कल्पना कीजिए कि आप एक विशाल, भीड़भाड़ वाली पार्टी में हैं जहाँ हर कोई एक नेम टैग पहने हुए है, लेकिन टैग थोड़े धुंधले (smudged) हैं। आप अपने दोस्तों को ढूँढना चाहते हैं, लेकिन आप उनके टैग पर स्पेलिंग को ठीक से नहीं पढ़ पा रहे हैं क्योंकि वह धुंधला है। वास्तविक दुनिया में यह हमेशा होता है: आपका फिंगरप्रिंट स्कैनर आपके प्रिंट को पिछली बार की तुलना में थोड़ा अलग पढ़ सकता है, या एक जीपीएस ऐप आपके कार को वास्तव में जहाँ है उससे कुछ फीट दूर दिखा सकता है। यह "फजी" (fuzzy) मैचिंग की समस्या है—ऐसी चीजों को खोजना जो लगभग एक जैसी हैं, बिल्कुल एक जैसी नहीं।

अब, कल्पना कीजिए कि आप इन दोस्तों को बिना किसी और को यह बताए कि आप किसे ढूँढ रहे हैं, और बिना अपना नाम टैग किसी को दिखाए, ढूँढना चाहते हैं। यह "प्राइवेट सेट इंटरसेक्शन" (PSI) की दुनिया है: एक क्रिप्टोग्राफिक जादू का खेल जहाँ दो लोग अपनी वस्तुओं की सूचियों की तुलना कर सकते हैं और मिलान (matches) पा सकते हैं, लेकिन वे उन वस्तुओं के बारे में कुछ भी नहीं जान पाते जो मेल नहीं खातीं। वर्षों से, वैज्ञानिक इस तरह का वर्शन बनाने की कोशिश कर रहे थे जो "फजी" डेटा (जैसे धुंधले टैग या थोड़े अलग फिंगरप्रिंट) के लिए काम कर सके, बिना बहुत अधिक कंप्यूटिंग पावर खर्च किए या परिणाम भेजने के लिए सुपरकंप्यूटर की आवश्यकता के। यह पेपर, जिसका शीर्षक "Towards Scalable Fuzzy PSI via Efficient Fuzzy Matching" है, एक ऐसी टीम के इंजीनियरों की तरह है जिन्होंने अभी-अभी इस तरह के तेज़ फजी मैचिंग जादू का आविष्कार किया है। लेखक, जो सिंगापुर और चीन के विश्वविद्यालयों के शोधकर्ताओं का एक समूह है, तर्क देते हैं कि पुराने तरीके बहुत धीमे और भारी थे, जैसे कि घास के ढेर में सुई खोजने के लिए घास के हर एक तिनके को एक-एक करके चेक करना। वे एक नया सिस्टम प्रस्तावित करते हैं जो चतुर शॉर्टकट और "लाइटवेट" क्रिप्टोग्राफिक टूल्स का उपयोग करता है ताकि यह प्रक्रिया बहुत तेज़ और सस्ती हो सके, खासकर बड़े डेटासेट के साथ काम करते समय।

पुराना तरीका: धीमा और भारी बोझ

यह समझने के लिए कि यह नया आविष्कार कितना बड़ा मामला है, आइए पुराने तरीकों को देखें। पहले, सुरक्षित रूप से फजी मैच खोजने के लिए, शोधकर्ता बहुत भारी और जटिल क्रिप्टोग्राफिक टूल्स पर निर्भर थे। इन टूल्स को लोहे की मज़बूत तिजोरियों के रूप में सोचें। हालांकि वे सुरक्षित हैं, लेकिन वे अविश्वसनीय रूप से भारी भी हैं। यदि आप 10,000 वस्तुओं की दो सूचियों की तुलना करना चाहते हैं, तो पुराने तरीकों के लिए इतनी अधिक कंप्यूटिंग पावर और डेटा ट्रांसफर की आवश्यकता होगी कि यह एक चम्मच से पहाड़ हिलाने जैसा महसूस होगा।

कुछ नए तरीकों ने हल्के टूल्स का उपयोग करने की कोशिश की, लेकिन उनकी एक अलग समस्या थी: जैसे-जैसे "फजीनेस" (अनुमत अंतर) बढ़ती गई, वे और भी धीमे होते गए। यह एक ऐसी कार की तरह था जो कीचड़ में फंस जाती है, जितना गहरा कीचड़ होता है, उतनी ही धीमी होती जाती है। यदि आप नेम टैग पर बड़े धब्बे (smudge) की अनुमति देना चाहते थे, तो सिस्टम रुक जाता था। इस पेपर के लेखक बताते हैं कि मौजूदा तरीके वास्तविक उपयोग के लिए पर्याप्त रूप से स्केलेबल (scalable) नहीं हैं, विशेष रूप से जब आपके पास बड़े डेटासेट हों या आपको बड़े अंतरों की आवश्यकता हो।

