Large-scale online deanonymization with LLMs
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडल विभिन्न प्लेटफार्मों पर असंरचित पाठ (unstructured text) का विश्लेषण करके छद्म नाम वाले ऑनलाइन उपयोगकर्ताओं के बड़े पैमाने पर गुमनाम पहचान को उजागर (deanonymization) कर सकते हैं, जो शास्त्रीय विधियों की तुलना में काफी उच्च सटीकता और रिकॉल प्राप्त करते हैं और इस धारणा को चुनौती देते हैं कि ऑनलाइन गुमनामी व्यावहारिक अस्पष्टता प्रदान करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, शोर-शराबे वाली कॉस्ट्यूम पार्टी में मास्क पहने हुए हैं। आपको लगता है कि आप सुरक्षित हैं क्योंकि कोई आपका असली नाम नहीं जानता। अतीत में, यदि कोई यह पता लगाना चाहता था कि आप कौन हैं, तो उन्हें एक सुपर-डिटेक्टिव बनना पड़ता: उन्हें मैन्युअल रूप से आपकी पोस्ट को घंटों तक पढ़ना पड़ता, सुरागों का मिलान करना पड़ता और इस उम्मीद में रहना पड़ता कि आपने कोई छोटी सी गलती की होगी। यह हाथ से घास के ढेर में सुई खोजने जैसा था।
यह शोध पत्र कहता है: "सुई खोजने वाला रोबोट आ गया है, और यह अपने काम में डरावना रूप से कुशल है।"
यहाँ इस शोध का सरल शब्दों में विवरण दिया गया है:
1. पुराना तरीका बनाम नया तरीका
- पुराना तरीका (मानव जासूस): अतीत में, किसी व्यक्ति को डी-एनोनिमाइज करने (यह पता लगाने कि वे वास्तव में कौन हैं) के लिए संरचित डेटा (जैसे कि मूवी रेटिंग की एक सूची) या एक बहुत ही कुशल मानव अन्वेषक की आवश्यकता होती थी जो एक ही लक्ष्य पर घंटों बिताता। यह महंगा और धीमा था।
- नया तरीका (AI रोबोट): शोधकर्ताओं ने एक AI एजेंट बनाया है जो एक सुपर-पावर्ड डिटेक्टिव की तरह काम करता है। आप इसे एक छद्म नाम वाला प्रोफाइल (जैसे कि एक रेडिट यूजरनेम या हैकर न्यूज हैंडल) देते हैं, और AI:
- पढ़ता है: वह व्यक्ति ने जो कुछ भी कभी लिखा है उसे पढ़ता है।
- निकालता है (Extracts): सूक्ष्म विवरण निकालता है: "ओह, वे पोर्टलैंड में रहते हैं, उनके पास बिस्किट नाम का एक कुत्ता है, वे स्टैनफोर्ड में NLP पढ़ते हैं, और वे एक विशिष्ट कोडिंग लाइब्रेरी का उपयोग करते हैं।"
- खोजता है: वह सेकंडों में पूरे इंटरनेट (लाखों प्रोफाइल) को खोजता है ताकि एक मिलान मिल सके।
- तर्क करता है (Reasons): एक इंसान की तरह सोचता है: "रुको, इस लिंक्डइन प्रोफाइल में बिस्किट नाम का एक कुत्ता और स्टैनफोर्ड की डिग्री का उल्लेख है। यह एक मैच है!"
- पढ़ता है: वह व्यक्ति ने जो कुछ भी कभी लिखा है उसे पढ़ता है।
2. वे तीन "खेल" जो उन्होंने खेले
अपना बिंदु सिद्ध करने के लिए, शोधकर्ताओं ने यह देखने के लिए तीन अलग-अलग परिदृश्य सेट किए कि उनका AI "मैं कौन हूँ?" खेलने में कितना अच्छा है:
- खेल 1: "ओपन वेब" की खोज।
- सेटअप: उन्होंने AI को एक वैज्ञानिक के साक्षात्कार का ट्रांसक्रिप्ट दिया (जहाँ नाम छिपा हुआ था) और पूछा, "यह कौन है?"
