>> शहाजी शिंदे
डिजिटलायजेशनच्या युगात अनेक मानवी श्रमाची कामे सुकर झाली; अर्थव्यवस्थेचा वेग वाढला, आर्थिक उलाढाली गतिमान झाल्या, दैनंदिन जीवनमान सुखकर बनले; पण अलीकडील काळात वाढत चाललेल्या फसवणुकांमुळे विश्वासार्हता मात्र लयाला जात आहे. फेक मेसेजेसबरोबरच आता व्हॉईस क्लोनिंगच्या वाढत्या वापरामुळे फोनवर ओळखीच्या आवाजात पलीकडून बोलणारी व्यक्ती खरी आहे का, असा प्रश्न आता पडू लागला आहे.
डिजिटल व्यवहारांच्या जगात आतापर्यंत सावधगिरीचा एक साधा नियम सांगितला जात असे- अनोळखी व्यक्तीला ओटीपी सांगू नका, संशयास्पद लिंकवर लिक करू नका, बँक खात्याची माहिती देऊ नका. पण कृत्रिम बुद्धिमत्तेने फसवणुकीचे तंत्र इतके बदलून टाकले आहे की, आता ओळखीच्या व्यक्तीचा आवाजही विश्वासाचा पुरावा राहिलेला नाही. मुलगा, मुलगी, पती, पत्नी, मित्र किंवा वरिष्ठ अधिकारी यांच्याच आवाजात फोन येऊ शकतो आणि तातडीने पैसे पाठविण्याची विनंती केली जाऊ शकते. आवाज अगदी परिचित असतो, बोलण्याची ढबही तशीच असते; फक्त पलीकडे ती व्यक्ती नसते. कृत्रिम बुद्धिमत्तेने तयार केलेला हुबेहूब आवाज मोठ्या संकटात ढकलून जातो. ‘व्हॉईस क्लोनिंग’च्या या वाढत्या फसवणुकीने सायबर सुरक्षेसमोर नवे आव्हान उभे केले आहे.
व्हॉईस क्लोनिंग म्हणजे एखाद्या व्यक्तीच्या आवाजाचे कृत्रिम बुद्धिमत्तेच्या साहाय्याने अनुकरण. पूर्वी अशा प्रकारासाठी त्या व्यक्तीच्या आवाजाचे भरपूर ध्वनिमुद्रण आवश्यक असे. आता तंत्रज्ञान इतके पुढे गेले आहे की तुलनेने छोट्या ध्वनिनमुन्यावरूनही आवाजातील लय, चढ-उतार, उच्चार आणि बोलण्याची विशिष्ट ढब यांचे अनुकरण करता येते. त्यानंतर त्या व्यक्तीने प्रत्यक्षात कधीही न उच्चारलेली वाक्ये तिच्याच आवाजासारखी ऐकविता येतात. तंत्रज्ञानाच्या दृष्टीने ही प्रगती असली तरी गुन्हेगारांच्या हातात तिचे रूपांतर प्रभावी फसवणूक तंत्रात होत आहे.
या गुह्याला समाजमाध्यमांनी नकळत मोठा कच्चा माल उपलब्ध करून दिला आहे. इन्स्टाग्राम, फेसबुक, यूट्यूब किंवा अन्य मंचांवर आपण स्वतचे व्हिडीओ, रील्स आणि ध्वनिमुद्रणे सहज प्रसिद्ध करतो. त्यातून चेहरा, आवाज, बोलण्याची पद्धत आणि वैयक्तिक आयुष्याशी संबंधित अनेक तपशील सार्वजनिक होतात. फसवणूक करणाऱयांना त्यासाठी आता स्वतंत्रपणे आवाज रेकॉर्ड करण्याचीही गरज उरत नाही. समाजमाध्यमांवरील व्हिडीओमधून आवाजाचा नमुना मिळू शकतो आणि त्याच्या आधारे कृत्रिम आवाज तयार करण्याचा प्रयत्न केला जाऊ शकतो.
या फसवणुकीची खरी ताकद मात्र तंत्रज्ञानापेक्षा मानवी भावनांमध्ये आहे. ‘माझा अपघात झाला आहे’, ‘मी अडचणीत आहे’, ‘तातडीने पैसे पाठव’, ‘फोन बंद होणार आहे’ अशा वाक्यांनी समोरच्या व्यक्तीला विचार करण्यासाठी वेळच दिला जात नाही. आपल्या मुलाचा किंवा जवळच्या नातेवाईकाचा घाबरलेला आवाज ऐकल्यानंतर आई-वडील प्रथम आवाज खरा आहे की खोटा, याचे तांत्रिक परीक्षण करणार नाहीत. ते मदतीसाठी धावतील. गुन्हेगार नेमक्या या भावनिक प्रतिक्रियेचा फायदा घेतात. सायबर फसवणुकीतील हा बदल महत्त्वाचा आहे. पूर्वी फसवणूक प्रामुख्याने माहिती चोरण्यावर आधारित होती; आता ती विश्वास चोरण्याकडे सरकली आहे. म्हणूनच केवळ आवाज ऐकून व्यक्तीची ओळख निश्चित करण्याची सवय बदलावी लागणार आहे. संशयास्पद फोन आला आणि परिचित व्यक्तीने पैसे मागितले तर त्या क्रमांकावर किंवा दुसऱया परिचित क्रमांकावर स्वतंत्रपणे फोन करून खात्री करणे हा सर्वांत सोपा बचाव आहे. समोरची व्यक्ती ‘आत्ता फोन करू नको’, ‘कुणालाही सांगू नको’, ‘ताबडतोब पैसे पाठव’ असा दबाव आणत असेल तर संशय अधिकच बळावायला हवा. फसवणूक करणारा जितकी घाई निर्माण करतो, तितकीच आपली प्रतिक्रिया संथ आणि पडताळणीवर आधारित असायला हवी.
