A Transfer Learning Approach to Unveil the Role of Windows Common Configuration Enumerations in IEC 62443 Compliance

यहाँ शोध पत्र "A Transfer Learning Approach to Unveil the Role of Windows Common Configuration Enumerations in IEC 62443 Compliance" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

इंडस्ट्रियल कंट्रोल सिस्टम्स (ICS) विषम वातावरणों (heterogeneous environments) में संचालित होते हैं जहाँ Linux, प्रोप्राइटरी रियल-टाइम OS और Windows एक साथ मौजूद होते हैं। जबकि IEC 62443-3-3 मानक इन प्रणालियों को सुरक्षित करने के लिए एक मजबूत ढांचा प्रदान करता है, अनुपालन सत्यापन (compliance verification) को स्वचालित करना कठिन बना हुआ है, विशेष रूप से Windows प्लेटफॉर्म के लिए।

• अंतराल (The Gap): मौजूदा शोध और डेटासेट मुख्य रूप से Linux सिस्टम (विशेष रूप से SUSE Linux) पर केंद्रित रहे हैं, जहाँ कॉन्फ़िगरेशन सेटिंग्स और IEC 62443 सिस्टम सुरक्षा आवश्यकताओं (SRs) के बीच मैपिंग उपलब्ध है।
• चुनौती (The Challenge): Windows वातावरण में IEC 62443 SRs के साथ उनके कॉन्फ़िगरेशन को मैप करने वाले व्यवस्थित, लेबल किए गए डेटासेट का अभाव है। हजारों Windows कॉन्फ़िगरेशन को मैन्युअल रूप से मैप करना संसाधन-गहन और त्रुटिपूर्ण है।
• लक्ष्य (The Goal): मौजूदा लेबल किए गए Linux सिस्टम के डेटा का लाभ उठाकर Windows सिस्टम में IEC 62443-3-3 अनुपालन के मूल्यांकन को स्वचालित करना।

2. कार्यप्रणाली (Methodology)

लेखक एक ट्रांसफर लर्निंग पाइपलाइन का प्रस्ताव करते हैं जो सोर्स डोमेन के रूप में लेबल किए गए SUSE Linux CCEs का उपयोग करके Windows Common Configuration Enumerations (CCEs) को IEC 62443-3-3 आवश्यकताओं से मैप करता है। इस प्रक्रिया में चार मुख्य चरण शामिल हैं:

A. डेटा तैयारी और एम्बेडिंग (Data Preparation and Embedding)

• सोर्स डेटा (Source Data): ज्ञात IEC 62443 SRs एसोसिएशन वाले SUSE Linux CCEs।
• टारगेट डेटा (Target Data): Windows CCEs (जिनमें SR टैग का अभाव है)।
• वेक्टराइजेशन (Vectorization): दोनों Linux और Windows CCE विवरणों को सारणीबद्ध/JSON स्वरूपों से सेंटेंस एम्बेडिंग (sentence embeddings) में परिवर्तित किया जाता है, जिसके लिए प्री-ट्रेंड all-mpnet-base-v2 मॉडल (एक 768-आयामी स्थान) का उपयोग किया जाता है। यह विभिन्न ऑपरेटिंग सिस्टमों के बीच कॉन्फ़िगरेशन विवरणों के बीच अर्थ संबंधी समानता (semantic similarity) को कैप्चर करता है।

B. दूरी-आधारित ज्ञान हस्तांतरण (Distance-Based Knowledge Transfer)

मुख्य तंत्र अर्थ संबंधी निकटता (semantic proximity) के आधार पर Linux से Windows को SR लेबल स्थानांतरित करता है:

1. दूरी गणना (Distance Calculation): एम्बेडिंग स्पेस में एक Windows कॉन्फ़िगरेशन $i$ और एक SUSE कॉन्फ़िगरेशन $j$ के बीच यूक्लिडियन या कोसाइन दूरी ($d_{ij}$) की गणना की जाती है।
2. वेटिंग स्कीम (Weighting Scheme): एक भार $w_{ij}$ असाइन किया जाता है जो दूरी के व्युत्क्रमानुपाती है ($w_{ij} = 1/d_{ij}$)। निकट कॉन्फ़िगरेशन अधिक प्रभाव डालते हैं।
3. स्कोर एकत्रीकरण (Score Aggregation): प्रत्येक Windows कॉन्फ़िगरेशन के लिए, एक स्कोर वेक्टर पास के Linux कॉन्फ़िगरेशन के SR वेक्टर्स को उनकी निकटता के आधार पर भारित (weighted) करके संचित किया जाता है।
4. पावर ट्रांसफॉर्मेशन (Power Transformation): विविधता बढ़ाने और प्रभावी आवश्यकताओं को हावी होने से रोकने के लिए, भार को एक घात $p$ ($w^p$) तक बढ़ाया जाता है। लेखकों ने कोसाइन दूरी के लिए $p=5.5$ को ट्यून किया ताकि लगभग 0.85 का विविधता सूचकांक ($M(p)$) प्राप्त किया जा सके।

C. चयन और फ़िल्टरिंग (Selection and Filtering)

• रैंकिंग (Ranking): प्रत्येक Windows CCE के लिए, उच्चतम स्कोर वाले शीर्ष $K$ (10 निर्धारित) आवश्यकताओं का चयन किया जाता है।
• थ्रेशोल्डिंग (Thresholding): केवल उच्च-विश्वास वाले जुड़ाव बनाए रखने के लिए एक थ्रेशोल्ड $\tau$ (0.68 निर्धारित) लागू किया जाता है।
• नॉर्मलाइजेशन (Normalization): तुलनात्मकता सुनिश्चित करने के लिए स्कोर को $\ell_\infty$ नॉर्म का उपयोग करके $[0, 1]$ अंतराल में सामान्यीकृत किया जाता है।

D. सत्यापन (Validation)

• मैनुअल सत्यापन (Manual Verification): दो मानव विशेषज्ञों ने 612 Windows CCEs के शीर्ष-10 मैपिंग का मैन्युअल रूप से सत्यापन किया, जिसके परिणामस्वरूप 3,020 संबंध प्राप्त हुए।
• LLM क्रॉस-चेक (LLM Cross-Check): मानव लेबल की तुलना Gemini 2.5 Flash से की गई। LLM ने मानव मूल्यांकनकर्ताओं के साथ 95.6% सहमति दिखाई, जो लेबलिंग प्रक्रिया की निरंतरता को प्रमाणित करती है।

3. प्रमुख योगदान (Key Contributions)

1. ट्रांसफर लर्निंग फ्रेमवर्क: अर्थ संबंधी एम्बेडिंग के माध्यम से Linux और Windows के बीच डेटा अंतराल को पाटने के लिए एक नवीन कार्यप्रणाली।
2. लेबल किया गया डेटासेट: IEC 62443-3-3 सिस्टम सुरक्षा आवश्यकताओं के साथ 612 Windows CCEs को मैप करने वाला एक क्यूरेटेड डेटासेट, जिसमें 937 स्वीकृत "Yes" जुड़ाव हैं।
3. अनुभवजन्य विश्लेषण (Empirical Analysis): Windows में आवश्यकता की व्यापकता और सह-अस्तित्व (co-occurrence) पैटर्न का विस्तृत विश्लेषण, जो दर्शाता है कि सुरक्षा नियंत्रण कैसे क्लस्टर (जैसे एक्सेस कंट्रोल बनाम पैच प्रबंधन) होते हैं।
4. क्रॉस-प्लेटफॉर्म अंतर्दृष्टि: Linux और Windows अनुपालन परिदृश्यों के बीच अर्थ संबंधी और संरचनात्मक अंतरों की पहचान, जो प्लेटफ़ॉर्म-विशिष्ट सत्यापन की आवश्यकता को रेखांकित करती है।

4. प्रमुख परिणाम और निष्कर्ष (Key Results and Findings)

