শাহিদ হানিফ, সিইও এবং শুফতির সহ-প্রতিষ্ঠাতা – সাক্ষাৎকারের একটি সিরিজ

শাহিদ হানিফ, শুফতির সিইও এবং সহ-প্রতিষ্ঠাতা, একজন প্রযুক্তি উদ্যোক্তা যার পরিচয় যাচাইকরণ, ফিনটেক, ব্লকচেইন এবং বিতরণ করা সফ্টওয়্যার প্ল্যাটফর্ম তৈরির ব্যাপক অভিজ্ঞতা রয়েছে। তিনি 2017 সালে Shufti প্রতিষ্ঠা করেন এবং 2024 সালের ডিসেম্বরে সিইও হওয়ার আগে এর AI-চালিত বায়োমেট্রিক এবং নথি যাচাইকরণ প্রযুক্তির অভ্যন্তরীণ উন্নয়নে নেতৃত্ব দিয়ে প্রধান প্রযুক্তি কর্মকর্তা হিসেবে সাত বছরেরও বেশি সময় কাটিয়েছেন। হানিফ ডেভেলপারস স্টুডিওর প্রতিষ্ঠাতা, 100 বিটেরও বেশি ব্লকচেইন ডেভেলপমেন্ট কোম্পানি, যেখানে তিনি পূর্বে CTO হিসাবে কাজ করেছেন। কোম্পানির প্রাথমিক পাবলিক অফার আগে cryptocurrency পেমেন্ট প্রযুক্তি. পূর্বে, তিনি প্রোগ্রামার ফোর্স প্রতিষ্ঠা করেছিলেন এবং তিনটি মহাদেশে দশটি অফিসে 500 টিরও বেশি কর্মচারীর কাছে সফ্টওয়্যার এবং ডেটা সায়েন্স কোম্পানির বিকাশে সহায়তা করেছিলেন।

Shufti হল একটি AI-চালিত পরিচয় যাচাইকরণ প্ল্যাটফর্ম যা সংস্থাগুলিকে বিশ্বাস স্থাপন করতে, জালিয়াতি প্রতিরোধ করতে এবং আপনার গ্রাহককে জানুন, আপনার ব্যবসা জানুন এবং অ্যান্টি-মানি লন্ডারিং প্রয়োজনীয়তা পূরণ করতে সহায়তা করে। এর প্ল্যাটফর্মটি নথি এবং বায়োমেট্রিক যাচাইকরণ, ইলেকট্রনিক পরিচয় যাচাইকরণ, এনএফসি-ভিত্তিক চেক, ব্যবসায়িক যাচাইকরণ, বয়সের নিশ্চয়তা, জালিয়াতি সনাক্তকরণ, চলমান পর্যবেক্ষণ এবং কেস ম্যানেজমেন্টকে একীভূত পরিকাঠামোর মাধ্যমে একত্রিত করে। কোম্পানিটি 240 টিরও বেশি দেশ এবং অঞ্চলে হাজার হাজার নথির ধরন এবং 150 টিরও বেশি ভাষা সমর্থন করে, একটি বিশ্বব্যাপী একীকরণের মাধ্যমে গ্রাহক এবং সংস্থাগুলিকে প্রমাণীকরণ করতে ব্যবসাকে সক্ষম করে। জাল নথি, গভীর জালিয়াতি, অ্যাকাউন্ট ম্যানিপুলেশন এবং সমন্বিত পরিচয় আক্রমণ সনাক্ত করতে এর প্রযুক্তি নথির সত্যতা, বায়োমেট্রিক জীবন, ডিভাইস বুদ্ধিমত্তা এবং অন্যান্য ঝুঁকির সংকেতগুলি পরীক্ষা করে।

আপনি যখন 2017 সালে Shufti-এর সহ-প্রতিষ্ঠা করেন, তখন আপনি প্রাথমিকভাবে 2024 সালে CEO হওয়ার আগে চিফ টেকনোলজি অফিসার হিসাবে কোম্পানির প্রযুক্তি উন্নয়নে নেতৃত্ব দিয়েছিলেন। ডিজিটাল পরিচয় যাচাইকরণের কোন ত্রুটিগুলি আপনাকে মূলত প্ল্যাটফর্মটি তৈরি করতে অনুপ্রাণিত করেছিল এবং জেনারেটিভ AI-এর উত্থানের সাথে আপনার সমস্যা সম্পর্কে কীভাবে পরিবর্তন হয়েছে?