कुटुंबाने यासाठी स्वतची छोटी सुरक्षा पद्धतही ठरविणे उपयुक्त ठरू शकते. एखादा खास प्रश्न, फक्त कुटुंबीयांना माहीत असलेला संदर्भ किंवा आपत्कालीन परिस्थितीत वापरण्यासाठी ठरावीक सांकेतिक शब्द यामुळे ओळख पडताळण्यास मदत होऊ शकते. व्हॉइस क्लोनिंगचा धोका केवळ कुटुंबीयांच्या आर्थिक फसवणुकीपुरता मर्यादित नाही. कृत्रिम बुद्धिमत्तेच्या या गैरवापराला उत्तरही तंत्रज्ञानातूनच शोधावे लागेल; परंतु केवळ तंत्रज्ञान पुरेसे ठरणार नाही. संशयास्पद कृत्रिम आवाज शोधणाऱया यंत्रणा विकसित होत असल्या तरी बनावट आवाज तयार करणारे तंत्रज्ञानही सतत सुधारत आहे. आज ज्या खुणांवरून कृत्रिम आवाज ओळखता येतो, त्या उद्या अधिक प्रगत प्रणालीत नाहीशा होऊ शकतात. त्यामुळे ‘हा आवाज खरा की कृत्रिम?’ याचे उत्तर सामान्य नागरिकाने प्रत्येक वेळी स्वत शोधावे, अशी अपेक्षा व्यवहार्य नाही. बँका, दूरसंचार कंपन्या आणि डिजिटल व्यवहार करणाऱया संस्थांची जबाबदारी म्हणूनच वाढते. मोठ्या किंवा असामान्य आर्थिक व्यवहारासाठी अतिरिक्त पडताळणी, संशयास्पद व्यवहारांचे तत्काळ निरीक्षण आणि ग्राहकाला त्वरित सूचना अशा सुरक्षा पद्धती अधिक सक्षम कराव्या लागतील.
फसवणूक झाल्यानंतरही वेळ अत्यंत महत्त्वाचा असतो. आर्थिक व्यवहार झाल्याचे लक्षात येताच बँकेशी संपर्क साधणे आणि अधिकृत सायबर गुन्हे नोंदविण्याच्या व्यवस्थेकडे तातडीने जाणे आवश्यक आहे. राष्ट्रीय सायबर गुन्हे हेल्पलाइन 1930 ही अशा आर्थिक सायबर फसवणुकीच्या तक्रारींसाठी महत्त्वाची व्यवस्था आहे. यातील सर्वांत मोठा प्रश्न पुढे येणाऱया काळाचा आहे. आतापर्यंत डिजिटल जगात चेहरा आणि आवाज हे व्यक्तीच्या ओळखीचे मजबूत पुरावे मानले जात होते. ‘मी त्याला स्वत पाहिले’, ‘मी त्याचा आवाज ऐकला’ या विधानांना विश्वासार्हता होती. कृत्रिम बुद्धिमत्ता नेमक्या याच विश्वासाच्या पायावर घाव घालत आहे.
याचा अर्थ तंत्रज्ञानाला विरोध करणे नव्हे. आवाजाची कृत्रिम निर्मिती अनेक विधायक कामांसाठी उपयोगी ठरू शकते. मात्र एखाद्याचा आवाज त्याच्या परवानगीशिवाय वापरून फसवणूक किंवा दिशाभूल केली जात असेल तर त्यासाठी कायदेशीर आणि तांत्रिक संरक्षण अधिक सक्षम करावे लागेल. डिजिटल मंचांनीही वापरकर्त्यांच्या आवाजाचा आणि दृश्य सामग्रीचा गैरवापर रोखण्यासाठी अधिक प्रभावी उपाय करणे आवश्यक आहे.
सायबर सुरक्षेचा जुना मंत्र होता- ‘ओटीपी कुणालाही सांगू नका.’ आता त्यात आणखी एक वाक्य जोडण्याची वेळ आली आहे. ‘ओळखीचा आवाज ऐकला तरी आधी खात्री करा.’ कारण कृत्रिम बुद्धिमत्तेच्या युगात फसवणूक करणाऱयाला तुमचा पासवर्डच हवा असे नाही; काही वेळा तुमच्या जवळच्या माणसाचा आवाज पुरेसा ठरू शकतो. तंत्रज्ञानाने आवाजाची नक्कल करणे सोपे केले आहे; म्हणून विश्वास ठेवण्यापूर्वी पडताळणी करणे हीच नव्या डिजिटल युगातील सर्वांत आवश्यक सावधगिरी ठरणार आहे.
(लेखक संगणक अभियंता आहेत)
