কমপ্যাক্ট ভাষা মডেল প্রকৃত স্যাটেলাইট নেভিগেশন সিগন্যালকে জাল সিগন্যাল থেকে আলাদা করতে শেখে

জাল নেভিগেশন সিগন্যালের সমস্যা

আধুনিক গাড়ি এখন আর মানুষ পরিবহনের একটি সাধারণ যন্ত্র নয়। এটি চাকার উপর বসানো একটি জটিল কম্পিউটার, যা ক্রমাগত সিদ্ধান্ত নিচ্ছে: কোথায় ঘুরতে হবে, কখন ব্রেক করতে হবে, কীভাবে বাধা এড়াতে হবে। আর এই প্রায় প্রতিটি সিদ্ধান্তই স্যাটেলাইট নেভিগেশনের ডেটার উপর নির্ভর করে। কিন্তু কী হবে যদি স্যাটেলাইট থেকে আসা সিগন্যালটি আসল না হয়? দুর্বৃত্তরা জাল স্থানাঙ্ক সম্প্রচার করতে পারে, যা গাড়ির সামনে একটি মিথ্যা জগতের চিত্র তৈরি করবে। একে GNSS স্পুফিং বলা হয়, এবং স্বায়ত্তশাসিত পরিবহনের জন্য এই ধরনের আক্রমণ শুধু রুটের ভুল নয়, বরং একটি বাস্তব দুর্ঘটনায় পরিণত হতে পারে।

জাল সিগন্যালকে আসল সিগন্যাল থেকে আলাদা করা সহজ নয়। সিগন্যালের মাত্রা বা প্যাকেট আসার সময়ের সাধারণ পরীক্ষা সবসময় সাহায্য করে না — জাল সিগন্যাল খুব উচ্চ মানের হতে পারে। এই কারণেই মার্কিন যুক্তরাষ্ট্রের গবেষকরা একটি অস্বাভাবিক পদ্ধতির প্রস্তাব করেছেন: রেডিও সিগন্যালগুলোর দিকে তাকানোর পরিবর্তে, তারা নেভিগেশন ডেটা যা ভবিষ্যদ্বাণী করে সেই অনুযায়ী গাড়ির আচরণকে অন্যান্য সেন্সর — যেমন ইনর্শিয়াল মেজারিং ইউনিট, ক্যামেরা বা ওডোমেট্রি — যা দেখায় তার সাথে তুলনা করার সিদ্ধান্ত নিয়েছেন। যদি GNSS একটি কথা বলে এবং অন্যান্য সেন্সর অন্য কথা বলে, তাহলে বুঝতে হবে কিছু একটা ঠিক নেই।

ছোট মডেলগুলো কীভাবে প্রতারণা চিনতে শেখে

প্রযুক্তিটির লেখকরা (নিবন্ধটি arXiv-এ 2608.17092 নম্বরে উপলব্ধ) সাধারণ তুলনার চেয়ে আরও এগিয়ে গেছেন। তারা এমন একটি সিস্টেম তৈরি করেছেন যা গাড়ির অবস্থার ডেটাকে কাঠামোবদ্ধ টেক্সট বর্ণনায় রূপান্তরিত করে — ছোট শব্দার্থিক বর্ণনা যেমন «গাড়িটি সোজা চলছে, গতি ৬০ কিমি/ঘণ্টা, GNSS বাম দিকে ২ মিটার সরে যাওয়া দেখাচ্ছে»। এই ধরনের টেক্সটের উপর একটি কমপ্যাক্ট ভাষা মডেল প্রশিক্ষিত হয়, যা সিদ্ধান্ত নেয় যে বর্তমান ডেটাতে আক্রমণের লক্ষণ আছে কিনা।

কেন কাঁচা সংখ্যা নয়, টেক্সট বর্ণনা? ভাষা মডেলগুলো ক্রমের সাথে ভালো কাজ করে এবং লুকানো প্যাটার্ন ধরতে পারে, যা একটি সাধারণ সূত্রের মাধ্যমে প্রকাশ করা কঠিন। তাছাড়া, এই ফরম্যাটটি সহজেই নতুন ধরনের ডেটা যোগ করতে দেয় — চাকার তাপমাত্রা থেকে রাডারের রিডিং পর্যন্ত — শুধু বর্ণনায় সেগুলো যুক্ত করলেই হয়।

প্রশিক্ষণ নিজেই তথ্যের দুটি প্রবাহের তুলনার উপর ভিত্তি করে: একটি নেভিগেশন সিস্টেম থেকে নেওয়া হয়, অন্যটি স্বাধীন সেন্সর থেকে। যদি তারা একটি নির্দিষ্ট উপায়ে ভিন্ন হয়, মডেলটি শ্রেণিবদ্ধ করতে শেখে যে ঠিক কী ঘটেছে: সিগন্যালটি আংশিকভাবে প্রতিস্থাপিত হয়েছে, সম্পূর্ণভাবে, নাকি আক্রমণটি এখনও শুরু হচ্ছে।

পরীক্ষা এবং ফলাফল

এই পদ্ধতিটি কতটা ভালো কাজ করে তা যাচাই করার জন্য, গবেষকরা পাঁচটি পরিস্থিতি নিয়ে এক সিরিজ পরীক্ষা চালিয়েছেন:

• কোনো আক্রমণ নেই — স্বাভাবিক চলাচল;
• overshoot — প্রয়োজনীয় মোড় অতিক্রম করে চলে যাওয়া;
• stopped — সম্পূর্ণ থেমে যাওয়ার অনুকরণ;
• turn-by-turn — ধাপে ধাপে মিথ্যা দিকনির্দেশনা;
• wrong-turn — ভুল মোড়, যা গাড়িটি allegedly নিচ্ছে।

