शाहिद हनीफ, शुफ्ती के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

शाहिद हनीफ, शुफ्ती के सीईओ और सह-संस्थापक, एक प्रौद्योगिकी उद्यमी हैं जिनके पास पहचान सत्यापन, फिनटेक, ब्लॉकचेन और विकेन्द्रीकृत सॉफ्टवेयर प्लेटफॉर्म बनाने का व्यापक अनुभव है। उन्होंने 2017 में शुफ्ती की सह-स्थापना की और सात साल से अधिक समय तक मुख्य प्रौद्योगिकी अधिकारी के रूप में कार्य किया, जिसमें कृत्रिम बुद्धिमत्ता-संचालित बायोमेट्रिक और दस्तावेज़ सत्यापन प्रौद्योगिकी के इन-हाउस विकास का नेतृत्व किया, और फिर 2024 में सीईओ बने। हनीफ डेवलपर्स स्टूडियो के संस्थापक भी हैं, जो एक ब्लॉकचेन विकास कंपनी है जिसमें 100 से अधिक विशेषज्ञ हैं, और पहले क्विकबिट के सीटीओ के रूप में कार्य किया, जहां उन्होंने कंपनी के प्रारंभिक सार्वजनिक प्रस्ताव से पहले इसकी क्रिप्टोक्यूरेंसी भुगतान प्रौद्योगिकी विकसित करने में मदद की। इससे पहले, उन्होंने प्रोग्रामर्स फोर्स की सह-स्थापना की और सॉफ्टवेयर और डेटा विज्ञान कंपनी को तीन महाद्वीपों में दस कार्यालयों में 500 से अधिक कर्मचारियों तक विस्तारित करने में मदद की।

शुफ्ती एक कृत्रिम बुद्धिमत्ता-संचालित पहचान सत्यापन मंच है जो संगठनों को विश्वास स्थापित करने, धोखाधड़ी को रोकने और अपने ग्राहक को जानें, अपने व्यवसाय को जानें और मनी लॉन्डरिंग विरोधी आवश्यकताओं को पूरा करने में मदद करता है। इसका मंच दस्तावेज़ और बायोमेट्रिक सत्यापन, इलेक्ट्रॉनिक पहचान सत्यापन, एनएफसी-आधारित जांच, व्यवसाय सत्यापन, आयु आश्वासन, धोखाधड़ी का पता लगाना, चल रही निगरानी और मामला प्रबंधन को एक एकीकृत बुनियादी ढांचे के माध्यम से एक साथ लाता है। कंपनी 240 से अधिक देशों और क्षेत्रों में 150 से अधिक भाषाओं में हजारों दस्तावेज़ प्रकारों का समर्थन करती है, जिससे व्यवसायों को एकल वैश्विक एकीकरण के माध्यम से ग्राहकों और संगठनों की पुष्टि करने की अनुमति मिलती है। इसकी प्रौद्योगिकी दस्तावेज़ प्रामाणिकता, बायोमेट्रिक जीवन, डिवाइस बुद्धिमत्ता और अन्य जोखिम संकेतों की जांच करती है ताकि नकली दस्तावेज़, डीपफेक, खाता हेरफेर और समन्वित पहचान हमलों का पता लगाया जा सके।

जब आपने 2017 में शुफ्ती की सह-स्थापना की, तो आपने शुरू में कंपनी के प्रौद्योगिकी विकास का नेतृत्व मुख्य प्रौद्योगिकी अधिकारी के रूप में किया, और फिर 2024 में सीईओ बने। डिजिटल पहचान सत्यापन में कौन सी कमियां आपको मंच बनाने के लिए प्रेरित करती थीं, और जनरेटिव एआई के उदय के साथ आपकी समस्या की समझ कैसे बदली है?

