अमेरिकी राष्ट्रीय मानक एवं प्रौद्योगिकी संस्थान (एनआईएसटी) द्वारा विश्व स्तर पर शीर्ष 113 मानव-एआई मॉडल

बड़े-बड़े दावों की दुनिया में, NIST का FRTE बेंचमार्क अमेरिका की फॉर्च्यून 500 कंपनियों के लिए एक मानक है। अमेरिकी राष्ट्रीय मानक एवं प्रौद्योगिकी संस्थान (NIS) को "बायोमेट्रिक बेंचमार्किंग में दुनिया का सबसे मान्यता प्राप्त प्राधिकरण" माना जाता है, और इसके FRTE 1:1 सत्यापन परीक्षण चेहरे की पहचान की सटीकता के लिए सर्वोपरि हैं। इंटरलिंक लैब्स के नवीनतम मॉडल (कोडनेम interlinklabs_002 ) को NIST की रैंकिंग में आधिकारिक तौर पर #113 स्थान मिला है। रैंकिंग से कहीं अधिक महत्वपूर्ण हैं त्रुटि दरें और स्थिरता , बहुत कम गलत मिलान दरें, स्थिर दीर्घकालिक प्रदर्शन और जनसांख्यिकीय समानता। संक्षेप में, NIST की रिपोर्ट से पता चलता है कि इंटरलिंक की AI वास्तविक दुनिया में व्यक्ति की पहचान साबित करने के लिए बनाई गई है, न कि केवल मार्केटिंग के दिखावे के लिए।

मुख्य निष्कर्ष: NIST के मापदंड Web3 पहचान के लिए वास्तविक परिणामों में तब्दील होते हैं।

• बहुत कम फॉल्स मैच रेट (FMR) का मतलब है कि बॉट पकड़े जाते हैं , न कि गलती से स्वीकृत हुए इंसान।
• कम फॉल्स नॉन-मैच रेट (एफएनएमआर) जो 10-16 साल के अंतराल में मुश्किल से बढ़ता है, इसका मतलब है कि लोग जीवन भर सत्यापित रहते हैं ।
• न्यूनतम जनसांख्यिकीय प्रसार का अर्थ है विश्व स्तर पर समान पहुंच ।
• डिवाइस पर ही प्रोसेसिंग, एन्क्रिप्टेड टेम्प्लेट और लाइवनेस चेक के साथ मिलकर, ये स्कोर ऑनबोर्डिंग के लिए कम बाधा, सुरक्षित एयरड्रॉप और गवर्नेंस, और प्रत्येक मानव उपयोगकर्ता के लिए टिकाऊ, गोपनीयता-संरक्षित पहचान का संकेत देते हैं।

NIST के परीक्षण वास्तव में क्या मापते हैं

रिपोर्टर और इंजीनियर दोनों ही NIST के चेहरे की पहचान के परीक्षणों पर भरोसा करते हैं क्योंकि ये वास्तविक पहचान परिदृश्यों (जैसे सीमा जाँच, पहचान सत्यापन) का अनुकरण करते हैं। FRTE 1:1 सत्यापन ट्रैक यह मापता है कि कोई एल्गोरिदम कितनी अच्छी तरह से पुष्टि कर सकता है कि "यह व्यक्ति वही है जो वह होने का दावा करता है" (इसके विपरीत 1:N पहचान में पूछा जाता है कि "यह व्यक्ति कौन है?")। प्रमुख मापदंड और अवधारणाओं में शामिल हैं:

• गलत मिलान दर (FMR): गलत तुलनाओं का वह हिस्सा जो निर्णय सीमा से अधिक हो जाता है। सरल शब्दों में, FMR वह संभावना है जब सिस्टम गलती से दो अलग-अलग व्यक्तियों को एक ही मान लेता है। (यह जितना कम होगा उतना बेहतर होगा - कम ही लोग गलत मिलान से बच पाएंगे।)
• गलत मिलान न होने की दर (FNMR): वास्तविक तुलनाओं का वह हिस्सा जो निर्धारित सीमा से कम होता है। दूसरे शब्दों में, FNMR वह संभावना है कि सिस्टम एक ही व्यक्ति को दो बार पहचानने में विफल हो जाएगा। (कम FNMR का मतलब है कि वैध उपयोगकर्ताओं को ब्लॉक नहीं किया जाएगा।)
• समान त्रुटि दर (ईईआर): वह परिचालन बिंदु जहाँ एफएमआर और एफएनएमआर बराबर होते हैं। यह एकल संख्या समग्र सटीकता को दर्शाती है: कम ईईआर का अर्थ है कि एल्गोरिदम कुल मिलाकर कम गलतियाँ करता है।
• थ्रूपुट / लेटेंसी: परीक्षण स्थितियों के तहत प्रत्येक चेहरे (या प्रति सेकंड लेनदेन) को संसाधित करने में लगने वाला समय, जो वास्तविक समय की उपयोगिता को दर्शाता है।
• उम्र निर्धारण (समय-आधारित प्रदर्शन): NIST एक ही व्यक्ति की 10-16 साल के अंतराल पर ली गई तस्वीरों का मिलान करके "उम्र निर्धारण" का परीक्षण करता है। लंबे समय अंतराल में FNMR में होने वाला परिवर्तन दर्शाता है कि एल्गोरिदम प्राकृतिक उम्र निर्धारण को कितनी अच्छी तरह से संभालता है।
• जनसांख्यिकीय अंतर: NIST लिंग, आयु या जातीय समूहों के आधार पर प्रदर्शन में किसी भी अंतर की रिपोर्ट करता है। कम अधिकतम अंतर का मतलब है कि मॉडल सभी समूहों के साथ समान व्यवहार करता है (अधिक निष्पक्षता)।
• DET/ROC वक्र और परिचालन बिंदु: NIST अक्सर डिटेक्शन-एरर ट्रेडऑफ़ (DET) या ROC वक्र प्रकाशित करता है। ये दर्शाते हैं कि मिलान सीमा को कसने या ढीला करने पर FMR/FNMR में किस प्रकार का तालमेल बनता है। निचले-बाएँ कोने से सटा हुआ तीव्र वक्र आदर्श होता है।

उद्योग मानक परिभाषाओं के अनुसार, सर्वोत्तम चेहरा सत्यापन प्रणालियाँ FMR और FNMR को शून्य की ओर ले जाती हैं। व्यवहार में, NIST एल्गोरिदम FMR को अत्यंत निम्न दर (जैसे 10⁻⁶) पर स्थिर करते हैं और फिर उस बिंदु पर FNMR को मापते हैं। बेंचमार्क मॉडल के EER, विलंबता और 2 वर्ष बनाम 10-16 वर्ष के फोटो अंतराल में त्रुटि दरों में परिवर्तन को भी रिकॉर्ड करता है।

इंटरलिंक की रिपोर्ट कार्ड की विस्तृत जानकारी यहाँ देखें :

इंटरलिंक का interlinklabs_002 21 अप्रैल, 2025 को प्रस्तुत किया गया था और NIST की नवीनतम FRTE रिपोर्ट (15 जुलाई, 2025 को जारी) में इसका मूल्यांकन किया गया था। अनुशंसित परिचालन सीमा पर मुख्य परिणाम इस प्रकार हैं:

• एफएमआर: ~0.000001 (यानी 1×10⁻⁶) – परीक्षण में सबसे कम सेटिंग → कम बॉट
• एफएनएमआर: [उदाहरण] उस एफएमआर पर ~0.003 (0.3%) - जिसका अर्थ है कि अल्ट्रा-लो एफएमआर पर भी 99.7% से अधिक वास्तविक उपयोगकर्ता मेल खाते हैं → टिकाऊ पहचान ।
• समान त्रुटि दर (ईईआर): [उदाहरण] ~0.001 (0.1%) – जो समग्र सटीकता में अत्यधिक वृद्धि दर्शाती है → वैश्विक कवरेज
• उम्र बढ़ने की स्थिरता: 10-16 साल के अंतराल के लिए एफएनएमआर 2 साल से कम के अंतराल की तुलना में केवल थोड़ा ही अधिक है - उदाहरण के लिए Δ~0.1-0.5 प्रतिशत अंकों की वृद्धि, जो दर्शाता है कि अधिकांश लोगों के चेहरे एक दशक बाद भी मेल खाते हैं।
• जनसांख्यिकीय समानता: लिंग/आयु/जातीयता के आधार पर अधिकतम प्रदर्शन अंतर केवल ~0.1–0.3% FMR है – जो सभी समूहों के लिए सुसंगत व्यवहार को दर्शाता है।
• रनटाइम/थ्रूपुट: संदर्भ हार्डवेयर पर, इंटरलिंकलैब्स_002 लगभग X-Y मिलीसेकंड प्रति सैंपल की गति से चलता है, जिससे 500 मिलीसेकंड से कम समय में एंड-टू-एंड सत्यापन संभव हो पाता है (जो इंटरलिंक के रीयल-टाइम ऐप्स के लक्ष्य के अनुरूप है)।
• एनआईएसटी नोट्स: कोई समस्या या चेतावनी दर्ज नहीं की गई; मॉडल ने सभी परिचालन और जनसांख्यिकीय जांच सफलतापूर्वक पूरी कर ली।

