಿ ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಅತ್ಯಂತ ಸೂಕ್ತ ಪರಿಹಾರವಾಗಿದೆ. ಇದರೊಂದಿಗೆ, ಜಾಗತಿಕ ಸರ್ಕಾರಗಳು ಕಠಿಣವಾದ ನಿಯಂತ್ರಣ ಕ್ರಮಗಳ ಮೂಲಕ ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಗಳು ಕಡ್ಡಾಯವಾಗಿ ಎಐ-ಜನ್ಯ ವಿಷಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಮತ್ತು ನಿಯಂತ್ರಿಸುವ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಜಾರಿಗೆ ತರುವಂತೆ ಒತ್ತಾಯಿಸಬೇಕಾಗಿದೆ. ಅಂತಿಮವಾಗಿ, ಪ್ರತಿಯೊಬ್ಬ ಬಳಕೆದಾರನೂ ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ತಾನು ಹಂಚಿಕೊಳ್ಳುವ ಮಾಹಿತಿಯ ಬಗ್ಗೆ “ನಂಬು ಆದರೆ ಪರಿಶೀಲಿಸು” (Trust but Verify) ಎಂಬ ತತ್ವವನ್ನು ಅಳವಡಿಸಿಕೊಂಡಾಗ ಮಾತ್ರ ಇಂಟರ್ನೆಟ್ ಜಗತ್ತಿನಲ್ಲಿ ತನ್ನ ವೈಯಕ್ತಿಕ ಬಯೋಮೆಟ್ರಿಕ್ ಅಸ್ತಿತ್ವವನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ರಕ್ಷಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ಇತರೆ ಮಾಹಿತಿ
Bengaluru Drone Vision – ಕಿರಣ್ ಮಜುಂದಾರ್-ಶಾ ಅವರ ಡ್ರೋನ್ ಪ್ರಸ್ತಾಪ ಮತ್ತು ನಗರದ ವಾಸ್ತವಿಕ ಸವಾಲುಗಳು
India Currency System – ನಕಲಿ ನೋಟುಗಳು, ಡಿಜಿಟಲ್ ರೂಪಾಯಿ ಮತ್ತು ಆರ್ಬಿಐ ಕಾರ್ಯತಂತ್ರದ ವಿಶ್ಲೇಷಣ
Telecom Digital War – ಜಿಯೋ OTT ಸಾಮ್ರಾಜ್ಯ ಮತ್ತು ಏರ್ಟೆಲ್ ಕ್ಲೌಡ್ ಕಾರ್ಯತಂತ್ರದ ಪೈಪೋಟಿ
AMCA Fighter Jet – ಭಾರತದ 5ನೇ ತಲೆಮಾರಿನ ಯುದ್ಧ ವಿಮಾನ ಮತ್ತು ಸ್ವದೇಶಿ ವಾಯುಶಕ್ತಿ ಕ್ರಾಂತಿ
Bengaluru East Railway Station – ಪುನರಾರಂಭ, ಮೂಲಸೌಕರ್ಯ ನವೀಕರಣ ಮತ್ತು ರೈಲು ಸೇವೆಗಳ ವಿಶ್ಲೇಷಣೆ
ಪ್ರಮುಖ ಲಿಂಕ್ಗಳು
| ವಾಟ್ಸಾಪ್ ಗ್ರೂಪ್ | CLICK HERE |
| ಟೆಲಿಗ್ರಾಮ್ ಗ್ರೂಪ್ | CLICK HERE |