नया जादू: दो हल्के उपकरण

लेखकों का समाधान भारी लोहे की तिजोरियों को दो बहुत हल्के और अधिक कुशल उपकरणों से बदलना है: ऑब्लिवियस स्यूडोरेन्डम फंक्शन्स (OPRF) और ऑब्लिवियस ट्रांसफर (OT)।

OPRF को एक जादुई, अटूट लॉकबॉक्स के रूप में कल्पना करें। एक व्यक्ति इसके अंदर एक गुप्त कोड रखता है, और दूसरा व्यक्ति यह जांच सकता है कि उसके पास मौजूद चाबी इसे खोलती है या नहीं, लेकिन दोनों में से कोई भी दूसरे का गुप्त कोड नहीं जान पाता। लेखकों ने इस लॉकबॉक्स का उपयोग करने का एक नया तरीका बनाया है जो पहले की तुलना में बहुत तेज़ है। हर संभावित "लगभग मिलान" (almost matches) की जाँच करने के बजाय (जो कि एक बहुत बड़ी संख्या है), उनका नया तरीका एक "रोल-रिवर्स्ड" (भूमिका बदलने वाला) ट्रिक का उपयोग करता है। यह एक लंबी संभावनाओं की सूची को एक त्वरित जांच में संकुचित करने के लिए खेल के बीच में दो लोगों द्वारा अपनी भूमिकाएं बदलने जैसा है। यह आवश्यक समय को घातांकीय (exponentially) बढ़ने से रोकता है और इसे बहुत धीरे से बढ़ने तक सीमित करता है।

दूसरा टूल, OT, एक रेस्टोरेंट में "सीक्रेट मेनू" की तरह है। ग्राहक (प्राप्तकर्ता) एक विशिष्ट व्यंजन ऑर्डर करना चाहता है बिना वेटर (प्रेषक) को यह बताए कि उसने क्या चुना है, और वेटर उन्हें व्यंजन देता है बिना यह जाने कि उन्होंने क्या ऑर्डर किया था। लेखक इसका उपयोग यह जांचने के लिए एक कस्टमाइज्ड वर्शन का उपयोग करते हैं कि क्या दो बिंदु एक-दूसरे के पर्याप्त करीब हैं। यह विशेष रूप से छोटे, सरल डेटा के लिए अच्छा है, जैसे कि दो संख्याओं के करीब होने की जांच करना।

डबल-लेयर फ़िल्टर: एक स्मार्ट खोज

कम-आयामी डेटा (जैसे 2D निर्देशांक या 3D स्थान) के लिए, लेखक एक नया ढांचा पेश करते हैं जिसे वे "डुअल-लेयर हैशिंग" सिस्टम कहते हैं।

कल्पना कीजिए कि आप लाखों किताबों वाले पुस्तकालय में एक विशिष्ट पुस्तक की तलाश कर रहे हैं। पुराना तरीका यह था कि आप हर गलियारे में चलते और हर किताब की जांच करते। लेखकों का नया तरीका एक ऐसे लाइब्रेरियन की तरह है जो पहले किताबों को बड़े बक्सों (स्पेशियल हैशिंग) में छांटता है और फिर केवल कुछ बक्सों तक सीमित करने के लिए एक सुपर-फास्ट, स्मार्ट सॉर्टिंग मशीन (कुकू हैशिंग) का उपयोग करता है।

जादू यहाँ है: पुराने सिस्टम में, प्राप्तकर्ता को उस हर संभावित बॉक्स की जांच करनी पड़ती थी जिसमें उसकी वस्तु हो सकती थी, जिसका अर्थ था कि भले ही प्रेषक के पास केवल कुछ किताबें हों, उसे लाखों बॉक्स चेक करने पड़ते थे। लेखकों ने महसूस किया कि उनमें से अधिकांश बॉक्स खाली हैं! इसलिए, उन्होंने एक ऐसा सिस्टम बनाया जहाँ प्रेषक अपनी किताबों को केवल उन्हीं बक्सों में रखता है जिन्हें वे वास्तव में घेरते हैं। प्राप्तकर्ता फिर केवल उन विशिष्ट बक्सों की जांच करता है। यह एक विशाल, असंभव खोज को एक छोटी, प्रबंधनीय खोज में बदल देता है। वे इसे "इनपुट डोमेन को कम करना" कहते हैं, जो बस एक फैंसी तरीका है यह कहने का कि, "आइए केवल वहीं देखें जहाँ चीजें वास्तव में हैं।"