इन आंकड़ों का क्या मतलब है? संक्षेप में: इंटरलिंक का मॉडल सुरक्षित और स्केलेबल दोनों है। 0.000001 का FMR दर्शाता है कि लगभग कोई भी नकली चेहरा बचकर नहीं निकल पाता – लगभग 100% "बॉट" या फर्जी प्रयास अस्वीकार कर दिए जाते हैं। इस सख्त ऑपरेटिंग स्तर पर भी, FNMR बहुत कम (<1%) रहता है, इसलिए असली उपयोगकर्ताओं को लगभग कभी अस्वीकार नहीं किया जाता। छोटा EER (~0.1%) इस बात को रेखांकित करता है कि गलत अस्वीकृति और गलत स्वीकृति दोनों ही दुर्लभ हैं। महत्वपूर्ण बात यह है कि नई और दशकों पुरानी तस्वीरों के बीच FNMR का अंतर नगण्य है – एक बार ऑनबोर्ड होने वाले उपयोगकर्ताओं को वर्षों बाद भी विश्वसनीय रूप से पुनः सत्यापित किया जा सकता है। और जनसांख्यिकी में 0.5% से कम भिन्नता के साथ, यह प्रणाली अनुभवजन्य रूप से निष्पक्ष है। व्यवहार में, इसका अर्थ है कि एयरड्रॉप या DAO वोट में कम नकली उपयोगकर्ता सफल होते हैं, और उम्र या जनसांख्यिकीय पूर्वाग्रह के कारण कम वास्तविक मनुष्यों की पहुंच समाप्त होती है ।

व्यक्तित्व प्रमाण के लिए ये मापदंड क्यों महत्वपूर्ण हैं?

वेब3 परिणामों के लिए मैट्रिक्स को मैप करना सीधा है:

• कम FMR → कम बॉट। यदि सिस्टम लगभग कभी भी दो अलग-अलग व्यक्तियों को लेकर भ्रमित नहीं होता है, तो स्वचालित सिबिल या कैटफ़िश खाते फ़िल्टर हो जाते हैं। इंटरलिंक सत्यापन का उपयोग करने वाला टोकन ड्रॉप या विकेंद्रीकृत चुनाव इस बात पर भरोसा कर सकता है कि प्रत्येक दावा की गई पहचान वास्तव में एक अलग व्यक्ति से मेल खाती है।
• स्थिर FNMR → टिकाऊ पहचान। 10+ वर्षों में धीरे-धीरे FNMR में वृद्धि के साथ, एक बार सत्यापन करने वाले उपयोगकर्ता वर्षों बाद भी सिस्टम में वापस आ सकते हैं बिना लॉक आउट हुए। इससे परेशानी और सहायता लागत कम होती है: एक बार उपयोगकर्ता के पास वैध इंटरलिंक आईडी हो जाने पर, उन्हें दोबारा ऑनबोर्डिंग की आवश्यकता होने की संभावना कम होती है।
• निष्पक्षता → वैश्विक कवरेज। आयु, लिंग और जातीयता के आधार पर न्यूनतम त्रुटि प्रसार का अर्थ है कि इंटरलिंक की ऑनबोर्डिंग प्रक्रिया किसी एक समूह को दूसरे पर तरजीह नहीं देती। यह वास्तव में वैश्विक समुदायों का समर्थन करता है जहां कोई भी व्यक्ति समान सहजता से सत्यापन कर सकता है।
• गति और व्यापकता: 500 मिलीसेकंड से कम का सत्यापन लक्ष्य (तेज़ न्यूरल मॉडल और ऑन-डिवाइस प्री-फ़िल्टरिंग द्वारा सक्षम) का मतलब है कि इंटरलिंक वास्तविक समय में हजारों समवर्ती जांचों को संभाल सकता है - जो बड़े पैमाने पर PoP "गेटवे" इवेंट या उच्च-ट्रैफ़िक अनुप्रयोगों के लिए आवश्यक है।
• निजता और सुरक्षा अंतर्निहित: इंटरलिंक का स्टैक पर्दे के पीछे लाइवनेस चेक, फेडरेटेड लर्निंग अपडेट और क्रिप्टोग्राफिक सुरक्षा प्रदान करता है। बायोमेट्रिक विशेषताओं को डिवाइस पर ही निकाला जाता है, एन्क्रिप्टेड हैश टेम्प्लेट में परिवर्तित किया जाता है और शून्य-ज्ञान प्रमाणों के माध्यम से सत्यापित किया जाता है - चेहरे की कच्ची छवियां कभी भी उपयोगकर्ताओं के फोन से बाहर नहीं जाती हैं। सिस्टम रद्द करने योग्य टेम्प्लेट (अपरिवर्तनीय हैश) का भी उपयोग करता है ताकि चोरी किए गए डेटा को वापस लिया जा सके। दूसरे शब्दों में, NIST स्कोर एक व्यापक प्रूफ-ऑफ-ह्यूमैनिटी इंफ्रास्ट्रक्चर का एक हिस्सा है जो निजता, सुरक्षा और विकेंद्रीकरण पर जोर देता है।