• डेटासेट सांख्यिकी (Dataset Statistics):
  • प्रारंभिक ML आउटपुट: 3,060 संबंध।
  • मैनुअल फ़िल्टरिंग के बाद: 3,020 संबंध।
  • स्वीकृति दर (Acceptance Rate): 31% (937 "Yes"), 7% "Maybe", 61% "No"।
  • LLM सहमति: मानव लेबलिंग के साथ 95.6% समग्र सहमति।
• प्रमुख सुरक्षा विषय (Dominant Security Themes):
  • सबसे अधिक बार स्वीकृत मैपिंग SR 7.6 (सुरक्षा पैरामीटर प्रवर्तन) और SR 5.2 (नेटवर्क बाउंड्री प्रोटेक्शन) थे।
  • अन्य उच्च-आवृत्ति वाले क्षेत्र SR 6.2 (निरंतर निगरानी) और SR 6.1 (ऑडिट लॉग जनरेशन) शामिल थे।
  • अंतर्दृष्टि: Windows अनुपालन मुख्य रूप से परिचालन नियंत्रणों (पेरिमीटर डिफेंस, पॉलिसी प्रवर्तन) द्वारा संचालित होता है, न कि भौतिक या संगठनात्मक नियंत्रणों द्वारा।
• अर्थ संबंधी अंतर (Semantic Differences):
  • Linux CCEs में प्रक्रियात्मक भाषा (जैसे, "package," "service," "daemon") का उपयोग करने की प्रवृत्ति होती है।
  • Windows CCEs निर्देशात्मक भाषा (जैसे, "enabled," "disabled," "policy," "enforced") का उपयोग करते हैं।
  • यह भाषाई विचलन पुष्टि करता है कि जबकि एम्बेडिंग समानता उपयोगी है, सटीक क्रॉस-प्लेटफॉर्म मैपिंग के लिए अर्थ संबंधी अनुकूलन और मैनुअल सत्यापन महत्वपूर्ण हैं।
• क्लस्टरिंग (Clustering): SRs के अनसुपरवाइज्ड क्लस्टरिंग ने खुलासा किया कि सुरक्षा नियंत्रण स्वतंत्र रूप से लागू नहीं होते हैं, बल्कि कार्यात्मक समूहों (जैसे, प्रमाणीकरण क्लस्टर, अखंडता/पैचिंग क्लस्टर) में होते हैं।

5. महत्व और प्रभाव (Significance and Impact)

• अनुपालन का स्वचालन (Automation of Compliance): यह दृष्टिकोण Windows-आधारित ICS घटकों (HMI, SCADA) के लिए अनुपालन जांच को सक्षम बनाता है, जिन्हें पहले व्यवस्थित रूप से परखना कठिन था।
• ट्रेसेबिलिटी (Traceability): यह अमूर्त IEC 62443 आवश्यकताओं और ठोस Windows कॉन्फ़िगरेशन सेटिंग्स (Registry keys, Group Policies) के बीच एक स्पष्ट, पता लगाने योग्य लिंक स्थापित करता है।
• मानकीकरण (Standardization): यह कार्य एक संरचित, मशीन-पठनीय डेटासेट प्रदान करके IEC 62443 को अन्य ढांचों (जैसे, NIST 800-82, ISO/IEC 27001) के साथ एकीकृत करने में प्रगति करता है।
• व्यावहारिक उपयोगिता (Practical Utility): परिणामी डेटासेट चिकित्सकों को Windows हार्डनिंग में अंतराल की पहचान करने और उन कॉन्फ़िगरेशन को प्राथमिकता देने की अनुमति देता है जो सबसे महत्वपूर्ण सुरक्षा आवश्यकताओं को संबोधित करते हैं।

निष्कर्षतः, यह शोध पत्र सफलतापूर्वक प्रदर्शित करता है कि ट्रांसफर लर्निंग प्रभावी रूप से औद्योगिक साइबर सुरक्षा में डेटा की कमी को दूर कर सकता है, जो विषम Windows वातावरण के लिए IEC 62443 अनुपालन को स्वचालित करने का एक स्केलेबल मार्ग प्रदान करता है।