2017 সালে যখন আমরা Shufti-এর সহ-প্রতিষ্ঠা করি, তখন সবচেয়ে বড় চ্যালেঞ্জ ছিল ধীরগতির যাচাইকরণ, অত্যধিক ম্যানুয়াল কাজ এবং বিভিন্ন দেশে ভালোভাবে কাজ করে না এমন সিস্টেম। অনেক পরিচয় যাচাইকরণ সমাধানগুলি অসামঞ্জস্যপূর্ণ, বিশেষ করে উচ্চ-ঝুঁকিপূর্ণ শিল্পে। তারা নন-ল্যাটিন ভাষায় নথি যাচাই করার জন্যও লড়াই করেছিল এবং বিশ্বব্যাপী পরিচয়গুলি নির্ভরযোগ্যভাবে যাচাই করতে পারেনি।

আজ, জেনারেটিভ এআই সমস্যাটি পরিবর্তন করেছে। এখন আর শুধু আইডি কার্ড পড়ার কথা নয়। এটি নথি এবং এটি উপস্থাপনকারী ব্যক্তি বাস্তব কিনা তা জানার বিষয়ে। AI পরিচয় জালিয়াতিকে দ্রুত, সস্তা এবং মাপতে অনেক সহজ করেছে। আমরা শিখেছি যে অপ্ট-ইন করার সময় কাউকে একবার যাচাই করা আর যথেষ্ট নয়৷ ব্যবসার জন্য এখন কৃত্রিম বুদ্ধিমত্তা প্রয়োজন যা এমনকি সবচেয়ে উন্নত জাল নথি এবং আইডি সনাক্ত করতে পারে।

বেলজিয়াম কর্তৃপক্ষ সম্প্রতি সতর্ক করেছে যে গত এক বছরে 10,000 এরও বেশি মানুষ এআই-চালিত পরিচয় জালিয়াতির শিকার হয়েছে। এই কেসটি কী প্রকাশ করে যে কত দ্রুত পরিচয় অপরাধ বিকশিত হচ্ছে এবং কেন বৈধ নথির এআই-উত্পাদিত অনুলিপিগুলি সনাক্ত করা বিশেষভাবে কঠিন?

বেলজিয়াম কর্তৃপক্ষের 10,000 ভুক্তভোগীদের সতর্কতা শুধুমাত্র আইসবার্গের ডগা। এটি প্রকাশ করে যে অপরাধীরা মৌলিক নথি মূল্যায়ন থেকে সম্পূর্ণ-স্কেল পরিচয় সংশ্লেষণে চলে গেছে।

এআই-উত্পন্ন কপিগুলি চিহ্নিত করা কঠিন কারণ তারা পিক্সেল স্তরে সরকারী নিদর্শনগুলিকে ঠিক অনুকরণ করতে পারে। ঐতিহ্যগত OCR (অপটিক্যাল ক্যারেক্টার রিকগনিশন) টেক্সট বের করার উপর ফোকাস করে, কিন্তু এটি ইমেজের ভিজ্যুয়াল অখণ্ডতাকে উপেক্ষা করে। AI এখন সুরক্ষা বৈশিষ্ট্যগুলিকে প্রতিলিপি করতে পারে যা আগে প্রমাণীকরণের জন্য শারীরিক উপস্থিতি প্রয়োজন ছিল, একটি নথির সমতল চিত্রকে পরিচয় প্রমাণের পরিবর্তে দায়বদ্ধ করে তোলে।

একটি চুরি হওয়া পরিচয় নথির একটি AI-উত্পন্ন অনুলিপি কীভাবে একটি প্রচলিত জাল, ম্যানিপুলেটেড নথি এবং সম্পূর্ণ সিন্থেটিক পরিচয় থেকে আলাদা?