ডেটা ল্যাবরেটরি সিমুলেশন এবং দক্ষিণ ক্যারোলিনার ক্লেমসন শহরে বাস্তব ফিল্ড পরীক্ষা উভয় থেকে সংগ্রহ করা হয়েছিল। ফিল্ড ডেটা ভৌগোলিকভাবে নতুন ছিল — অর্থাৎ মডেলটি প্রশিক্ষণের সময় সেগুলোর মুখোমুখি হয়নি। এটি একটি গুরুত্বপূর্ণ পরীক্ষা: অ্যালগরিদমটি শুধু পরিচিত রুটেই নয়, অপরিচিত রুটেও কাজ করতে হবে।

ফলাফলগুলো বড় ভাষা মডেলের সাথে তুলনা করা হয়েছিল, যেগুলো একই ডেটার উপর প্রশিক্ষিত ছিল। দেখা গেছে যে কমপ্যাক্ট মডেলগুলো তাদের «বড়» ভাইদের থেকে কোনোভাবেই পিছিয়ে নেই: গড় নির্ভুলতা ৯৬.৯৯%, precision — ৯৯.০৫%, recall — ৯৫.৫৯%, এবং F1-মাপ — ৯৭.১৮%। আর এটিও যখন ছোট মডেলগুলোর উল্লেখযোগ্যভাবে কম কম্পিউটেশনাল রিসোর্স প্রয়োজন।

সবচেয়ে আকর্ষণীয় বিষয় হল প্রতিক্রিয়ার গতি। সিস্টেমটি রিয়েল-টাইমে ডেটা প্রসেস করতে সক্ষম, প্রশিক্ষণ এবং ইনফারেন্সের সময় GPU-তে বোঝা না ফেলে। এটি এটিকে সরাসরি গাড়ির অনবোর্ড কম্পিউটারে ইনস্টল করার উপযোগী করে তোলে, যেখানে শক্তিশালী সার্ভার এবং সীমাহীন শক্তি নেই।

কেন এটি বাস্তব পরিবহনের জন্য গুরুত্বপূর্ণ

বড় ভাষা মডেলগুলো তাদের ক্ষমতা দিয়ে впеন্ন করে, কিন্তু গাড়ির জন্য আকার গুরুত্বপূর্ণ। আধুনিক পরিবহন একটি সীমিত কম্পিউটেশনাল প্ল্যাটফর্ম: এখানে প্রতিটি ওয়াট শক্তি এবং প্রতিটি মেগাবাইট র্যাম মূল্যবান। যে মডেলটির জন্য শক্তিশালী গ্রাফিক্স কার্ড প্রয়োজন, তা সিরিয়াল প্রোডাকশন গাড়িতে আসার সম্ভাবনা কম। কিন্তু একটি কমপ্যাক্ট সমাধান, যা অনবোর্ড কম্পিউটারের মতো একই হার্ডওয়্যারে কাজ করে, তা বাস্তবায়নের জন্য সম্পূর্ণ বাস্তব প্রার্থী।

তাছাড়া, ছোট মডেলগুলো দ্রুত আপডেট হয় এবং নতুন ধরনের আক্রমণের সাথে সহজে খাপ খাইয়ে নেয়। যদি দুর্বৃত্তরা জাল করার একটি নতুন পরিস্থিতি উদ্ভাবন করে, সিস্টেমটিকে গুরুতর খরচ ছাড়াই নতুন উদাহরণের উপর পুনরায় প্রশিক্ষণ দেওয়া যাবে। এটি এমন একটি নমনীয়তা যা নিরাপত্তার জন্য অত্যন্ত গুরুত্বপূর্ণ।

আরেকটি গুরুত্বপূর্ণ বিষয় — ইন্টারনেট ছাড়া কাজ করার ক্ষমতা। স্পুফিং সনাক্ত করার জন্য ক্লাউড সার্ভারে যোগাযোগের প্রয়োজন নেই: সবকিছু স্থানীয়ভাবে ঘটে। এটি বিলম্ব কমায় এবং যোগাযোগের উপর নির্ভরতা দূর করে।

উপসংহার

গবেষণাটি দেখায় যে কমপ্যাক্ট ভাষা মডেলগুলো কেবল বড় সিস্টেমের ছোট সংস্করণ নয়, বরং প্রযুক্তিগত নিরাপত্তা সমস্যা সমাধানের জন্য একটি স্বাধীন হাতিয়ার। ডেটাকে টেক্সট বর্ণনায় বুদ্ধিমান রূপান্তরের মাধ্যমে তারা স্যাটেলাইট নেভিগেশনের আসল সিগন্যালকে জাল থেকে উচ্চ নির্ভুলতার সাথে আলাদা করতে শিখেছে এবং একই সাথে যথেষ্ট দ্রুত কাজ করে, যাতে বাস্তব গাড়িতে ব্যবহার করা যায়।

অবশ্যই, সিরিয়াল প্রোডাকশনের আগে আরও অতিরিক্ত পরীক্ষা চালাতে হবে — উদাহরণস্বরূপ, আরও জটিল শহুরে পরিবেশে বা খারাপ আবহাওয়ায় সিস্টেমটি পরীক্ষা করা। কিন্তু পদ্ধতিটি নিজেই খুব আশাব্যঞ্জক দেখাচ্ছে: মডেলগুলোকে অসীমভাবে জটিল করার পরিবর্তে, গবেষকরা সেগুলোর কমপ্যাক্ট সংস্করণগুলো কার্যকরভাবে ব্যবহার করার একটি উপায় খুঁজে পেয়েছেন যেখানে সত্যিই প্রয়োজন।