A Sociotechnical, Practitioner-Centered Approach to Technology Adoption in Cybersecurity Operations: An LLM Case
नोनका के SECI मॉडल पर आधारित छह महीने के नृवंशविज्ञान संबंधी अध्ययन और सामाजिक-तकनीकी सह-निर्माण प्रक्रिया के माध्यम से, यह शोध पत्र यह प्रदर्शित करता है कि एलएलएम (LLM) साथी उपकरणों को पुनरावृत्ति रूप से विकसित करने के लिए शोधकर्ताओं को साइबर सुरक्षा विशेषज्ञों के साथ समाहित करना विश्वास और वर्कफ़्लो मिसअलाइनमेंट जैसी पारंपरिक अंगीकरण बाधाओं को प्रभावी ढंग से दूर करता है, जिससे सुरक्षा संचालन केंद्रों में निरंतर प्रौद्योगिकी एकीकरण संभव होता 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
मुख्य चित्र: साइबर सुरक्षा के लिए एक बेहतर को-पायलट बनाना
कल्पना कीजिए कि एक सिक्योरिटी ऑपरेशंस सेंटर (SOC) एक विशाल हवाई अड्डे के लिए 24/7 चलने वाले हाई-स्ट्रेस एयर ट्रैफिक कंट्रोल टॉवर की तरह है। "एनालिस्ट्स" (विश्लेषक) वहां के कंट्रोलर्स हैं। उनका काम हजारों स्क्रीनों पर नज़र रखना, आने वाले तूफानों (साइबर हमलों) को पहचानना और विमानों (डेटा) को सुरक्षित रूप से जमीन तक पहुँचाने के लिए मार्गदर्शन करना है।
वर्षों से, ये कंट्रोलर्स काम के बोझ से दबे हुए हैं। वे कागजी कार्रवाई में डूब रहे हैं, बहुत सारी अलग-अलग रेडियो फ्रीक्वेंसी (सॉफ्टवेयर टूल्स) को एक साथ संभालने की कोशिश कर रहे हैं, और घास के ढेर में सुई खोजने जैसा काम कर रहे हैं। वे थक चुके हैं और नए गैजेट्स को लेकर संशय में हैं। हर बार जब बाहर से कोई नया "स्मार्ट" टूल आता है, तो उन्हें डर होता है कि यह उनके काम के तरीके को बिगाड़ देगा, उन्हें गलत दिशा दिखाएगा, या अगर यह विफल रहा तो उन्हें मूर्ख बना देगा।
समस्या: शोधकर्ता अक्सर लैब में शानदार AI टूल्स बनाते हैं, उन्हें कंट्रोलर्स को थमा देते हैं और कहते हैं, "लीजिए, इसका उपयोग करें!" लेकिन कंट्रोलर्स आमतौर पर उन्हें खारिज कर देते हैं क्योंकि वे टूल्स उनके रोजमर्रा के काम की जटिल वास्तविकता में फिट नहीं बैठते।
इस पेपर का समाधान: एक तैयार उत्पाद सौंपने के बजाय, दो शोधकर्ताओं (PhD छात्रों) ने छह महीने के लिए कंट्रोल टॉवर में रहने का फैसला किया। उन्होंने केवल देखा ही नहीं; उन्होंने हेडसेट पहना, कुर्सियों पर बैठे और एनालिस्ट्स के साथ मिलकर काम किया। उन्होंने AI टूल्स को एनालिस्ट्स के लिए बनाने के बजाय, उनके साथ बनाने के लिए को-क्रिएशन (सह-निर्माण) नामक पद्धति का उपयोग किया।
यात्रा: उन्होंने यह कैसे किया ( "SECI" रेसिपी)
शोधकर्ताओं ने "अंतर्ज्ञान" (gut feelings) को "काम करने वाले टूल्स" में बदलने के लिए एक रेसिपी का उपयोग किया जिसे SECI मॉडल कहा जाता है। इसे एक गुप्त पारिवारिक रेसिपी को एक ऐसी कुकबुक में बदलने जैसा समझें जिसे हर कोई उपयोग कर सके।