নিম্নলিখিত পদ্ধতিগুলির মধ্যে পার্থক্য করা গুরুত্বপূর্ণ:

প্রচলিত জালিয়াতি: একটি শারীরিকভাবে জাল নথি।

ম্যানিপুলেটেড ডকুমেন্ট: একটি বৈধ আইডি যেখানে নির্দিষ্ট ক্ষেত্রগুলি (যেমন নাম বা DOB) পরিবর্তন করা হয়েছে।

সিন্থেটিক আইডেন্টিটি: একটি “ফ্রাঙ্কেনস্টাইন” ব্যক্তিত্ব যা চুরি করা আসল ডেটা (যেমন এসএসএন) বানোয়াট বিবরণের সাথে একত্রিত করে তৈরি করা হয়েছে।

আর্টিফিশিয়াল ইন্টেলিজেন্স জেনারেটেড কপি: স্ক্র্যাচ থেকে তৈরি একটি গভীর জাল নথি বা জেনারেটিভ অ্যাডভারসারিয়াল GAN ব্যবহার করে চুরি করা টেমপ্লেট। এগুলোর প্রায়শই ডিজিটাল ইতিহাসের অভাব থাকে এবং এতে ফরেনসিক আর্টিফ্যাক্ট থাকে যেমন সেন্সর নয়েজ অসঙ্গতি যা মানুষের চোখ দেখতে পারে না।

গভীর জাল নথিভুক্ত শুফতি প্রকল্পগুলি এই বছর প্রায় 3,900% বৃদ্ধি পেতে পারে। কোন ক্রিয়াকলাপটি অভিক্ষেপকে চালিত করে এবং এটি ব্যাখ্যা করার সময় সংস্থাগুলির কোন অনুমান বা সীমাবদ্ধতাগুলি বোঝা উচিত?

আমরা গভীর নথি জালিয়াতিতে 3,900% বৃদ্ধির আশা করি কারণ AI জালিয়াতি তৈরি করা এবং স্কেল করা আরও সহজ করে তুলেছে। অপরাধীরা আর শুধু ফটোতে মুখ অদলবদল করে না। তারা এখন সম্পূর্ণ জাল আইডি তৈরি করতে পারে যা প্রায়শই পুরানো প্রমাণীকরণ সিস্টেমের অতীত হয়ে যায়।

এটা বোঝা গুরুত্বপূর্ণ যে এই পূর্বাভাসটি প্রতিফলিত করে যে কত দ্রুত AI-ভিত্তিক জালিয়াতি বাড়ছে, শুধু কতগুলি জাল নথি বিদ্যমান রয়েছে তা নয়। সবচেয়ে বড় চ্যালেঞ্জ হল যে অনেক পরিচয় যাচাইকরণ সিস্টেম অনেক বছর আগে ডিজাইন করা হয়েছিল এবং বাস্তবসম্মত হলোগ্রাম বা মুখ পরিবর্তনের মতো উন্নত এআই-জেনারেটেড নকল শনাক্ত করতে পারে না। ফলস্বরূপ, জাল পরিচয় চেক পাস করতে পারে এবং কোম্পানির ডাটাবেসে লুকিয়ে থাকতে পারে।

অনেক ব্যবসা এখনও একটি আইডির ফটো বা স্ক্যানকে পরিচয়ের যথেষ্ট প্রমাণ হিসাবে বিবেচনা করে। নথিতে দৃশ্যমান তথ্যের বাইরে একটি আধুনিক যাচাইকরণ সিস্টেমের জন্য কোন সংকেতগুলি সন্ধান করা উচিত?

সবচেয়ে বড় পরিবর্তন হল যে ব্যবসাগুলি আর ঐতিহ্যগত নথি চেকের উপর নির্ভর করতে পারে না। তাদের প্রয়োজন যাকে আমরা “ডিজিটাল আই” পদ্ধতি বলি। শুধুমাত্র একটি আইডি কার্ডের তথ্য পড়ার পরিবর্তে, সিস্টেমটিকে পরীক্ষা করা উচিত যে নথিটি নিজেই আসল কিনা।

এর অর্থ হল সূক্ষ্ম লক্ষণগুলি সন্ধান করা যা মানুষ সহজেই সনাক্ত করতে পারে না, যেমন চিত্রটি একটি স্ক্রীন থেকে ক্যাপচার করা হয়েছে কিনা, অস্বাভাবিক পিক্সেল প্যাটার্ন, অসামঞ্জস্যপূর্ণ আলো, বা AI ইমেজ জেনারেটর দ্বারা পিছনে ফেলে যাওয়া ট্রেস। আমরা মেটাডেটা এবং ছবির গুণমানে অসঙ্গতি সহ নথির অংশগুলি কপি, স্থানান্তর বা ডিজিটালভাবে পরিবর্তিত হয়েছে এমন লক্ষণগুলির জন্যও পরীক্ষা করি৷ আপনি যখন এই সমস্ত সংকেতগুলিকে একত্রিত করেন, তখন আপনি অত্যাধুনিক AI-উত্পাদিত নথিগুলি সনাক্ত করার সম্ভাবনা বেশি থাকেন যেগুলি পুরানো প্রমাণীকরণ সিস্টেমগুলি কেবল জেনুইন হিসাবে গ্রহণ করবে।

