A Decompilation-Driven Framework for Malware Detection with Large Language Models
यह शोध पत्र एक डीकंपाइलेशन-संचालित ढांचे को प्रस्तुत करता है जो मालवेयर को वर्गीकृत करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करता है, और यह प्रदर्शित करता है कि हालांकि फाइन-ट्यून्ड मॉडल मानक मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करते हैं, फिर भी उन्हें विकसित होते खतरों का प्रभावी ढंग से पता लगाने के लिए निरंतर पुन: प्रशिक्षण की आवश्यकता होती है और वे अभी तक पारंपरिक एंटीवायरस समाधानों को प्रतिस्थापित नहीं कर सकते हैं।
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 आप एक बहुत ही व्यस्त हवाई अड्डे पर एक सुरक्षा गार्ड हैं। आपका काम हर सूटकेस (एक कंप्यूटर फ़ाइल) को देखना और यह निर्णय लेना है: "क्या यह सुरक्षित है, या यह एक बम है?"
परंपरागत रूप से, गार्ड एक चेकलिस्ट का उपयोग करते हैं। यदि किसी सूटकेस में एक विशिष्ट लॉक है, एक निश्चित वजन है, या एक ज्ञात ब्रांड का ज़िप है, तो वे उसे चिह्नित कर देते हैं। यह ज्ञात बमों के लिए बहुत अच्छा काम करता है। लेकिन क्या होगा यदि कोई अपराधी एक नए प्रकार के लॉक, एक नई सामग्री और एक अजीब आकार का उपयोग करके एक बिल्कुल नया बम बनाता है? चेकलिस्ट विफल हो जाती है क्योंकि वह बम उस सूची में मौजूद चीज़ों जैसा नहीं दिखता।
यह पेपर एक नए प्रकार के गार्ड को आज़माने के बारेंे में है: एक AI जासूस (एक लार्ज लैंग्वेज मॉडल, या LLM) जो केवल एक सूची की जाँच नहीं करता, बल्कि यह समझने के लिए कि वह क्या करने की कोशिश कर रहा है, वास्तव में सूटकेस के अंदर के निर्देशों को पढ़ता है।
यहाँ शोधकर्ताओं ने इस विचार का परीक्षण कैसे किया, इसे सरल रूप में समझाया गया है:
1. अनुवाद की समस्या
कंप्यूटर वायरस (मालवेयर) "मशीन कोड" में लिखे जाते हैं, जो इंसानों और यहाँ तक कि अधिकांश AI के लिए भी उलझे हुए अक्षरों जैसा दिखता है। यह एक ऐसी किताब को पढ़ने जैसा है जो एक गुप्त, कोडित भाषा में लिखी गई है।
इसे ठीक करने के लिए, शोधकर्ताओं ने Ghidra नामक एक टूल का उपयोग किया। Ghidra को एक बहुत ही स्मार्ट अनुवादक के रूप में समझें। यह उलझे हुए मशीन कोड को लेता है और उसे C कोड (एक मानक प्रोग्रामिंग भाषा जिसे इंसान और AI दोनों पढ़ सकते हैं) में अनुवादित करता है। अब, उलझे हुए अक्षरों को देखने के बजाय, AI जासूस एक कहानी पढ़ रहा है जो सादे अंग्रेजी (यानी, कोड-अंग्रेजी) में लिखी गई है।
2. दो परीक्षण
शोधकर्ताओं ने अपने AI जासूसों को दो अलग-अलग परीक्षाएँ दीं:
परीक्षण A: "पुराने स्कूल" की परीक्षा (2017 का डेटा)
उन्होंने AI को 2017 के पुराने वायरस और सुरक्षित फ़ाइलों का एक ढेर दिया।- परिणाम: AI ठीक था, लेकिन अद्भुत नहीं। इसने लगभग 80% सही पहचाना।
- तुलना: उन्होंने एक पारंपरिक "चेकलिस्ट" वाला कंप्यूटर प्रोग्राम (XGBoost) भी इस्तेमाल किया। उस पुराने स्कूल के प्रोग्राम ने 98.5% सही पहचान की।
- सबक: पुराने, परिचित खतरों पर, पारंपरिक चेकलिस्ट अभी भी राजा है। AI जासूस शोर-शराबे के कारण थोड़ा भ्रमित था।