जब हमने 2017 में शुफ्ती की सह-स्थापना की, तो सबसे बड़ी चुनौतियां धीमी सत्यापन, बहुत अधिक मैनुअल कार्य और विभिन्न देशों में अच्छी तरह से काम नहीं करने वाली प्रणालियां थीं। कई पहचान सत्यापन समाधान असंगत थे, विशेष रूप से उच्च जोखिम वाले उद्योगों में। वे गैर-लैटिन भाषाओं में दस्तावेज़ की पुष्टि करने और विश्वभर से पहचानों की विश्वसनीय पुष्टि करने में भी असमर्थ थे।

आज, जनरेटिव एआई ने समस्या को बदल दिया है। यह अब केवल एक आईडी दस्तावेज़ पढ़ने के बारे में नहीं है। यह जानने के बारे में है कि दस्तावेज़ और इसे प्रस्तुत करने वाला व्यक्ति वास्तविक है या नहीं। एआई ने पहचान धोखाधड़ी को तेज, सस्ता और बहुत आसान बना दिया है। हमने सीखा है कि ऑनबोर्डिंग के दौरान केवल एक बार किसी की पुष्टि करना पर्याप्त नहीं है। व्यवसायों को अब उन सबसे उन्नत नकली दस्तावेजों और पहचानों का पता लगाने में सक्षम एआई की आवश्यकता है जो पुरानी सत्यापन प्रणालियों को स्वीकार करेंगे।

बेल्जियम के अधिकारियों ने हाल ही में चेतावनी दी है कि पिछले एक साल में 10,000 से अधिक लोग एआई-संचालित पहचान धोखाधड़ी के शिकार हुए हैं। यह मामला पहचान अपराध के तेजी से विकास के बारे में क्या बताता है, और एआई-जनित वैध दस्तावेजों की प्रतिलिपि क्यों इतनी मुश्किल है?

10,000 पीड़ितों के बारे में बेल्जियम अधिकारियों की चेतावनी केवल शुरुआत है। यह बताता है कि अपराधी बुनियादी दस्तावेज़ संपादन से पूर्ण पहचान संश्लेषण में चले गए हैं।

एआई-जनित प्रतिलिपि मुश्किल है क्योंकि वे सरकारी टेम्पलेट्स की पिक्सेल-स्तर की सटीकता की नकल कर सकते हैं। पारंपरिक ओसीआर (ऑप्टिकल कैरेक्टर रिकग्निशन) पाठ निकालने पर ध्यान केंद्रित करता है, लेकिन यह छवि की दृश्य अखंडता को नजरअंदाज करता है। एआई अब उन सुरक्षा विशेषताओं को दोहरा सकता है जिनके लिए पहले भौतिक उपस्थिति की आवश्यकता होती थी, जिससे दस्तावेज़ की एक सपाट छवि पहचान का प्रमाण नहीं बल्कि एक दायित्व बन जाती है।

एक एआई-जनित चोरी की पहचान दस्तावेज़ की प्रतिलिपि एक पारंपरिक नकल, एक हेरफेर किए गए दस्तावेज़ और एक पूरी तरह से सिंथेटिक पहचान से कैसे अलग है?

इन तरीकों के बीच अंतर करना महत्वपूर्ण है:

पारंपरिक नकल: एक भौतिक नकली दस्तावेज़।

हेरफेर किया गया दस्तावेज़: एक वैध आईडी जहां विशिष्ट क्षेत्रों (जैसे नाम या जन्म तिथि) को बदल दिया गया है।

सिंथेटिक पहचान: एक “फ्रैंकस्टीन” व्यक्तित्व जो चोरी किए गए वास्तविक डेटा (जैसे एसएसएन) को बनावटी विवरण के साथ मिलाकर बनाया गया है।

एआई-जनित प्रतिलिपि: एक गहरी नकली दस्तावेज़ जो स्क्रैच से या चोरी किए गए टेम्पलेट का उपयोग करके जनरेटिव एडवर्सेरियल नेटवर्क (जीएएन) का उपयोग करके बनाया गया है। इनमें अक्सर डिजिटल इतिहास की कमी होती है और मानव आंखों से दिखाई नहीं देने वाले फोरेंसिक आर्टिफैक्ट्स जैसे सेंसर शोर असंगतताएं होती हैं।

शुफ्ती का अनुमान है कि इस साल दस्तावेज़ गहरी नकली में लगभग 3,900% की वृद्धि हो सकती है। यह अनुमान किस गतिविधि द्वारा संचालित है, और संगठनों को इसे व्याख्या करते समय किन धारणाओं या सीमाओं को समझना चाहिए?

