स्वयं सोचने वाले हथियारों से बुनियादी ढांचे को सुरक्षित करना

आपकी घटना प्रतिक्रिया योजना का कितना हिस्सा यह मानता है कि विरोधी एक ऐसा व्यक्ति है जो गलतियाँ करता है? दशकों से, हमारी सुरक्षा स्थिति इस तथ्य पर टिकी थी कि हमलावर मानव है। मनुष्य थक जाते हैं। वे ध्यान खो देते हैं। उनके पास एक साथ कई जटिल कार्यों को प्रबंधित करने के लिए सीमित बैंडविड्थ होती है। यह मानवीय सीमा हमारी रक्षा रणनीतियों में एक मूक भागीदार थी। एजेंटिक एआई (Agentic AI) ने उस बाधा को हटा दिया है। अब हम एक ऐसे युग में प्रवेश कर रहे हैं जहाँ हथियार को चलाने के लिए योद्धा की आवश्यकता नहीं है। यह सहायता करने वाले उपकरणों से कार्य करने वाले उपकरणों की ओर एक बदलाव है।

मैंने इस विकास को अग्रिम पंक्तियों से देखा है। 2023 में, मैंने SANS टेक्नोलॉजी इंस्टीट्यूट में एक श्वेतपत्र प्रकाशित किया। इसमें दिखाया गया था कि कैसे अकुशल उपयोगकर्ता भी चैटबॉट्स को कार्यात्मक मैलवेयर उत्पन्न करने के लिए फुसला सकते हैं। उस समय, एआई एक परिष्कृत पेन की तरह था। इसने कोड का मसौदा तैयार करने में मदद की, लेकिन एक इंसान को अभी भी हमले को कॉपी, पेस्ट और निष्पादित करना पड़ता था। 2025 तक, स्वायत्त एजेंटों की शुरुआत के साथ वह गतिशीलता बदल गई। आज, 2026 में, नियंत्रण पूरी तरह से हट चुका है। एजेंट ही ऑपरेटर है।

नियंत्रण टूट चुका है (The leash is severed)

तीन साल पहले के एआई और आज के एजेंटिक मॉडल के बीच मौलिक अंतर फीडबैक लूप है। आक्रामक एआई के पिछले संस्करण प्रतिक्रियाशील थे। आपने एक प्रॉम्प्ट दिया, और उसने एक प्रतिक्रिया दी। एजेंटिक एआई सक्रिय है। यह एक लक्ष्य प्राप्त करता है और फिर उसे प्राप्त करने के लिए किन उपकरणों का उपयोग करना है, यह चुनता है। यह वेब ब्राउज़ कर सकता है, टर्मिनल कमांड चला सकता है, पोर्ट स्कैन कर सकता है, और त्रुटि आने पर अपना कोड स्वयं लिख सकता है। यह एक ऐसा लूप है जिसमें किसी मानवीय हस्तक्षेप की आवश्यकता नहीं होती है।

यह बदलाव आक्रामक ऑपरेशन्स को दो दिशाओं में नया आकार दे रहा है। यह उन हमलावरों को क्षमता प्रदान करता है जिनके पास कोई तकनीकी कौशल नहीं है, और यह उन्हें गति प्रदान करता है जो पहले से ही घातक हैं। यदि आपका पेशा आक्रामक कार्य है, तो आपको यह महसूस करना चाहिए कि जो टूलिंग एक विरोधी आपके खिलाफ उपयोग करता है, वही टूलिंग आपको बचाव के लिए उपयोग करनी चाहिए। जमीन खिसक गई है। अब हम अलग-अलग घटनाओं की एक श्रृंखला के खिलाफ बचाव नहीं कर रहे हैं। हम एक निरंतर, सोचने वाली प्रक्रिया के खिलाफ बचाव कर रहे हैं जो नेटवर्क में निवास करती है।

फिशिंग संकेतों की शांत मृत्यु

सबसे तत्काल प्रभावों में से एक सोशल इंजीनियरिंग का पूर्ण स्वचालन है। एक विशिष्ट परिदृश्य में, एक हमलावर किसी विशिष्ट लक्ष्य के बारे में सार्वजनिक रूप से उपलब्ध जानकारी इकट्ठा करने के लिए एक एजेंट तैनात करता है। एजेंट लिंक्डइन प्रोफाइल को खंगालता है, बोलने के पैटर्न की नकल करने के लिए कॉन्फ्रेंस रिकॉर्डिंग देखता है, और हालिया प्रेस विज्ञप्तियां पढ़ता है। यह इस बुद्धिमत्ता का उपयोग एक व्यक्तित्व बनाने के लिए करता है। दूसरा एजेंट फिर बातचीत का प्रबंधन करता है। यह संदेश भेजता है, उत्तरों को संभालता है, और लक्ष्य को एक दुर्भावनापूर्ण लिंक या क्रेडेंशियल के अनुरोध की ओर ले जाता है।