আপনি যুক্তি দিয়েছিলেন যে পরিচয় নিশ্চয়তা অবিচ্ছিন্ন হওয়া উচিত এবং গ্রাহক লগইনের মধ্যে সীমাবদ্ধ নয়। ক্রমাগত প্রমাণীকরণ অনুশীলনে কেমন দেখাবে এবং কীভাবে কোম্পানিগুলি অত্যধিক ট্র্যাকিং, গোপনীয়তার ঝুঁকি বা গ্রাহকের ঘর্ষণ প্রবর্তন না করে এটি বাস্তবায়ন করতে পারে?

“এককালীন চেক” এর যুগ শেষ। ক্রমাগত পরিচয় নিরাপত্তা মানে ব্যবহারকারীর ঝুঁকি 1,700+ ওয়াচলিস্টের বিরুদ্ধে প্রতি 15 মিনিটে প্রায়ই রিফ্রেশ করা হয় যাতে “প্রত্যাবর্তনমূলক অ-সম্মতি” প্রতিরোধ করা যায়।

ঘর্ষণ বা গোপনীয়তার ঝুঁকি ছাড়াই এটি বাস্তবায়ন করতে, আমরা বায়োমেট্রিকভাবে লিঙ্কযুক্ত পুনরায় ব্যবহারযোগ্য পরিচয় (FastID) ব্যবহার করি। একবার একজন ব্যবহারকারীকে প্রমাণীকরণ করা হলে, তারা শুধুমাত্র একটি ফেস স্ক্যান ব্যবহার করে দুই সেকেন্ডেরও কম সময়ে উচ্চ-ঝুঁকিপূর্ণ ক্রিয়াকলাপগুলির জন্য (যেমন বড় প্রত্যাহার) পুনরায় প্রমাণীকরণ করতে পারে। এটি একটি উচ্চ নিরাপত্তা ভঙ্গি বজায় রেখে বারবার নথি আপলোড করার প্রয়োজনীয়তা দূর করে।

ক্রুক্স এখন ফেস সোয়াপিং, গভীর জাল ভিডিও, ইনজেকশন আক্রমণ এবং চুরি করা ব্যক্তিগত তথ্যের সাথে সিন্থেটিক নথি একত্রিত করতে পারে। এই সমন্বিত আক্রমণগুলি সনাক্ত করতে কীভাবে পরিচয় প্ল্যাটফর্মগুলি নথির অখণ্ডতা, বায়োমেট্রিক জীবন, ডিভাইস বুদ্ধিমত্তা এবং আচরণগত বিশ্লেষণকে সংযুক্ত করবে?

স্ক্যামাররা অনেক বেশি পরিশীলিত হয়ে উঠছে। শুধুমাত্র একটি কৌশল ব্যবহার করার পরিবর্তে, তারা এখন আইডেন্টিটি চেক বাইপাস করার জন্য এআই-জেনারেটেড নথি, ফেস সোয়াপিং এবং ইনজেকশন অ্যাটাককে একত্রিত করে। এই কারণেই ব্যবসাগুলিকে একক যাচাইকরণ পদক্ষেপের উপর নির্ভর না করে পুরো চিত্রটি দেখতে হবে।

বিচারকদের ক্ষেত্রে, আমরা প্রসঙ্গ-সচেতন ঝুঁকি স্কোরিংয়ের মাধ্যমে এটি করি। আমরা এমুলেটর বা হেডলেস ব্রাউজার সনাক্ত করতে ব্যবহৃত ডিভাইসটি বিশ্লেষণ করি, ব্যবহারকারী আইবেটা লেভেল 2 প্রত্যয়িত প্যাসিভ জীবনীশক্তি সনাক্তকরণের সাথে শারীরিকভাবে উপস্থিত রয়েছে কিনা তা যাচাই করি এবং পরিচয় ডেটা, ডিভাইসের আঙ্গুলের ছাপ এবং ব্যবহারকারীর আচরণ বিশ্লেষণ করে অ্যাকাউন্টগুলির মধ্যে সন্দেহজনক প্যাটার্নগুলি সন্ধান করি৷ এই সংকেতগুলিকে একত্রিত করার ফলে এটি ক্ষতি করার আগে জালিয়াতি সনাক্ত করা আরও সহজ করে তোলে।