हम 3,900% की वृद्धि की उम्मीद करते हैं क्योंकि एआई ने धोखाधड़ी को बहुत आसान और बड़े पैमाने पर बना दिया है। अपराधी अब केवल फोटो में चेहरे की अदला-बदली नहीं कर रहे हैं। वे अब पूरे नकली पहचान पत्र बना सकते हैं जो अक्सर पुरानी सत्यापन प्रणालियों से गुजर जाते हैं।

यह समझना महत्वपूर्ण है कि यह अनुमान एआई-संचालित धोखाधड़ी की वृद्धि दर को दर्शाता है, न कि केवल नकली दस्तावेजों की संख्या। सबसे बड़ी चुनौती यह है कि कई पहचान सत्यापन प्रणालियां वर्षों पूर्व डिज़ाइन की गई थीं और उन्नत एआई-जनित नकली का पता नहीं लगा सकती हैं, जैसे कि वास्तविक होलोग्राम या चेहरे की मॉर्फिंग। नतीजतन, नकली पहचान जांच में पास हो सकती हैं और कंपनी के डेटाबेस में छिपी रह सकती हैं।

अधिकांश व्यवसाय अभी भी एक पहचान पत्र की तस्वीर या स्कैन को पहचान का पर्याप्त प्रमाण मानते हैं। एक आधुनिक सत्यापन प्रणाली दस्तावेज़ पर दिखाई देने वाली जानकारी के अलावा किन संकेतों की जांच करनी चाहिए?

सबसे बड़ा बदलाव यह है कि व्यवसाय अब पारंपरिक दस्तावेज़ जांच पर भरोसा नहीं कर सकते हैं। उन्हें हमारे द्वारा “डिजिटल आंख” दृष्टिकोण कहा जाता है। दस्तावेज़ पर जानकारी पढ़ने के बजाय, प्रणाली को यह जानने की आवश्यकता है कि क्या दस्तावेज़ स्वयं वास्तविक है।

इसका अर्थ है उन सूक्ष्म संकेतों की तलाश करना जिन्हें मानव आसानी से नहीं देख सकते हैं, जैसे कि छवि को स्क्रीन से कब्जा किया गया था या नहीं, असामान्य पिक्सेल पैटर्न, असंगत प्रकाश व्यवस्था या एआई छवि जनरेटर द्वारा छोड़े गए निशान। हम यह भी जांचते हैं कि दस्तावेज़ के कुछ हिस्सों को कॉपी किया गया है, स्थानांतरित किया गया है या डिजिटल रूप से संशोधित किया गया है, साथ ही मेटाडेटा और छवि गुणवत्ता में असंगतताएं। जब आप इन सभी संकेतों को जोड़ते हैं, तो आप उन्नत एआई-जनित दस्तावेजों का पता लगाने की संभावना अधिक होती है जिन्हें पुरानी सत्यापन प्रणालियां स्वीकार करेंगी।

आपका तर्क है कि पहचान आश्वासन ग्राहक ऑनबोर्डिंग तक सीमित नहीं होना चाहिए। व्यवहार में निरंतर सत्यापन क्या दिखता है, और कंपनियां इसे अत्यधिक निगरानी, गोपनीयता जोखिम या ग्राहक घर्षण के बिना कैसे लागू कर सकती हैं?

“एक समय की जांच” का युग समाप्त हो गया है। निरंतर पहचान आश्वासन का अर्थ है 1,700 से अधिक वॉचलिस्ट के खिलाफ उपयोगकर्ता जोखिम को ताज़ा करना, जितनी बार हर 15 मिनट में “प्रतिकूल अनुपालन” को रोकने के लिए।

इसे घर्षण या गोपनीयता जोखिम के बिना लागू करने के लिए, हम बायोमेट्रिक-बाउंड रीयूज़ेबल पहचान (फास्टआईडी) का उपयोग करते हैं। एक बार जब कोई उपयोगकर्ता सत्यापित हो जाता है, तो वे उच्च जोखिम वाले कार्यों (जैसे बड़े निकासी) के लिए केवल दो सेकंड में एक चेहरे की स्कैन का उपयोग करके पुनः सत्यापित कर सकते हैं। इससे बार-बार दस्तावेज़ अपलोड करने की आवश्यकता समाप्त हो जाती है जबकि उच्च सुरक्षा मुद्रा बनाए रखते हैं।

धोखेबाज अब सिंथेटिक दस्तावेज़, चेहरे की अदला-बदली, गहरी नकली वीडियो, इंजेक्शन हमलों और चोरी की व्यक्तिगत जानकारी को जोड़ सकते हैं। पहचान मंचों को दस्तावेज़ अखंडता, बायोमेट्रिक जीवन, डिवाइस बुद्धिमत्ता और व्यवहार विश्लेषण को कैसे जोड़ना चाहिए ताकि इन समन्वित हमलों की पहचान की जा सके?

