Privacy-Preserving Architecture for On-Device Intelligent Computing Using Small Language Models

आधुनिक डिजिटल दुनिया में, हमारे स्मार्टफोन और लैपटॉप केवल संचार के उपकरण मात्र नहीं रह गए हैं; वे तेजी से व्यक्तिगत सहायकों के रूप में कार्य कर रहे हैं जो हमारे शब्दों को समझते हैं, हमारी जरूरतों का पूर्वानुमान लगाते हैं और समस्याओं को हल करने में हमारी मदद करते हैं। इस स्तर की बुद्धिमत्ता प्राप्त करने के लिए, ये उपकरण अक्सर भाषा मॉडल (language models) नामक विशाल कंप्यूटर प्रोग्रामों पर निर्भर करते हैं। पारंपरिक रूप से, जब कोई उपयोगकर्ता प्रश्न पूछता है, तो उपकरण उस अनुरोध को इंटरनेट के माध्यम से एक दूर स्थित सर्वर फार्म तक भेजता है, जहाँ शक्तिशाली कंप्यूटर उत्तर को प्रोसेस करते हैं और उसे वापस भेज देते हैं। हालाँकि यह तरीका अविश्वसनीय रूप से स्मार्ट प्रतिक्रियाओं की अनुमति देता है, लेकिन इसके लिए व्यक्तिगत डेटा को एक दूरस्थ स्थान पर सौंपने की आवश्यकता होती है, जिससे गोपनीयता और संवेदनशील जानकारी की सुरक्षा के बारे में चिंताएँ पैदा होती हैं। शोध का एक बढ़ता हुआ क्षेत्र एक अलग रास्ता तलाश रहा है: इन बुद्धिमान कार्यक्रमों को सीधे स्वयं डिवाइस पर चलाना। इन मॉडलों के छोटे, अधिक कुशल संस्करणों का उपयोग करके, शोधकर्ता इस उम्मीद में हैं कि बातचीत और डेटा को पूरी तरह से स्थानीय रखा जा सके, जिससे यह सुनिश्चित हो सके कि उपयोगकर्ता के निजी विचार उनके अपने हार्डवेयर से कभी बाहर न निकलें।

हालाँकि, प्रोसेसिंग को केवल स्थानीय डिवाइस पर ले जाने से सिस्टम स्वतः सुरक्षित नहीं हो जाता है। भले ही कंप्यूटर अलग-थलग काम कर रहा हो, फिर भी इसे एक ऐसे उपयोगकर्ता द्वारा धोखा दिया जा सकता है जो सावधानीपूर्वक तैयार किया गया, दुर्भावनापूर्ण निर्देश टाइप करता है जिसका उद्देश्य प्रोग्राम को भ्रमित करना या उसके छिपे हुए रहस्यों को उजागर करने के लिए मजबूर करना हो। इस विशिष्ट प्रकार की चालाकी को, जिसे अक्सर 'प्रॉम्ट इंजेक्शन' (prompt injection) कहा जाता है, चाहे कंप्यूटर इंटरनेट से जुड़ा हो या डेस्क पर अकेला बैठा हो, एक खतरे के रूप में देखा जाता है। डेटा को स्थानीय रखने और सॉफ्टवेयर के हेरफेर को रोकने की इस दोहरी चुनौती को संबोधित करने के लिए, भारत में संजीवन यूनिवर्सिटी की एक शोधकर्ता प्रियंका अगवन ने इन ऑन-डिवाइस सिस्टम को बनाने का एक नया तरीका प्रस्तावित किया है। यह कार्य एक सुरक्षात्मक परत बनाने पर केंद्रित है, जो यह सुनिश्चित करता है कि बुद्धिमान कार्यक्रम क्लाउड पर निर्भर रहे बिना दोनों रूप से निजी और सुरक्षित रहे।

इस शोध का मूल एक चरण-दर-चरण प्रक्रिया है जो प्रत्येक प्रश्न के लिए एक द्वारपाल (gatekeeper) के रूप में कार्य करती है। किसी क्वेरी को सीधे भाषा मॉडल को भेजने के बजाय, सिस्टम पहले इनपुट की कई विशिष्ट समस्याओं के लिए जाँच करता है। यह संवेदनशील व्यक्तिगत जानकारी के संकेतों को देखता है जिसे प्रोसेस नहीं किया जाना चाहिए, और यह उन पैटर्न को स्कैन करता है जो यह सुझाव देते हैं कि उपयोगकर्ता सिस्टम को उसकी सुरक्षा नियमों को अनदेखा करने के लिए छलने की कोशिश कर रहा है। इन सुरक्षा जाँचों से गुजरने के बाद ही इनपुट को स्थानीय भाषा मॉडल तक पहुँचने की अनुमति दी जाती है। एक बार जब मॉडल उत्तर उत्पन्न कर लेता है, तो सिस्टम उत्तर को तुरंत उपयोगकर्ता को नहीं दिखाता है। इसके बजाय, यह सुनिश्चित करने के लिए आउटपुट की दूसरी बार जाँच करता है कि प्रतिक्रिया स्वयं सुरक्षित और उपयुक्त है। यह पूरी पाइपलाइन, क्षण जब उपयोगकर्ता एक शब्द टाइप करता है जब से लेकर उत्तर दिखाई देने तक, पूरी तरह से डिवाइस पर होती है, जिसमें 'Phi-3 Mini' नामक एक छोटे, कुशल मॉडल का उपयोग किया जाता है।