জেনারেটিভ মডেলগুলি উন্নত হতে থাকবে, যখন প্রতারকরা ইচ্ছাকৃতভাবে ম্যানিপুলেশন আর্টিফ্যাক্টগুলি আড়াল করার জন্য সিন্থেটিক মিডিয়াকে সংকুচিত করতে, পুনরায় স্ক্যান করতে বা সংশোধন করতে পারে। প্রমাণীকরণ প্রদানকারীরা কীভাবে পরীক্ষা করে যে তাদের প্রমাণীকরণ সিস্টেমগুলি নতুন এবং পূর্বে অদেখা আক্রমণ পদ্ধতিগুলির বিরুদ্ধে কার্যকর থাকে কিনা?

চ্যালেঞ্জ হল AI-উত্পন্ন জালিয়াতি ঐতিহ্যগত নিরাপত্তা পরীক্ষা চক্রের তুলনায় অনেক দ্রুত বিকশিত হয়। প্রমাণীকরণ প্রদানকারীদের ঐতিহাসিক ডেটা সেটের উপর নির্ভর না করে নতুন আক্রমণ কৌশলগুলির বিরুদ্ধে তাদের সিস্টেমগুলিকে ক্রমাগত মূল্যায়ন করা উচিত। এর অর্থ সিন্থেটিক নথি, পুনরায় সংকুচিত চিত্র, পুনরায় স্ক্রিনশট, ইনজেকশন আক্রমণ এবং সুস্পষ্ট নিদর্শনগুলি আড়াল করার জন্য ডিজাইন করা অন্যান্য ম্যানিপুলেটেড মিডিয়া দিয়ে পরীক্ষা করা। ক্রমবর্ধমানভাবে, ফোকাস একটি নির্দিষ্ট ধরণের গভীর জালিয়াতি সনাক্তকরণ থেকে একাধিক সংকেত জুড়ে অসঙ্গতি সনাক্ত করার দিকে স্থানান্তরিত হচ্ছে, কারণ জেনারেটিভ AI উন্নত হওয়ার সাথে সাথে আক্রমণকারীদের প্রতিলিপি করা কঠিন থেকে যায়।

আইডেন্টিটি ভেরিফিকেশন সিস্টেমগুলি যখন বৈধ ব্যবহারকারীদের ভুলভাবে প্রত্যাখ্যান করে তখন গুরুতর পরিণতি তৈরি করতে পারে৷ কিভাবে ডেভেলপারদের মিথ্যা ইতিবাচক, জনসংখ্যার কর্মক্ষমতা এবং জালিয়াতি সনাক্তকরণ নির্ভুলতার পাশাপাশি অ্যাক্সেসযোগ্যতা পরিমাপ করা উচিত?

নির্ভুলতা কেবল “খারাপ লোক” ধরার বিষয়ে হওয়া উচিত নয়; এটি “ভালো ছেলেদের” জন্য একটি ঘর্ষণহীন পথ নিশ্চিত করার বিষয়ে। আমাদের শিল্পে, আমরা নিষ্কাশন ব্যর্থতার হার (FTXR)-এর উপর ফোকাস করি – যা পরিমাপ করে যে একটি সিস্টেম কত ঘন ঘন একটি মুখ বা নথি “পড়তে” ব্যর্থ হয়—এবং মিথ্যা ইতিবাচক অমিল হার (FNMR), যেখানে প্রকৃত ব্যবহারকারীদের ভুলভাবে প্রত্যাখ্যান করা হয়। সূত্র অনুসারে, DHS RIVR 2025 বেঞ্চমার্কে শুফতির পারফরম্যান্স একাধিক ডিভাইসে 0% নিষ্কাশন ব্যর্থতা এবং 0.68% এর নীচে সবচেয়ে খারাপ ক্ষেত্রে FNMR প্রদর্শন করেছে।

