– महेश कोळी
व्हॉइस क्लोनिंग हा डीपफेकसारखा एक नवा प्रकार आहे. अशा स्कॅमरकडून अगदी आईवडिलांच्या आवाजाची नक्कल करून पैशांची मागणी करत गंडा घातल्याचे प्रकार समोर आले आहेत. नेमका काय आहे हा प्रकार?
भारतासह संपूर्ण जगात सायबर गुन्हेगार त्याचा वापर आर्थिक ङ्गसवणूक करण्यासाठी करत आहेत. एआयच्या मदतीने ओळखीच्या लोकांच्या आवाजाची नक्कल करत दिशाभूल केली जात आहे. त्याला एआय ‘व्हॉइस क्लोनिंग’ असे म्हटले जाते. या क्षेत्रात प्रचंड प्रगती होत असल्याने गुन्हे देखील वाढले आहेत. सायबर गुन्हेगारासाठी नवीन शस्त्रे म्हणून समोर आले आहे. या माध्यमातून कोणालाही सहजपणे टार्गेट करत ङ्गसवणूक करता येते. सायबर गुन्हा करणारे ङ्गसवणुकीसाठी क्लोन केलेला आवाजाचा वापर करतात. उदाहरणार्थ, बँक, कंपनी यासारख्या विश्वसनीय संस्थांचे प्रतिनिधी एवढेच नाही तर पीडितांचे मित्र किंवा नातेवाईकांचा आवाज वापरत व्यक्तिगत माहिती किंवा पैसे चोरण्यासाठी कॉल केला जातो किंवा ध्वनी मेल संदेश पाठवला जातो. जेणेकरून लोकांच्या भावनांशी खेळत कारस्थान तडीस नेले जाते. अशा स्थितीत ही समस्या खूपच गंभीर रूप धारण करत आहे.
‘मॅकअॅङ्गी’च्या अहवालानुसार, 69 टक्के भारतीय नागरिक हे मानवी आवाज आणि एआयनिर्मित आवाज यांच्यातील ङ्गरक ओळण्यास असमर्थ ठरले आहेत. त्यामुळेच व्हाइस क्लोनिंगचे गांंभीर्य वाढत चालले आहे. त्याचेवळी ‘द आर्टिङ्गिशियल इम्पोस्टर’च्या अहवालानुसार 47 टक्के भारतीयांना त्याचा ङ्गटका बसला आहे किंवा व्हॉइस क्लोनिंगला बळी पडलेल्या लोकांना ते ओळखत आहेत. जागतिक पातळीवर अशा रितीने ङ्गसलेल्या लोकांची संख्या 25 टक्के आहे. याशिवाय ‘एनसीआरबी’च्या अहवालानुसार 2022 मध्ये 65,893 सायबर गुन्हे नोंदले गेले. त्याचवेळी 2021 मध्ये 52,974 प्रकरणे नोंदली गेली आहेत. यात सर्वाधिक सुमारे 65 टक्के प्रकरणे ङ्गसवणुकीची आहेत. विशेष म्हणजे आधुनिक तंत्रज्ञानाबरोबरच ठग देखील स्मार्ट असतात. ङ्गसवण्याची पारंपरिक पद्धत सोडून ते ऑनलाइनवर सहजपणे ङ्गसवणूक करत आहेत. व्हॉइस क्लोनिंगमुळे ङ्गसवणूक होण्याची शक्यता सर्वाधिक राहते. कारण या तंत्रापासून बहुसंख्य मंडळी अनभिज्ञ असतात.
व्हॉइस क्लोनिंग हे एआय तंत्रज्ञान असून ते हॅकरला कोणाचाही आवाज रिकॉर्ड करून त्या आवाजाला ‘एआय’ टूलने विकसित करून त्याला नवे रूप देण्याची सुविधा प्रदान करतो. सध्या व्हॉइस क्लोनिंगसाठी असंख्य पेड आणि मोङ्गत टूल्स आहेत किंवा सॉफ्टवेअर आहेत. त्याचा सहजपणे वापर करत व्हॉइस क्लोनिंग करता येते. एकदा आपण व्हॉइस रिकॉर्डिंगचा पुरेसा डेटा एकत्र गोळा करतो त्यावेळी व्हॉइस क्लोनिंग अॅप या डेटाचे संपादन करण्यास सुरुवात करते. डेटाला वेगवेगळ्या ध्वनी लहरीत विभागले जाते. या आधारावर एआय त्याचे आकलन करत आवाज क्लोनिंग करण्याच्या प्रक्रियेला प्रतिसाद देते. एआय पुन्हा या ध्वनी लहरींना संबंधित स्वर, भाषेत छोट्या छोट्या भागात विभागते.
अशावेळी व्हॉइस क्लोनिंगचा धोका हा केवळ व्यक्तिगत किंवा आर्थिक जोखमीपर्यंतच मर्यादित राहत नाही. या तंत्रज्ञानाचा वाढत्या दुरुपयोगामुळे बरेच नुकसान होऊ शकते. एआय तज्ज्ञांच्या मते, बनावट ऑडिओ किंवा व्हिडिओमुळे चुकीची माहिती पसरली जाऊ शकते. एकप्रकारे जगातील अनेक देशांत अशांतता निर्माण होऊ शकते. परिणामी लोकशाही मार्गाने पार पाडल्या जाणार्या निवडणुकांना ङ्गटका बसू शकतो. कारण निवडणुकीच्या काळात नेत्यांच्या भाषणाचा वापर करत व्हॉइस क्लोनिंगची समस्या ही उग्र रूप धारण करू शकते. सायबर गुन्हेगार हे विविध स्रोतांतून आवाजाचे नमुने एकत्र करू शकतात. जसे सोशल मीडियावरील व्हिडिओ, सार्वजनिक भाषण एवढेच नाही तर इंटसेप्ट केलेले कॉल या आधारे आवाजाचे नमुने एकत्र केले जाऊ शकतात. तूर्त आज एआयच्या तंत्रज्ञानाच्या वाढत्या दुरुपयोगामुळे व्हॉइस क्लोनिंगचे आव्हान मोडून काढण्याची गरज आहे.
तज्ज्ञांनी व्हॉइस क्लोनिंगचा आवाज ओळखण्यासाठी काही उपाय सुचविले आहेत. एखाद्याशी बोलताना आपल्याला समोरून अनेक प्रकारचे आवाज ऐकू येत असतील तर वेळीच सावध राहा. कारण एखाद्या गर्दीच्या ठिकाणी असलेल्या खोलीत आवाज क्लोन केलेला असू शकतो. अर्थात, तंत्रज्ञानाच्या विकासाने असे संकेत ओळखणे कठीण आहे. परंतु अशा तंत्राबाबत सजग राहणे काळाची गरज आहे. तसेच तातडीने पैसे मागितले जात असतील तर सावध व्हा आणि समोरील व्यक्तीला असे प्रश्न विचारा की तो गोंधळात पडावा. त्याचबरोबर डिजिटल ङ्गूटप्रिंटबाबतही सजग राहण्याची गरज आहे. शिवाय ऑनलाइन अपलोड करण्यात येणार्या कागदपत्रांबाबतही काळजी घेतली पाहिजे. अनोळखी कॉलपासून सावध राहा आणि प्रामुख्याने अनोळखी नंबर किंवा तातडीची मदत हवी असल्याचा दावा करणार्या कॉलपासून सावध राहा. आपली सजगता ही ङ्गसवणुकीपासून आपला बचाव करू शकते.