परीक्षण B: "नए खतरे" की परीक्षा (2025 का डेटा)
उन्होंने AI को 2025 के बिल्कुल नए वायरस और सुरक्षित फ़ाइलों का एक ताज़ा ढेर दिया।- परिणाम: "ऑफ-द-शेल्फ" AI जासूस भ्रमित हो गया और इसकी सटीकता गिरकर 64% रह गई। वह अपराधियों द्वारा इस्तेमाल किए जा रहे नए तरीकों को पहचानने में असमर्थ रहा।
- ट्विस्ट: इसके बाद शोधकर्ताओं ने AI को एक "क्रैश कोर्स" (जिसे फाइन-ट्यूनिंग कहा जाता है) दिया। उन्होंने इसे विशेष रूप से अच्छे और बुरे कोड के बीच अंतर सिखाने के लिए डिज़ाइन किए गए उदाहरणों की एक छोटी, चुनिचुनी सूची दी।
- परिणाम: इस क्रैश कोर्स के बाद, AI जासूस की सटीकता उछलकर 83% हो गई। अब यह पारंपरिक चेकलिस्ट से बेहतर था (जो कि 74% तक गिर गया क्योंकि उसे नए तरीकों का पता नहीं था)।
3. बड़ी पकड़ (The Big Catch)
यह पेपर एक बहुत ही महत्वपूर्ण बात बताता है: AI अभी कोई जादुई समाधान (magic bullet) नहीं है।
यहाँ तक कि "क्रैश-कोर्स" वाले AI को भी नए खतरों का सामना करने पर संघर्ष करते देखा गया। यह एक ऐसे छात्र की तरह है जिसने पिछले साल के टेस्ट के उत्तर रट लिए हैं, लेकिन जब शिक्षक सवाल थोड़ा बदल देता है, तो वह अटक जाता है।
शोधकर्ताओं ने पाया कि AI को चालू रखने के लिए, आप इसे केवल एक बार प्रशिक्षित करके भूल नहीं सकते। आपको इसे लगातार नए उदाहरण देने होंगे जैसे-जैसे बुरे लोग सामने आते हैं। यदि आप इसकी "शिक्षा" को अपडेट करना बंद कर देते हैं, तो यह नए खतरों के खिलाफ बेकार हो जाता है।
4. सीमाएँ (यह अभी भी क्यों पूर्ण नहीं है)
पेपर कुछ बाधाओं की ओर इशारा करता है:
- "बहुत लंबा" होने की समस्या: कुछ फ़ाइलें इतनी बड़ी होती हैं कि AI की "याददाश्त" (कॉन्टेक्स्ट विंडो) भर जाती है। यह कहानी की शुरुआत पढ़ना शुरू करता है, बीच का हिस्सा भूल जाता है, और अंत में महत्वपूर्ण सुराग छोड़ देता है।
- "ब्लैक बॉक्स" की समस्या: कभी-कभी AI कहता है, "यह एक वायरस है," लेकिन वह स्पष्ट रूप से यह नहीं समझा पाता कि क्यों। सुरक्षा के मामले में, निर्णय पर भरोसा करने के लिए आपको कारण जानने की आवश्यकता होती है।
- "धोखा देने वाला" (Fake Out) मामला: कुछ सुरक्षित फ़ाइलें (जैसे सिस्टम ड्राइवर) वायरस के समान दिख सकती हैं क्योंकि वे समान निम्न-स्तरीय कार्य करती हैं। AI कभी-कभी इन "बहरूपियों" से धोखा खा जाता है।
निष्कर्ष
यह पेपर दिखाता है कि कंप्यूटर फ़ाइल के अंदर की "कहानी" को पढ़ने के लिए AI का उपयोग करना एक आशाजनक नया तरीका है, विशेष रूप से उन नए, चालाक वायरसों को पकड़ने के लिए जिन्हें पुराने चेकलिस्ट मिस कर देते हैं।
हालाँकि, AI अभी मानव सुरक्षा गार्डों या पारंपरिक एंटीवायरस सॉफ़्टवेयर को बदलने के लिए तैयार नहीं है। इसे लगातार प्रशिक्षण (जैसे एक छात्र जो कभी पढ़ाई करना बंद नहीं करता) की आवश्यकता है ताकि वह सतर्क बना रहे। यदि हम इसे बुरे कोड के नए उदाहरण देते रहेंगे, तो यह एक दिन हमारे कंप्यूटरों को सुरक्षित रखने के लिए स्वर्ण मानक (gold standard) बन सकता 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।