आपला फोन किंवा संगणक नसलेल्या आपल्या आयुष्यातील नियमित दिवसाची कल्पना करा आणि या मोबाइल डिव्हाइसवर आपल्या नित्यकर्माचा किती मोठा भाग लटकला आहे हे आपल्याला कळेल.
तंत्रज्ञानाने जीवनात अकल्पनीय फायदे इंजेक्शन दिले आहेत जसे आम्हाला माहित आहे, कनेक्टिव्हिटीपासून परस्पर संबंधांपर्यंत त्वरित कोणत्याही माहितीचा तुकडा प्रदान करण्यापर्यंत. तथापि, तंत्रज्ञानाच्या अशा विस्तारामुळे असुरक्षितता आणि धमक्या उद्भवल्या आहेत – सायबर फसवणूक, सायबर हल्ले इत्यादी जगभरातील देशांसाठी.
एआय क्रांतीविषयी एका कार्यक्रमात बोलताना, गुवाहाटीच्या कापूस विद्यापीठाच्या सहकार्याने जबाबदार गुंतवणूकीसाठी (शेअर) आकांक्षा सुसंवाद साधण्यासाठी सोसायटीने आयोजित केलेल्या आयपीएसचे माजी आयपीएस अधिकारी भास्कर ज्योती महंता यांनी एआय-संबंधित विकासात्मक उपक्रम आणि त्यांचे सामाजिक परिणाम यावर भर दिला.
ते म्हणाले, “दीपसेकने जे केले त्यापासून आपण मनापासून मनापासून विचार केला पाहिजे. “नाविन्य आणि प्रतिभा संसाधनांना कसे ट्रम्प करू शकते याचे हे सर्वात समर्पक उदाहरण आहे.”
शेअरने 'टेक-टेरर नेक्ससचे इव्हॉल्व्हिंग लँडस्केप आणि ग्लोबल साऊथसाठी प्रतिसाद पर्याय' हा अहवालही प्रसिद्ध केला. या पेपरमध्ये जागतिक दहशतवादाच्या प्रयत्नांना सामोरे जाण्यासाठी उदयोन्मुख तंत्रज्ञानाचा वापर करून दहशतवादी गट क्रियाकलापांवर लक्ष केंद्रित केले आहे. अहवालातील तपशील खाली सूचीबद्ध आहेत:
दहशतवाद आणि हिंसक अतिरेकी (टीव्हीई) म्हणजे काय आणि ते एआय कसे वापरतात?
आपल्या संशोधनात, रॅन्डी बोरमने 'दहशतवाद आणि हिंसक अतिरेकी (टीव्हीई) ची व्याख्या ही उत्क्रांती संकल्पना म्हणून केली आहे जी ऐहिक, सांस्कृतिक आणि भौगोलिक -राजकीय परिस्थितीवर आधारित मॉर्फ्स आहे. अशा अतिरेकी गट, कनेक्ट केलेल्या नेटवर्कद्वारे कार्यरत आहेत, बाह्य शक्तींसह निर्मूलन करणे कठीण आहे. उदयोन्मुख जनरेटिव्ह एआय अशा गैरवर्तनांना गती देते. टेकविरूद्ध दहशतवादाच्या 2023 च्या अभ्यासानुसार अल कायदा आणि दैश सारख्या दहशतवादी पोशाख तसेच इतर अत्यंत उजव्या विचारसरणीच्या गटांद्वारे एआयचा कसा वापर केला जात आहे हे सिद्ध केले. अशा मुक्त-स्रोत साधनांसह (उंट, पायराबिक आणि भाशिनी सारख्या) विनामूल्य उपलब्ध आहेत, हे गट कोणत्याही जटिल सॉफ्टवेअरच्या मदतीशिवाय त्यांच्या मजकूराचे एकाधिक भाषांमध्ये भाषांतर करतात.
फिफा विश्वचषकातील हॅशटॅग हायजॅकिंगचे असेच एक प्रकरण होते जेथे कायद्याची अंमलबजावणी करणार्‍या एजन्सी केवळ यशस्वी ठरल्या परंतु दहशतवादी अतिरेक्यांनी ते चांगलेच चालविले.