ডেভেলপারদের অবশ্যই “ল্যাব গড়” ছাড়িয়ে যেতে হবে এবং “সবচেয়ে খারাপ” জনসংখ্যার ফলাফলের বিরুদ্ধে কর্মক্ষমতা পরিমাপ করতে হবে। এর অর্থ বিশেষভাবে বিভিন্ন ত্বকের টোন, মুখের গঠন এবং সাংস্কৃতিক পোশাক জুড়ে ধারাবাহিকতা পরীক্ষা করা। লক্ষ লক্ষ ফ্রেম সম্বলিত বিশ্বব্যাপী বিভিন্ন ডেটাসেটে আমাদের AI প্রশিক্ষণের মাধ্যমে আমরা এটি অর্জন করি। একটি শক্তিশালী মূল্যায়ন সম্পূর্ণ হয় না যতক্ষণ না আপনি প্রমাণ করেন যে আপনার সিস্টেমটি একটি নিয়ন্ত্রিত অফিস পরিবেশে যেমন দুর্বল আলো সহ গ্রামীণ এলাকার একজন ব্যবহারকারীর জন্য ঠিক ততটাই সঠিক। লক্ষ্য হল একটি ঐক্যবদ্ধ পরিচয় স্তর যা ন্যায্য, অন্তর্ভুক্তিমূলক এবং সকলের কাছে অ্যাক্সেসযোগ্য থাকবে।

সামনের দিকে তাকিয়ে, সরকার-সমর্থিত ডিজিটাল আইডেন্টিটি ওয়ালেট, ক্রিপ্টোগ্রাফিকভাবে যাচাইযোগ্য শংসাপত্র এবং বায়োমেট্রিক-লিঙ্কড পরিচয়ের মতো প্রযুক্তিগুলি কি অবশেষে আপলোড করা নথির চিত্রগুলিকে অপ্রচলিত করে তুলবে, নাকি তারা কেবল আক্রমণের পৃষ্ঠের একটি নতুন সেট তৈরি করবে?

আমরা অবশ্যই একটি ভবিষ্যতের দিকে এগিয়ে যাচ্ছি যেখানে লোকেদের তাদের আইডির ছবি এত ঘন ঘন আপলোড করতে হবে না। সরকার-সমর্থিত ডিজিটাল পরিচয় ওয়ালেট এবং বিশ্বস্ত ডিজিটাল আইডিগুলি আপনার পরিচয়কে আরও দ্রুত এবং আরও নিরাপদ করে তোলে কারণ তারা কোনও নথির চিত্রের উপর নির্ভর না করে সরাসরি তথ্য যাচাই করার অনুমতি দেয়৷ তারা প্রমাণীকরণ সম্পূর্ণ করতে সময় কমিয়ে একটি মসৃণ ব্যবহারকারীর অভিজ্ঞতা তৈরি করে।

যাইহোক, প্রতিটি নতুন প্রযুক্তি অপরাধীদের জন্য নতুন সুযোগ তৈরি করে। নথি জাল করার পরিবর্তে, আক্রমণকারীরা ডিজিটাল শংসাপত্র চুরি করার চেষ্টা করতে পারে, অ্যাকাউন্ট দখল করতে পারে বা বিশ্বস্ত পরিচয় হাইজ্যাক করতে পারে। তাই শুধু ডিজিটাল সার্টিফিকেটই যথেষ্ট নয়। এটি এখনও নিশ্চিত করা গুরুত্বপূর্ণ যে পরিচয় ব্যবহার করা ব্যক্তিটি সঠিক মালিক, উদাহরণস্বরূপ বায়োমেট্রিক যাচাইকরণ এবং জীবন পরীক্ষার মাধ্যমে৷ পরিচয় যাচাইয়ের ভবিষ্যত বিশ্বস্ত ডিজিটাল শংসাপত্রগুলিকে বায়োমেট্রিক্সের সাথে একত্রিত করতে পারে, একটি একক পদ্ধতির উপর নির্ভর না করে সুরক্ষার একাধিক স্তর তৈরি করে।

দুর্দান্ত সাক্ষাত্কারের জন্য ধন্যবাদ, পাঠক যারা আরও জানতে চান তাদের আমার ঠোঁট পরিদর্শন করা উচিত।