यह उन संकेतों की मृत्यु है जिन पर हम भरोसा करते थे। वर्षों तक, हमारा फिशिंग प्रशिक्षण स्पष्ट संकेतों पर केंद्रित रहा। हमने अनाड़ी व्याकरण, सामान्य टेम्पलेट और तात्कालिकता की भावना की तलाश की। एजेंटिक एआई इन संकेतकों को मिटा देता है। प्रत्येक संदेश धाराप्रवाह और अद्वितीय होता है। यह प्राप्तकर्ता के बारे में वास्तविक तथ्यों पर आधारित होता है। हमारे डिटेक्शन को अब पूरी तरह से प्रेषक की प्रतिष्ठा और प्रमाणीकरण जैसे बुनियादी ढांचे के संकेतों पर निर्भर होना चाहिए। हम भाषाई फ़ायरवॉल को ढहते हुए देख रहे हैं। फिशिंग एक डिजिटल ट्रोजन हॉर्स है जो अब वैध डिलीवरी के समान दिखता है।

सर्विस के रूप में स्क्रिप्ट किडी का उदय

मैं अक्सर इस वर्तमान स्थिति को 'सर्विस के रूप में स्क्रिप्ट किडी' (script kiddie as a service) कहता हूँ। ऐतिहासिक रूप से, एक अकुशल अभिनेता अपनी विशेषज्ञता की कमी के कारण सीमित था। उन्हें किसी और के द्वारा एक्सप्लॉइट जारी करने का इंतज़ार करना पड़ता था। अब, सीमाएँ एआई मॉडल की क्षमता से परिभाषित होती हैं। चूंकि कई अप्रशिक्षित अभिनेता एक ही तरह के अग्रणी मॉडल का उपयोग करते हैं, इसलिए हमें एक व्यवहारिक मोनोकल्चर (एक जैसा व्यवहार) दिखाई देता है। हमले सक्षम होते हैं, लेकिन वे पहचानने योग्य पैटर्न का पालन करते हैं।

यह रक्षक के लिए एक दुर्लभ लाभ है। जब हजारों हमलावर एक्सप्लॉइट चेन बनाने के लिए एक ही अंतर्निहित मॉडल का उपयोग करते हैं, तो वे समान पदचिह्न छोड़ते हैं। हम इन डिफ़ॉल्ट व्यवहारों के लिए डिटेक्शन बना सकते हैं। हालाँकि, यह केवल बहुमत के लिए काम करता है। अनुभवी विरोधी इन डिफ़ॉल्ट से आगे अनुकूलन करते हैं। वे समानांतर में अभियान चलाने के लिए एजेंटों का उपयोग करते हैं। जिस कार्य के लिए कभी दो सप्ताह तक तीन लोगों की टीम की आवश्यकता होती थी, उसमें अब एक व्यक्ति और एक एजेंट को चार घंटे लगते हैं। उच्च गुणवत्ता वाले हमलों की मात्रा अब नया आधार रेखा (baseline) है।

एक्सप्लॉइट चेन में स्वचालन

स्वचालन शोषण (exploitation) चरण में गहराई तक चला गया है। जैसे-जैसे मॉडल टूल कॉल्स को जोड़ने में बेहतर होते गए, एक कार्यशील एक्सप्लॉइट बनाने का स्तर गिर गया। हमने इसे स्पष्ट रूप से तब देखा जब संघीय सरकार ने एंथ्रोपिक फेबल 5 (Anthropic Fable 5) को बाजार से हटाने के लिए हस्तक्षेप किया। इसकी क्षमताओं के संबंध में डर निराधार नहीं थे। जब आप एक सक्षम मॉडल को ज्ञात कमजोरियों के डेटाबेस से जोड़ते हैं, तो वह अपना स्वयं का टोही (reconnaissance) कार्य करता है। यह निर्णय लेता है कि लक्ष्य के किस चीज़ के संपर्क में आने की संभावना है और अपनी लाइब्रेरी से मेल खाने वाला एक्सप्लॉइट निकालता है।

यह उस शिकारी कुत्ते की तरह काम करता है जिसने गंध पकड़ ली है। यह ऑपरेटर को तभी रिपोर्ट करता है जब वह हमला करने के लिए तैयार होता है। मैलवेयर भी एजेंटिक होता जा रहा है। हम ऐसे स्ट्रेन देख रहे हैं जो पिछले संस्करण को पहचानने वाले नियंत्रणों से बचने के लिए अपने स्वयं के सिग्नेचर को फिर से लिखते हैं। यह गाइडेड नेटवर्क एक्सेस वेपन (GNAW) अवधारणाओं का प्राकृतिक विकास है जिस पर मैंने वर्षों पहले चर्चा की थी। मैलवेयर अब एक स्थिर फ़ाइल नहीं है। यह सॉफ्टवेयर का एक टुकड़ा है जो अपने वातावरण के बारे में तर्क कर सकता है और गुप्त रहने के लिए अपना व्यवहार बदल सकता है।