धोखेबाज अधिक परिष्कृत होते जा रहे हैं। वे अब एक ही तकनीक का उपयोग नहीं कर रहे हैं, बल्कि पहचान जांच को बायपास करने के लिए एआई-जनित दस्तावेज़, चेहरे की अदला-बदली और इंजेक्शन हमलों को जोड़ते हैं। यही कारण है कि व्यवसायों को एकल सत्यापन चरण पर भरोसा करने के बजाय पूरे चित्र को देखने की आवश्यकता है।

शुफ्ती में, हम संदर्भ-जागरूक जोखिम स्कोरिंग के माध्यम से ऐसा करते हैं। हम डिवाइस का विश्लेषण करते हैं ताकि यह पता लगाया जा सके कि क्या यह एमुलेटर या हेडलेस ब्राउज़र है, यह पुष्टि करते हैं कि उपयोगकर्ता आईबेटा स्तर 2 प्रमाणित पैसिव लाइवनेस डिटेक्शन के साथ शारीरिक रूप से उपस्थित है, और पहचान डेटा, डिवाइस फिंगरप्रिंट और उपयोगकर्ता व्यवहार का विश्लेषण करके खातों में संदिग्ध पैटर्न की तलाश करते हैं। इन संकेतों को जोड़ने से धोखाधड़ी का पता लगाना बहुत आसान हो जाता है इससे पहले कि यह नुकसान पहुंचाए।

जनरेटिव मॉडल में सुधार जारी रहेगा, जबकि धोखेबाज सिंथेटिक मीडिया को संपीड़ित, पुनः स्कैन या बदलकर हेरफेर के कलाकृतियों को छिपा सकते हैं। सत्यापन प्रदाता अपनी पहचान प्रणालियों की प्रभावशीलता का परीक्षण कैसे करते हैं ताकि यह सुनिश्चित किया जा सके कि वे नए और पहले से अनदेखे हमलों के तरीकों के खिलाफ प्रभावी रहती हैं?

चुनौती यह है कि एआई-जनित धोखाधड़ी पारंपरिक सुरक्षा परीक्षण चक्रों की तुलना में बहुत तेजी से विकसित होती है। सत्यापन प्रदाताओं को अपनी प्रणालियों का मूल्यांकन नए हमलों के तरीकों के खिलाफ लगातार करने की आवश्यकता है, न कि ऐतिहासिक डेटासेट पर भरोसा करने की। इसका अर्थ है सिंथेटिक दस्तावेज़, पुनः संपीड़ित छवियों, स्क्रीन पुनः कब्जे, इंजेक्शन हमलों और हेरफेर की गई मीडिया के साथ परीक्षण करना जो स्पष्ट कलाकृतियों को छिपाने के लिए डिज़ाइन किए गए हैं। बढ़ती ध्यान इस बात पर है कि विशिष्ट प्रकार की गहरी नकली का पता लगाने के बजाय कई संकेतों में असंगतताओं की पहचान करने की ओर है, क्योंकि वे आमतौर पर हमलावरों के लिए जनरेटिव एआई में सुधार के रूप में प्रतिकृति करना मुश्किल बनाते हैं।

पहचान सत्यापन प्रणाली तब गंभीर परिणाम पैदा कर सकती हैं जब वे वैध उपयोगकर्ताओं को गलत तरीके से अस्वीकार कर देती हैं। सत्यापन प्रदाता झूठे सकारात्मक, जनसांख्यिकीय प्रदर्शन और पहुंच को धोखाधड़ी-पता लगाने की सटीकता के साथ कैसे मापें?

