Benchmarking Large Language Models for Cryptanalysis and Side-Channel Vulnerabilities
यह शोध पत्र विभिन्न एन्क्रिप्शन एल्गोरिदम के माध्यम से अत्याधुनिक लार्ज लैंग्वेज मॉडल्स की क्रिप्टैनालिटिक क्षमताओं और सामान्यीकरण क्षमताओं का मूल्यांकन करने के लिए एक बेंचमार्क डेटासेट प्रस्तुत करता है, जो अंडर-जनरलाइजेशन हमलों के प्रति उनकी संभावित कमजोरियों को उजागर करता है और क्रिप्टोग्राफिक संदर्भों में एआई के दोहरे उपयोग वाले सुरक्षा जोखिमों को रेखांकित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक विशाल, अत्यंत बुद्धिमान रोबोट लाइब्रेरियन (एक लार्ज लैंग्वेज मॉडल, या LLM) है जिसने पृथ्वी की लगभग हर किताब पढ़ ली है। आप उससे एक सरल प्रश्न पूछते हैं, और वह उसका सटीक उत्तर देता है। लेकिन क्या होगा यदि आप उसे एक गुप्त कोड में लिखा गया संदेश दें? क्या वह उस कोड को तोड़ पाएगा, या वह उसे देखकर बस शून्य भाव से देखता रह जाएगा?
यह शोध पत्र इन रोबोट लाइब्रेरियन के लिए एक "तनाव परीक्षण" (stress test) की तरह है। शोधकर्ताओं ने गुप्त संदेशों का एक विशाल खेल का मैदान बनाया ताकि यह देखा जा सके कि ये AI मॉडल कोड तोड़ने वाले (code-breakers) के रूप में कितनी अच्छी तरह कार्य कर सकते हैं। यहाँ उन्होंने जो पाया, उसकी कहानी सरल रूप में दी गई है।
खेल का मैदान: गुप्त कोडों का मिश्रण
शोधकर्ताओं ने 4,509 गुप्त संदेशों का एक विशाल डेटासेट तैयार किया। इसे बंद बक्सों के एक पुस्तकालय के रूप में समझें।
- सामग्री: इन बक्सों के अंदर विज्ञान, समाचार, शेक्सपियर और यहाँ तक कि चुटकुलों के बारे में सामान्य वाक्य थे।
- ताले: उन्होंने इन वाक्यों को 9 अलग-अलग प्रकार के "तालों" (एन्क्रिप्शन विधियों) से लॉक किया था।
- आसान ताले: जैसे कि एक साधारण वर्णमाला बदलना (सीज़र साइफर) या मोर्स कोड (बिंदु और डैश)।
- मध्यम ताले: जैसे कि ग्रिड में अक्षरों को पुनर्व्यवस्थित करना (रेल फ़ेंस) या एक गुप्त कीवर्ड का उपयोग करना (विजेनेयर)।
- कठिन ताले: जैसे कि बैंकों को सुरक्षित करने के लिए आज उपयोग किए जाने वाले हाई-टेक डिजिटल ताले (RSA और AES)।
परीक्षण: क्या रोबोट ताला खोल सकता है?
शोधकर्ताओं ने विभिन्न AI मॉडलों (जैसे ChatGPT, Claude और Gemini के पीछे के दिमाग) से इन बक्सों को खोलने के लिए कहा। उन्होंने उन्हें दो तरीकों से परखा:
- जीरो-शॉट (Zero-Shot): "यहाँ एक बंद बॉक्स है। इसे खोलो।" (कोई मदद नहीं दी गई)।
- फ्यू-शॉट (Few-Shot): "यहाँ एक बंद बॉक्स और उसकी चाबी है। अब, यहाँ एक दूसरा बंद बॉक्स है। इसे खोलो।" (उन्हें एक संकेत दिया गया)।
उन्होंने क्या पाया: "आंशिक समझ" का जाल
1. "परिचितता" का पूर्वाग्रह (The "Familiarity" Bias)
रोबोट उन "आसान" तालों को खोलने में माहिर थे जिन्हें उन्होंने अपने प्रशिक्षण डेटा में लाखों बार देखा था।
- उपमा: कल्पना कीजिए कि एक बच्चा जिसने हज़ार बार एक लाल दरवाजा देखा है। यदि आप उसे लाल दरवाजा दिखाते हैं, तो वह जानता है कि उसे कैसे खोलना है। लेकिन यदि आप उसे एक नीला दरवाजा दिखाते हैं जो बिल्कुल उसी तरह काम करता है, तो वह ठिठक सकता है।
- परिणाम: AI "सीज़र" साइफर (अक्षरों को 3 स्थान खिसकाना) को आसानी से तोड़ सकता था क्योंकि उसने इसे अक्सर देखा था। लेकिन वह "एटबाश" (Atbash) साइफर (वर्णमाला को उलटना) में संघर्ष करता रहा, भले ही यह उतना ही सरल है। वे बस उस विशिष्ट पैटर्न को पर्याप्त रूप से नहीं देख पाए थे जिससे वे सामान्यीकरण कर सकें।
2. "टोकन इन्फ्लेशन" की समस्या (The "Token Inflation" Problem)
कुछ कोड संदेश को वास्तव में जितना वह है, उससे कहीं अधिक लंबा बना देते हैं।