एक झूठे ओरेकल का आत्मविश्वास

इन एजेंटों पर बहुत अधिक निर्भर रहने में खतरा है। वे अटूट अधिकार के साथ बोलते हैं, लेकिन वे सच्चाई की तलाश नहीं कर रहे हैं। एक एजेंट एक पूर्ण कार्य की तलाश में है। वह ऐसा उत्तर देना चाहता है जो सही लगे। उसके पास इस बारे में कोई विशेषाधिकार प्राप्त दृष्टिकोण नहीं है कि कोई होस्ट वास्तव में असुरक्षित है या नहीं। वह संकेतकों को एक निष्कर्ष से मिलाता है। यदि आप एक एजेंट को कमजोरियों के पुनर्प्राप्ति स्टोर (retrieval store) से जोड़ते हैं, तो वह वही सतह पर लाएगा जो संबंधित है, न कि वह जो सच है। यह अक्सर संस्करण संख्या या कॉन्फ़िगरेशन विवरण की अनदेखी करता है।

यह झूठे ओरेकल (false oracle) की समस्या है। एजेंट एक ऐसे लक्ष्य का नाम देगा जो वहां नहीं है और हमला करने की अनुमति मांगेगा। पेशेवर के लिए, इसका मतलब है कि निर्णय अब प्राथमिक कौशल है। शिल्प के यांत्रिक भाग अब मशीनी कार्य हैं। एक आश्वस्त झूठ से सच्ची खोज को जानने की क्षमता ही वह जगह है जहाँ मूल्य निहित है। हर बार जब कोई एजेंट किसी पथ का सुझाव देता है, तो एक इंसान को अभी भी तर्क को सत्यापित करना होगा। यदि आप आँख बंद करके किसी एजेंट का अनुसरण करते हैं, तो वह अंततः आपको खाई में गिरा देगा।

उपयोगिता के माध्यम से रक्षा को सिद्ध करना

रॉब टी. ली द्वारा विकसित SANS सिक्योर एआई ब्लूप्रिंट (SANS Secure AI Blueprint), इस नई वास्तविकता के लिए एक रूपरेखा प्रदान करता है। यह चुनौती को तीन ट्रैक में विभाजित करता है: एआई को सुरक्षित करें (Protect AI), एआई का उपयोग करें (Utilize AI), और एआई को नियंत्रित करें (Govern AI)। शासन नीति और निरीक्षण के बारे में है। सुरक्षा प्रणालियों को मजबूत करने के बारे में है। उपयोग वह जगह है जहाँ हम दोनों पक्षों के लिए एआई को काम पर लगाते हैं। आक्रामक ऑपरेशन्स 'उपयोग' (Utilize) ट्रैक में रहते हैं।

कई नेताओं को लगता है कि एआई सुरक्षा केवल नीतिगत बाइंडरों के बारे में है। वे गलत हैं। उपयोग ही एकमात्र ऐसा ट्रैक है जो प्रमाण देता है। एक संगठन अपनी इच्छानुसार हर दिशानिर्देश लिख सकता है, लेकिन जब तक कोई नेटवर्क के खिलाफ एजेंटिक टूल का उपयोग नहीं करता, तब तक वे दिशानिर्देश केवल सिद्धांत हैं। बचाव तभी मायने रखता है जब वह हमले के संपर्क में आता है। आक्रामक अभ्यासी की भूमिका उस संपर्क को सतह पर लाना है। हम ही वे हैं जो साबित करते हैं कि नीति और सुदृढ़ीकरण वास्तव में काम करते हैं या नहीं।

यदि आप अपने वास्तविक जोखिम को समझना चाहते हैं, तो आपको एक जोखिम मूल्यांकन करना चाहिए जिसमें स्वायत्त हमला सिमुलेशन शामिल हो। पारंपरिक पेन टेस्टिंग अब खतरे के परिदृश्य के लिए पर्याप्त दर्पण नहीं है। आपको यह देखना होगा कि आपका SOC उस विरोधी को कैसे संभालता है जो सोता नहीं है और मानवीय समय सारिणी का पालन नहीं करता है। एजेंटिक टूल के अपने उपयोग के लिए अपने तीसरे पक्ष के विक्रेताओं का ऑडिट करें। हथियार बदल गया है। हथियार पर हाथ पीछे हट गया है, लेकिन चलाने का विकल्प हमारा ही है। हमारा निर्णय ही एकमात्र ऐसी चीज़ है जिसे मशीन प्रतिस्थापित नहीं कर सकती।

स्रोत

• SANS Technology Institute: Whitepaper on Generative AI and Malware (2023)
• SANS Secure AI Blueprint: Developed by Rob T. Lee
• MITRE ATT&CK Framework: For AI-specific adversary tactics and techniques
• NIST AI Risk Management Framework (AI RMF 1.0)

अस्वीकरण: यह लेख केवल सूचनात्मक और शैक्षिक उद्देश्यों के लिए है। प्रदान की गई जानकारी पेशेवर साइबर सुरक्षा ऑडिट या घटना प्रतिक्रिया सेवा का स्थान नहीं लेती है। लेखक अवैध गतिविधियों के लिए निर्देश प्रदान नहीं करता है।