टीव्ही भरती आणि संप्रेषण पद्धती आणि निधी
एआय-आधारित तंत्रज्ञान ताज्या कार्यकर्त्यांच्या भरतीसाठी उपयुक्त ठरले आहे आणि दहशतवादी संघटनांमध्ये आहे. यात संभाव्य भरतीची ओळख तसेच प्रस्तावित विचारसरणी त्यांच्या मनात समाविष्ट करणे या दोन्ही गोष्टींचा समावेश आहे. यूकेचा दहशतवाद कायद्याचा स्वतंत्र पुनरावलोकनकर्ता, जोनाथन हॉल एआय बॉटने दहशतवादी पटांमध्ये “भरती” केल्याची माहिती आहे.
संप्रेषण ही कोणत्याही संस्थेचा कणा आहे आणि या संदर्भात टीव्हीई भिन्न नाहीत. ओसामा बिन लादेन यांनी पोस्ट-बोरा नंतरच्या दिवसांमध्ये वापरल्या जाणार्‍या मानवी कुरिअर नेटवर्कला व्हिडिओ टेप आणि ईमेल वापरुन अल कायदाच्या सुरुवातीच्या दिवसांपासून, या गटांनी नेहमीच सुरक्षित संप्रेषणावर लक्ष केंद्रित केले आहे, तर चॅटरूम आणि एन्क्रिप्टेड मेसेजिंग अ‍ॅप्ससह कार्यरत आहे. मे २०२० नंतर सुन्नी इस्लामी राजकीय संघटना हयात तहरीर अल शाम यांनी आपल्या सदस्यांना टेलीग्राम, फेसबुक मेसेंजर इत्यादी पारंपारिक कूटबद्ध प्लॅटफॉर्मपासून दूर जाण्याची सूचना केली. कायद्याची अंमलबजावणी करणार्‍या एजन्सींना पूर्वीच्या प्लॅटफॉर्ममध्ये गट आणि वाहिन्या खाली घेण्याचे मार्ग आहेत या वाढत्या विश्वासामुळे ही ही कारवाई शक्य झाली. 2022-23 मध्ये भारतातील अल कायद-संबद्ध स्लीपर पेशींच्या बर्‍याच गोष्टींच्या बस्टिंग दरम्यान अत्यंत अत्याधुनिक अॅप्सचा समान वापर पाहिला गेला.
जानेवारी २०२25 च्या खुरासन मासिकाच्या आवाजाचा (इस्लामिक स्टेट-खुरासन प्रांत किंवा आयएस-केपी-ही हिंसक अतिरेकी संस्था प्रामुख्याने अफगाणिस्तानात स्थित आहे), विविध ओपन-सोर्स एन्क्रिप्टेड मेसेजिंग अ‍ॅप्लिकेशनवर “लाइट ऑफ डार्कनेस” नावाचा संपूर्ण अध्याय समर्पित करतो, ज्याचा त्यांच्या अनुयायांनी अनुसरण केला जाऊ शकतो.
दहशतवादी आणि हिंसक अतिरेकी त्यांच्या ऑपरेशनसाठी वित्तपुरवठा करण्यासाठी डार्क वेब आणि क्रिप्टोकरन्सी वापरुन ओळखले जातात. अमेरिकेच्या ट्रेझरी विभागाच्या म्हणण्यानुसार, धमकी कलाकार डार्क वेबकडे “इस्लामिक संघर्षाला ट्रेस न सोडता वित्तपुरवठा करतात” यासारख्या पृष्ठांवर वित्तपुरवठा करतात.
२०१ Paris च्या पॅरिस हल्ल्यासाठी आणि श्रीलंकेमध्ये २०२१ च्या इस्टर बॉम्बस्फोटासाठी वित्तपुरवठा करण्यासाठी क्रिप्टोकरन्सीचा वापर केला जात आहे. सत्यापन प्रक्रियेस पराभूत करण्यासाठी एआय-शक्तीच्या डीपफेक्स तैनात आहेत.