सटीकता केवल “बुरे लोगों” को पकड़ने के बारे में नहीं होनी चाहिए; यह “अच्छे लोगों” के लिए एक घर्षण-मुक्त पथ सुनिश्चित करने के बारे में है। हमारे उद्योग में, हम विफलता को निकालने की दर (एफटीएक्सआर) पर ध्यान केंद्रित करते हैं – जो यह मापता है कि कितनी बार एक प्रणाली एक चेहरे या दस्तावेज़ को “पढ़ने” में विफल रहती है – और झूठे गैर-मिलान दर (एफएनएमआर), जहां वास्तविक उपयोगकर्ताओं को गलत तरीके से अस्वीकार कर दिया जाता है। स्रोतों के अनुसार, शुफ्ती का प्रदर्शन डीएचएस आरआईवीआर 2025 बेंचमार्क में कई उपकरणों में 0% निकासी विफलता और सबसे खराब मामले में 0.68% से कम एफएनएमआर दिखाया गया है।

डेवलपर्स को “लैब औसत” से परे जाने और “सबसे खराब मामले” जनसांख्यिकीय परिणामों के खिलाफ प्रदर्शन को मापने की आवश्यकता है। इसका अर्थ है विशिष्ट रूप से विविध त्वचा टोन, चेहरे की संरचना और सांस्कृतिक पोशाक में संगतता के लिए परीक्षण करना। हम लाखों फ्रेम वाले वैश्विक रूप से विविध डेटासेट पर अपनी कृत्रिम बुद्धिमत्ता को प्रशिक्षित करके ऐसा करते हैं। एक मजबूत मूल्यांकन तब तक पूरा नहीं होता है जब तक आप यह साबित नहीं कर लेते कि आपकी प्रणाली एक नियंत्रित कार्यालय वातावरण में उतनी ही सटीक है जितनी कि एक ग्रामीण क्षेत्र में खराब प्रकाश व्यवस्था में है। लक्ष्य एक एकीकृत पहचान परत है जो सभी के लिए न्यायसंगत, समावेशी और सुलभ बनी हुई है।

आगे देखते हुए, सरकार द्वारा समर्थित डिजिटल पहचान पर्स, क्रिप्टोग्राफ़िक रूप से सत्यापित प्रमाण पत्र और बायोमेट्रिक-बाउंड पहचान जैसी प्रौद्योगिकियां अंततः अपलोड की गई पहचान पत्र छवियों को पुराना बना देंगी, या वे केवल एक नए सेट के हमलों को बनाएंगी?

हम निश्चित रूप से एक भविष्य की ओर बढ़ रहे हैं जहां लोगों को अपने पहचान पत्र की तस्वीरें उतनी बार अपलोड नहीं करनी पड़ेंगी। सरकार द्वारा समर्थित डिजिटल पहचान पर्स और विश्वसनीय डिजिटल आईडी पहचान को साबित करना बहुत तेज़ और अधिक सुरक्षित बनाते हैं क्योंकि वे जानकारी को सीधे सत्यापित करने की अनुमति देते हैं, दस्तावेज़ की छवि पर भरोसा करने के बजाय। वे सत्यापन पूरा करने में लगने वाले समय को कम करके एक चिकनी उपयोगकर्ता अनुभव भी बनाते हैं।

हालांकि, हर नई प्रौद्योगिकी नए हमलों के अवसर पैदा करती है। दस्तावेजों को बनाने के बजाय, हमलावर डिजिटल प्रमाण पत्र चोरी करने का प्रयास कर सकते हैं, खातों पर कब्जा कर सकते हैं या विश्वसनीय पहचानों का अपहरण कर सकते हैं। यही कारण है कि डिजिटल प्रमाण पत्र पर्याप्त नहीं हैं। यह अभी भी महत्वपूर्ण है कि पहचान का उपयोग करने वाला व्यक्ति वैध मालिक है, उदाहरण के लिए, बायोमेट्रिक सत्यापन और जीवन शक्ति की जांच के माध्यम से। पहचान सत्यापन का भविष्य संभवतः विश्वसनीय डिजिटल प्रमाण पत्र को बायोमेट्रिक के साथ जोड़कर कई परतों की सुरक्षा बनाने के लिए होगा, एकल विधि पर भरोसा करने के बजाय।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें शुफ्ती पर जाना चाहिए。