यह सुनिश्चित करने के लिए कि यह शॉर्टकट गलती से गलत किताबें न दिखा दे (फॉल्स पॉजिटिव), उन्होंने एक अंतिम "कंसिस्टेंसी चेक" जोड़ा है। यह एक सुरक्षा गार्ड की तरह है जो यह दोबारा जांचता है कि आपके द्वारा पाई गई किताब वास्तव में सही बॉक्स में है या नहीं, इससे पहले कि उसे ले जाने दिया जाए।

परिणाम: पार्टी की गति बढ़ाना

लेखकों ने इसे केवल सिद्धांत में नहीं बनाया; उन्होंने इसे बनाया और परीक्षण किया। उन्होंने अपने नए प्रोटोकॉल को मौजूदा सर्वोत्तम तरीकों (वैन बार्सन और पु, और पिस्के एट अल जैसे शोधकर्ताओं के) के विरुद्ध एक शक्तिशाली सर्वर पर सिम्युलेटेड डेटा का उपयोग करके चलाया।

परिणाम नाटकीय थे। कम-आयामी डेटा (जैसे 2 से 8 आयाम) के लिए, उनका नया प्रोटोकॉल पिछले सबसे अच्छे तरीके की तुलना में रनिंग टाइम में 145 गुना तेज़ था और नेटवर्क पर भेजे गए डेटा को 20 गुना कम कर दिया गया। उच्च-आयामी डेटा (जैसे 16 से 64 आयाम) के लिए, उन्होंने 36 गुना तक की स्पीडअप और 54 गुना तक की संचार कमी देखी।

उन्होंने यह भी दिखाया कि उनका सिस्टम बड़े "फजीनेस" थ्रेशोल्ड को बहुत बेहतर तरीके से संभालता है। जबकि पुराने तरीके काफी धीमे हो जाते थे यदि आप बड़े अंतरों की अनुमति देते, उनका सिस्टम तेज़ और कुशल बना रहा।

वे क्या नहीं कर पाए (और यह क्यों महत्वपूर्ण है)

यह ध्यान रखना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं करता है। लेखक सावधानी बरतते हुए कहते हैं कि उनका हाई-डायमेंशनल समाधान एक विशिष्ट धारणा पर निर्भर करता है: कि डेटा पॉइंट्स "ग्लोबली डिसजॉइंट" (globally disjoint) हैं। हमारे पार्टी एनालॉजी में, इसका मतलब यह मान लेना है कि कोई भी दो दोस्त एक-दूसरे के इतने करीब नहीं खड़े हैं कि उनके धुंधले नेम टैग आपस में उलझ जाएं। हालांकि यह एक मजबूत धारणा है और शायद हर वास्तविक परिदृश्य में फिट न बैठे, लेकिन यह उन्हें उस अविश्वसनीय गति को प्राप्त करने की अनुमति देती है जो उन्होंने हासिल की है। वे स्पष्ट रूप से कहते हैं कि इस धारणा के बिना, समस्या बहुत कठिन है, और वे अभी तक उस कठिन संस्करण को हल करने का दावा नहीं करते हैं।

इसके अलावा, उन्होंने केवल ये विचार सुझाए नहीं हैं; उन्होंने गणितीय रूप से इन्हें सिद्ध किया है और व्यापक प्रयोगों के माध्यम से इनका समर्थन किया है। उन्होंने केवल यह नहीं कहा कि "यह तेज़ है"; उन्होंने इसे मापा, यह दिखाते हुए कि कितने सेकंड और मेगाबाइट बचाए गए।

निष्कर्ष

संक्षेप में, यह पेपर गोपनीयता बनाए रखते हुए फजी मैचिंग को व्यावहारिक बनाने की दिशा में एक बड़ा कदम प्रस्तुत करता है। भारी, धीमे क्रिप्टोग्राफिक टूल्स को हल्के, स्मार्ट टूल्स से बदलकर और एक चतुर डबल-लेयर फ़िल्टरिंग सिस्टम का उपयोग करके, लेखकों ने एक ऐसा प्रोटोकॉल बनाया है जो वर्तमान में उपलब्ध किसी भी चीज़ की तुलना में काफी तेज़ और अधिक कुशल है। हालांकि यह कुछ स्थितियों (जैसे उच्च आयामों के लिए "ग्लोबली डिसजॉइंट" धारणा) के तहत सबसे अच्छा काम करता है, इसके परिणाम बताते हैं कि हम गति या गोपनीयता से समझौता किए बिना फजी डेटा (जैसे फिंगरप्रिंट, स्थान या बायोमेट्रिक स्कैन) को सुरक्षित रूप से मैच करने के बहुत करीब हैं। यह एक याद दिलाता है कि कभी-कभी, एक विशाल समस्या को हल करने का सबसे अच्छा तरीका एक बड़ा मशीन बनाना नहीं, बल्कि एक स्मार्ट मशीन बनाना होता है।