ए-सक्षम हिंसक अतिरेकींचा सामना करण्यासाठी ग्लोबल साउथ संघर्ष करीत आहे
जागतिक उत्तर आणि दक्षिणमधील देशांचे अंतर्गत सुरक्षा बजेट स्पष्ट आर्थिक अंतर दर्शविते. श्रीमंत राष्ट्र, विशेषत: जी 7 मध्ये, जागतिक दक्षिणेकडील बर्‍याच देशांच्या तुलनेत अंतर्गत सुरक्षेसाठी लक्षणीय उच्च बजेटचे वाटप करतात. उदाहरणार्थ, यूएसएचे 2024 बजेट 65.9 अब्ज डॉलर्स आहे, तर भारत 25.8 अब्ज डॉलर्स आहे. थायलंड, मेक्सिको, इजिप्त, ब्राझील, इंडोनेशिया, अर्जेंटिना आणि दक्षिण आफ्रिका यासारख्या देशांना असे कोणतेही बजेट देण्यात आले नाही. हा फरक कमी समृद्ध देशांमधील कायद्याची अंमलबजावणी करणार्‍या एजन्सींना सुरक्षा आव्हानांना प्रभावीपणे सोडविणे कठीण करते.
डिजिटलाइज्ड स्वरूपात डेटाची अनुपलब्धता आणि या कायदा अंमलबजावणी एजन्सींमध्ये मोठ्या डेटासेटमध्ये प्रवेश नसणे सक्रिय कृती प्रतिबंधित करते.
टेक दहशत सोडवत आहे, विशेषत: जागतिक दक्षिण भाषांमध्ये
पहिली पायरी म्हणजे निर्दोष, मशीन-वाचनीय डेटा सुनिश्चित करणे जे डेटा-एंट्री त्रुटी कमी करण्यासाठी पूर्व-प्रक्रिया केली जाऊ शकते. यासाठी डेटाची पुनर्रचना आवश्यक आहे आणि त्यात चार चरणांचा समावेश आहे: डेटा साफ करणे, डेटा एकत्रीकरण, डेटा परिवर्तन आणि डेटा कपात. हे विशेषतः जेव्हा मास्टर डेटाबेस व्युत्पन्न करण्यासाठी बहु-स्त्रोत इनपुट यंत्रणा वापरल्या जातात तेव्हा हे गंभीर आहे.
एक सुरक्षित डेटाबेस महत्त्वपूर्ण आहे, जो संवेदनशील यूएस डेटाबेसमध्ये वापरल्या जाणार्‍या संपूर्ण होमोमॉर्फिक एन्क्रिप्शन (एफएचई) आणि शोधण्यायोग्य सममितीय एन्क्रिप्शन (एसएसई) सारख्या ट्रस्टटेक सोल्यूशन्सद्वारे संरक्षित आहे. डेटा लेक विकसित करताना, टेन्सर (क्लस्टरिंग टेररिझम अ‍ॅक्शन प्रेडिक्शन) फ्रेमवर्कचा वापर, जो बहु-स्त्रोत डेटा संग्रह सक्षम करतो, असा सल्ला दिला जातो.
विविध प्लॅटफॉर्मची पारंपारिक सामग्री संयम तंत्र सामान्यत: स्थानिक भाषा आणि बोली वापरून बायपास केले जाते. या आव्हानावर मात करण्यासाठी, ओसिंटच्या संग्रहात तैनात केलेले स्वयंचलित क्रॉलर बॉट्स विविध ओपन-सोर्स भाषा भाषेच्या लिप्यंतरण सेवांसह एकत्रित करणे आवश्यक आहे. अशा प्रकारे, टीव्हीईएसद्वारे वापरलेली समान एआय-आधारित साधने त्यांचा शोध घेण्यासाठी स्वीकारली जाऊ शकतात.
सीएनएन-एलएसटीएम हायब्रीड मॉडेलने दहशतवादी घटनांचा अंदाज लावताना उच्च अचूकता (96-99.2%) दर्शविली आहे. ही एआय-शक्तीची प्रणाली संदर्भ-आधारित वैशिष्ट्ये काढण्यासाठी स्थानिक डेटा नमुन्यांची आणि लाँग शॉर्ट-टर्म मेमरी (एलएसटीएम) नेटवर्कचे विश्लेषण करण्यासाठी कॉन्व्होल्यूशनल न्यूरल नेटवर्क (सीएनएन) एकत्र करते.
Comments are closed.