- उपमा: कल्पना कीजिए कि आपने एक छोटा सा नोट लिखा: "Hello." लेकिन कोड इसे प्रतीकों की एक 50 पन्नों की किताब में बदल देता है। रोबोट उस एक शब्द को खोजने के लिए पूरी किताब पढ़ने की कोशिश में घबरा जाता है।
- परिणाम: मोर्स कोड या बेकन साइफर (जो अक्षरों को डॉट्स/डैश या A/B पैटर्न की लंबी स्ट्रिंग्स में बदल देते हैं) जैसे कोडों ने टेक्स्ट को बहुत बड़ा बना दिया। AI भ्रमित हो गया क्योंकि "शब्द" उनके संभालने के लिए बहुत लंबे और अजीब हो गए थे, भले ही तर्क सरल था।
3. "लगभग पहुँच जाना" का खतरा (The "Almost There" Danger - Partial Comprehension)
यह सबसे महत्वपूर्ण खोज है। भले ही AI बॉक्स को पूरी तरह से नहीं खोल सका, फिर भी वह अक्सर समझ गया कि उसके अंदर क्या था।
- उपमा: कल्पना कीजिए कि एक रोबोट एक विदेशी भाषा का अनुवाद करने की कोशिश कर रहा है। वह वाक्य की संरचना को सही ढंग से समझ लेता है और सामान्य भाव को समझ लेता है, लेकिन वह एक शब्द को समान ध्वनि वाले दूसरे शब्द से बदल देता है। यह पूर्ण अनुवाद नहीं है, लेकिन यह इतना करीब है कि खतरनाक हो सकता है।
- परिणाम: AI अक्सर गुप्त संदेश के अर्थ का अनुमान लगा सकता था, भले ही वह सटीक अक्षर वापस न लिख सके। उदाहरण के लिए, वे "Patients with hypertension..." को "Patience with your expectations..." में बदल सकते थे। वे विचार को सही पकड़ लेते थे, भले ही शब्द गलत हों।
4. "संकेत" का प्रभाव (The "Hint" Effect - Few-Shot Learning)
जब शोधकर्ताओं ने रोबots को एक विशिष्ट लॉक खोलने का एक उदाहरण दिया, तो वे इसमें बहुत बेहतर हो गए।
- उपमा: यदि आप एक रोबोट को एक बार किसी विशिष्ट प्रकार का ताला खोलने का तरीका सिखाते हैं, तो वह अक्सर उसी प्रकार के ताले को दूसरे दरवाजे पर खोलने का तरीका समझ सकता है।
- परिणाम: यह एक दोधारी तलवार है। इसका मतलब है कि यदि कोई बुरा तत्व (bad actor) सुरक्षा नियमों को बायपास करने के लिए AI को एक "संकेत" देता है, तो AI तुरंत इसे करना सीख सकता है।
मुख्य निष्कर्ष: सुरक्षा बनाम बुद्धिमत्ता
शोध पत्र AI सुरक्षा को मापने के तरीके के बारे में एक चेतावनी के साथ समाप्त होता है।
- विरोधाभास (The Paradox): आमतौर पर, हम चाहते हैं कि एक AI स्मार्ट हो और सब कुछ समझे। लेकिन सुरक्षा की दुनिया में, गुप्त कोडों को समझने में बहुत अधिक कुशल होना एक जोखिम है।
- जोखिम: यदि एक AI गुप्त कोड के भीतर हानिकारक निर्देश को "आंशिक रूप से समझ" सकता है, तो एक बुरा तत्व हानिकारक निर्देश छिपा सकता है। AI उसे पूरी तरह से डिक्रिप्ट नहीं कर पाएगा, लेकिन वह बुरे निर्देश का पालन करने के लिए पर्याप्त समझ सकता है।
- सबक: हमें इन रोबोटों को सावधान रहना सिखाना होगा। केवल इसलिए कि वे एक बिखरे हुए संदेश के अर्थ का "अनुमान" लगा सकते हैं, इसका मतलब यह नहीं है कि उन्हें उस पर कार्रवाई करनी चाहिए। शोध पत्र सुझाव देता है कि सुरक्षा के लिए, हमें इन मॉडलों को उन कोडों को तोड़ने में कम कुशल बनाना चाहिए जिन्हें उन्होंने पहले नहीं देखा है, ताकि वे अनजाने में गलत चीजों को अंदर न आने दें।
संक्षेप में: ये अत्यंत बुद्धिमान AI रोबोट किताबें पढ़ने में माहिर हैं, लेकिन जब गुप्त कोडों की बात आती है, तो वे उन बच्चों की तरह हैं जो एक खेल के नियम जानते हैं लेकिन जब नियम थोड़े बदल जाते हैं तो भ्रमित हो जाते हैं। डरावनी बात यह है कि उन्हें धोखा देने के लिए पूर्ण होने की आवश्यकता नहीं है; बस सार (gist) समझने के लिए "काफी अच्छा" होना ही काफी है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।