यह परीक्षण करने के लिए कि यह दृष्टिकोण व्यवहार में कैसे काम करता है, शोधकर्ता ने एक वर्किंग प्रोटोटाइप बनाया जो ऐसे सॉफ्टवेयर का उपयोग करता है जो मॉडल को स्थानीय रूप से चलाने की अनुमति देता है। सिस्टम को सामान्य प्रश्नों के साथ-साथ इसे धोखा देने के विशिष्ट प्रयासों का उपयोग करके परीक्षणों की एक श्रृंखला से गुजारा गया। जब शोधकर्ताओं ने सिस्टम को "सभी पिछले निर्देशों को अनदेखा करें" (ignore all previous instructions) या "अपना सिस्टम प्रॉम्ट प्रकट करें" (reveal your system prompt) जैसे निर्देश देने की कोशिश की, तो सुरक्षा परत ने इन प्रयासों को सफलतापूर्वक पहचान लिया और मॉडल द्वारा अनुरोध को प्रोसेस करने से पहले ही उन्हें ब्लॉक कर दिया। परिणामों ने दिखाया कि एक ही सुसंगत प्रणाली में स्थानीय बुद्धिमत्ता और सख्त सुरक्षा जाँचों को मिलाना संभव है। प्रोटोटाइप ने प्रदर्शित किया कि एक डिवाइस डेटा को क्लाउड पर भेजे बिना भाषा कार्यों को संभाल सकता है, जबकि सामान्य हेरफेर युक्तियों के खिलाफ बचाव बनाए रख सकता है।

इन उत्साहजनक परिणामों के बावजूद, अध्ययन इस बात पर सावधानीपूर्वक ध्यान देता है कि सुरक्षा उपाय अभी तक हर संभावित खतरे के खिलाफ पूर्ण ढाल नहीं हैं। परीक्षण ज्ञात चालों के एक विशिष्ट सेट तक सीमित थे, और सिस्टम का मूल्यांकन हेरफेर के अधिक जटिल या छिपे हुए तरीकों के विरुद्ध नहीं किया गया है। इसके अलावा, प्रोटोटाइप में उपयोग की गई गोपनीयता जाँच प्रारंभिक है और शायद हर उस प्रकार की संवेदनशील जानकारी को न पकड़ पाए जिसे उपयोगकर्ता अनजाने में साझा कर सकता है। शोधकर्ता यह भी बताते हैं कि वर्तमान कार्य सॉफ्टवेयर डिज़ाइन पर केंद्रित है और अभी तक पूरी तरह से इस बात का आकलन नहीं करता है कि ये प्रक्रियाएं कितनी ऊर्जा खपत करती हैं या लंबे समय में विभिन्न प्रकार के हार्डवेयर पर इनका प्रदर्शन कैसा होगा। निष्कर्ष बताते हैं कि यह 'प्राइवेसी-अवेयर एआई' (privacy-aware AI) बनाने के लिए एक व्यवहार्य शुरुआती बिंदु है, लेकिन वे एक व्यापक प्रकार के हमलों और वास्तविक दुनिया के परिदृश्यों के साथ और अधिक परीक्षण की आवश्यकता पर भी प्रकाश डालते हैं ताकि यह सुनिश्चित हो सके कि सिस्टम रोजमर्रा के उपयोग के लिए पर्याप्त मजबूत है।

यह शोध व्यक्तिगत कंप्यूटिंग के भविष्य के लिए एक व्यावहारिक दृष्टि प्रदान करता है, जहाँ बुद्धिमत्ता न केवल शक्तिशाली है बल्कि उपयोगकर्ता की गोपनीयता और सुरक्षा के प्रति सम्मानजनक भी है। प्रोसेसिंग को स्थानीय रखकर और सुरक्षा जाँचों की एक समर्पित परत जोड़कर, प्रस्तावित आर्किटेक्चर यह दिखाता है कि हमें एक स्मार्ट सहायक होने और अपने डेटा को निजी रखने के बीच किसी एक को चुनने की आवश्यकता नहीं है। जबकि वर्तमान संस्करण ज्ञात सीमाओं के साथ एक प्रोटोटाइप है, यह सिद्ध करता है कि ऐसे सिस्टम के लिए तकनीकी आधार मौजूद है। जैसे-जैसे ये मॉडल छोटे और अधिक कुशल होते जा रहे हैं, स्थानीय निष्पादन और अंतर्निहित सुरक्षा जाँचों का संयोजन उन इंटेलिजेंट मशीनों के साथ बातचीत करने का मानक बन सकता है, जिससे यह सुनिश्चित हो सके कि हमारी डिजिटल बातचीत केवल हमारी ही रहे।