- परिणाम: AI ने स्वायत्त रूप से वेब को खोजा, वैज्ञानिक का विश्वविद्यालय प्रोफाइल और GitHub कोड पाया, और 33 में से 9 वैज्ञानिकों की सही पहचान की। इसने मिनटों में वह कर दिखाया जिसमें एक इंसान को कई दिन लग सकते थे।
- खेल 2: "क्रॉस-प्लेटफॉर्म" लिंक।
- सेटअप: उन्होंने वास्तविक लोगों का डेटा लिया जिनका एक लिंक्डइन प्रोफाइल (वास्तविक पहचान) और एक हैकर न्यूज अकाउंट (छद्म नाम) था। उन्होंने हैकर न्यूज की तरफ से नाम छिपा दिए और AI से उन्हें जोड़ने के लिए कहा।
- परिणाम: AI ने 90% सटीकता के साथ 67% लोगों को सफलतापूर्वक मैच किया। पुराने "मानव-शैली" के गणितीय तरीके लगभग पूरी तरह से विफल रहे (लगते ही 0% सफलता)।
- खेल 3: "स्प्लिट पर्सनैलिटी" टेस्ट।
- सेटअप: उन्होंने एक व्यक्ति का रेडिट इतिहास लिया और उसे आधा कर दिया: "2023 से पहले" और "2023 के बाद"। उन्होंने AI से यह साबित करने के लिए कहा कि ये दो अलग-अलग अकाउंट एक ही व्यक्ति के हैं, भले ही वे अलग-अलग विषयों पर चर्चा करते हों।
- परिणाम: AI सूक्ष्म "लेखन फिंगरप्रिंट" (शैली, रुचियां, विचित्रताएं) को पहचानने में अविश्वसनीय रूप से अच्छा था, जो विषयों के बदलने के बावजूद समान रहता है।
3. "जादुई" सामग्रियां
AI पुराने तरीकों से इतना बेहतर क्यों है? शोधकर्ताओं ने इस प्रक्रिया को चार चरणों में विभाजित किया, जैसे कि एक फैक्ट्री असेंबली लाइन:
- निकालना (Extract): AI अव्यवस्थित, असंरचित टेक्स्ट (जैसे कि किसी फिल्म के बारे में भड़ास) को पढ़ता है और उसे तथ्यों की एक साफ सूची में बदल देता है (जैसे, "हॉरर फिल्में पसंद है," "ब्रिटिश अंग्रेजी में लिखता है")।
- खोजना (Search): यह उन तथ्यों के आधार पर लाखों संभावित मिलान खोजने के लिए "फजी सर्च" (एक बहुत ही स्मार्ट गूगल की तरह) का उपयोग करता है।
- तर्क करना (Reason): यही असली गुप्त मंत्र है। केवल शीर्ष मिलान चुनने के बजाय, AI शीर्ष 100 उम्मीदवारों को देखता है और सोचता है: "उम्मीदवार A के पास बिस्किट नाम का एक कुत्ता है, लेकिन उम्मीदवार B भी पोर्टलैंड के एक विशिष्ट पार्क का उल्लेख करता है। उम्मीदवार B बेहतर फिट है।"
- कैलिब्रेट करना (Calibrate): AI खुद को एक कॉन्फिडेंस स्कोर देता है। यदि वह केवल 50% सुनिश्चित है, तो वह चुप रहता है। यदि वह 95% सुनिश्चित है, तो वह मैच बनाता है। यह "गलत अलार्म" को कम रखता है।
4. बड़ा निष्कर्ष: "प्रैक्टिकल ऑब्सक्यूरिटी" खत्म हो गई है
वर्षों से, हम "प्रैक्टिकल ऑब्सक्यूरिटी" (व्यावहारिक अस्पष्टता) पर भरोसा करते आए हैं। यह इस विचार पर आधारित है कि भले ही आपके डेटा को सैद्धांतिक रूप से आपके वास्तविक नाम से जोड़ा जा सकता है, लेकिन इसे करना इतना कठिन है कि कोई भी इसे नहीं कर पाएगा, इसलिए आप सुरक्षित हैं।
यह पेपर साबित करता है कि सुरक्षा एक भ्रम है।
AI ने "काम" की लागत को "घंटों के मानव श्रम" से घटाकर "कंप्यूटर के कुछ डॉलर के समय" में बदल दिया है।
- उपमा: कल्पना कीजिए कि आपने भीड़ में खुद को सुरक्षित समझा क्योंकि भीड़ बहुत बड़ी थी जिसे स्कैन किया जा सके। अब, किसी ने भीड़ में मौजूद हर व्यक्ति को एक्स-रे चश्मा दे दिया है जो तुरंत आपके चेहरे, आपकी आवाज़ और आपके इतिहास को पहचान सकता है। भीड़ का आकार अब मायने नहीं रखता।
5. इसका आपके लिए क्या अर्थ है?
- छद्म नाम (Pseudonyms) ढाल नहीं हैं: यदि आप रेडिट, ट्विटर या फ़ोरम पर एक नकली नाम से पोस्ट करते हैं, तो आप गुमनाम नहीं हैं। यदि आप पर्याप्त विवरण साझा करते हैं (यहाँ तक कि आपके कुत्ते का नाम या आपकी नौकरी जैसे छोटे विवरण भी), तो AI संभवतः आपको आपकी वास्तविक पहचान से जोड़ सकता है।
- "माइक्रो-डेटा" लीक: आपको पहचाना जाने के लिए अपना पता पोस्ट करने की आवश्यकता नहीं है। यह पोस्ट करना कि "मुझे नियॉन होराइजन फिल्म पसंद है" और "मैं पायथन का उपयोग करता हूँ" एक अनूठा फिंगरप्रिंट बनाता है। जब इसे लाखों अन्य डेटा बिंदुओं के साथ जोड़ा जाता है, तो यह एक पहेली की तरह होता जिसे AI तुरंत हल कर लेता है।
- भविष्य: लेखक चेतावनी देते हैं कि सरकारें, निगम या बुरे तत्व इसका उपयोग कार्यकर्ताओं का पीछा करने, विज्ञापन लक्षित करने या लोगों को परेशान करने के लिए कर सकते हैं। ऑनलाइन गोपनीयता के नियमों को फिर से लिखने की आवश्यकता है क्योंकि तकनीक ने खेल ही बदल दिया है।
संक्षेप में: यह पेपर दिखाता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) ने ऑनलाइन गुमनामी को एक "किले" से बदलकर एक "कांच के घर" में बदल दिया है। दीवारें अभी भी वहीं हैं, लेकिन AI उनके पार देख सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।