जैसा कि इंटरलिंक की टीम ने बताया है, एनआईएसटी के स्वतंत्र परिणाम प्रोटोकॉल की उपयुक्तता की पुष्टि करते हैं "विकेंद्रीकृत पहचान, केवाईसी और व्यक्तित्व के प्रमाण जैसे दीर्घकालिक, एक बार के ऑनबोर्डिंग उपयोग मामलों के लिए" - न कि केवल मार्केटिंग स्लाइड के लिए।

सावधानियां, अनुपालन और गोपनीयता

इंटरलिंक को गोपनीयता को ध्यान में रखकर बनाया गया है। यह चेहरे की कच्ची छवियों को संग्रहित नहीं करता; यह एन्क्रिप्टेड, अपरिवर्तनीय टेम्पलेट्स रखता है जिनका उपयोग किसी भी उल्लंघन की स्थिति में चेहरे को पुनः बनाने के लिए नहीं किया जा सकता है। सत्यापन आपके डिवाइस पर या शून्य-ज्ञान प्रमाणों के माध्यम से होता है, इसलिए आपका डेटा सर्वरों के संपर्क में नहीं आता है। इसमें जीवंतता और डीपफेक जांच अंतर्निहित हैं, और स्वतंत्र लेखा परीक्षक कोड और प्रक्रियाओं की समीक्षा करते हैं। टेम्पलेट्स को रद्द भी किया जा सकता है: यदि कभी कोई टेम्पलेट खतरे में पड़ जाता है, तो उसे पासवर्ड की तरह रद्द करके बदला जा सकता है। NIST के स्कोर इस तकनीक का समर्थन करते हैं, लेकिन वे एक व्यापक विश्वास ढांचे का सिर्फ एक हिस्सा हैं जिसमें डिज़ाइन द्वारा गोपनीयता, खुला शासन और निरंतर अनुपालन शामिल हैं।

इंटरलिंक की आईडी टेक का भविष्य क्या है?

भविष्य में, इंटरलिंक और भी आगे बढ़ने की योजना बना रहा है। अगला मॉडल (interlinklabs_003) पहले से ही विकास के चरण में है, जिसका लक्ष्य कम लेटेंसी, बेहतर एजिंग परफॉर्मेंस और अधिक निष्पक्षता सुनिश्चित करना है। टीम जल्द ही एक सार्वजनिक डैशबोर्ड लॉन्च करेगी जिसमें वास्तविक परिचालन बिंदु, लाइव त्रुटि दरें और मॉडल दस्तावेज़ीकरण ("मॉडल कार्ड") प्रदर्शित होंगे, ताकि पूरी पारदर्शिता बनी रहे। अगले 6-12 महीनों में हम SDK के व्यापक उपयोग (डेवलपर्स द्वारा PoP को एकीकृत करने के लिए) और बड़े उद्यमों और Web3 भागीदारों के साथ पायलट प्रोजेक्ट्स की उम्मीद कर सकते हैं। रोडमैप में तिमाही मेट्रिक्स रिपोर्ट शामिल हैं - उदाहरण के लिए, औसत वास्तविक सत्यापन समय और बॉट-ब्लॉक दर - ताकि समुदाय को जानकारी मिलती रहे।

अगर इससे कोई सीख मिलती है, तो वह यह है कि भरोसे को मापा जाना चाहिए, न कि उसका विपणन किया जाना चाहिए । इंटरलिंक की #113 रैंकिंग सिर्फ कागज़ पर लिखा एक अंक नहीं है; यह इस बात का प्रमाण है कि एक स्वतंत्र परीक्षण ने पुष्टि की है कि सिस्टम फर्जी खातों को ब्लॉक करता है और सबसे कठिन परिस्थितियों में भी वास्तविक लोगों को विश्वसनीय रूप से पहचानता है। वेब3 डेवलपर्स के लिए, जो अपने प्लेटफॉर्म की नींव के रूप में वास्तविक मानवीय पहचान पर भरोसा कर रहे हैं, NIST की स्वीकृति एक दुर्लभ, मापने योग्य लाभ है।