सोशलाइजेशन (सोशललाइजेशन - "कॉफी चैट"):
- रूपक (Metaphor): शोधकर्ता एनालिस्ट्स के साथ समय बिताते थे, उन्हें काम करते देखते थे और उनकी शिकायतों को सुनते थे। उन्होंने "अलिखित नियमों" और उन छिपे हुए कष्टों को सीखा जो कभी आधिकारिक मैनुअल में नहीं आते।
- क्या हुआ: उन्होंने महसूस किया कि एनालिस्ट्स एक साधारण सवाल का जवाब देने के लिए भी पांच अलग-अलग स्क्रीनों के बीच डेटा को कॉपी और पेस्ट करने में घंटों बर्बाद कर रहे थे।
एक्सटर्नलाइजेशन (एक्सटर्नलाइजेशन - "व्हाइटबोर्ड सेशन"):
- रूपक: शोधकर्ताओं ने पूछा, "यदि आप एक जादू की छड़ी घुमा सकें, तो आप क्या बदलना चाहेंगे?" उन्होंने उन अस्पष्ट शिकायतों ("मुझे यह हिस्सा पसंद नहीं है") को स्पष्ट, लिखित समस्याओं ("मुझे एक ऐसा टूल चाहिए जो स्क्रीन A और स्क्रीन B से डेटा स्वचालित रूप से खींच सके") में बदल दिया।
- क्या हुआ: उन्होंने तीन मुख्य दर्द बिंदुओं (pain points) की पहचान की: जटिल सर्च क्वेरी लिखना, गायब कंप्यूटर एसेट्स को ढूंढना, और इंसिडेंट रिपोर्ट लिखना।
कॉम्बिनेशन (कॉम्बिनेशन - "रसोई"):
- रूपक: यहीं से उन्होंने खाना बनाना शुरू किया। उन्होंने उन तीन समस्याओं को हल करने के लिए तीन विशिष्ट AI "असिस्टेंट" (टूल्स) बनाए।
- टूल्स:
- द क्वेरी बिल्डर: एक स्मार्ट असिस्टेंट जो जटिल सर्च कोड लिखने में मदद करता है (जैसे हैकर्स के लिए स्पेल-चेकर)।
- द एसेट डिटेक्टिव: एक टूल जो स्वचालित रूप से जांच करता है कि कौन से कंप्यूटर सुरक्षा सूची से "गायब" हैं।
- द RCA राइटर: एक टूल जो अव्यवस्थित लॉग्स को लेता है और एक साफ, संरचित रिपोर्ट लिखता है कि क्या गलत हुआ (रूट कॉज एनालिसिस)।
इंटरनलाइजेशन (इंटरनलाइजेशन - "टेस्ट ड्राइव"):
- रूपक: उन्होंने केवल टूल्स लॉन्च नहीं किए और चले नहीं गए। उन्होंने एनालिस्ट्स को इनका उपयोग करते हुए देखा, देखा कि वे कहाँ अटक रहे हैं, और टूल्स में सुधार किया।
- परिणाम: धीरे-धीरे एनालिस्ट्स ने "यह परेशान करने वाला है" कहना बंद कर दिया और "हे, इससे मेरे 20 मिनट बचते हैं" कहना शुरू कर दिया। टूल्स उनकी कार्यशैली का हिस्सा बन गए।
ट्विस्ट: ये AI टूल्स अलग क्यों थे?
आमतौर पर, जब आप किसी इंसान को कोई टूल देते हैं, तो वह टूल वही करता है जो उसे बताया जाता है। लेकिन ये LLM (लार्ज लैंग्वेज मॉडल) टूल्स अलग थे। वे रोबोट के बजाय रचनात्मक इंटर्न की तरह थे।
- जेनेरेटिव रीकॉम्बिनेशन (जेनेरेटिव रीकॉम्बिनेशन): एक सख्त नियम का पालन करने के बजाय, AI पिछले रिपोर्ट देख सकता था, कंपनी के आंतरिक डेटाबेस को खोज सकता था, और एक बिल्कुल नया सारांश या सर्च क्वेरी बना सकता था जो पहले मौजूद नहीं थी। यह एक ऐसे शेफ की तरह था जो केवल रेसिपी का पालन नहीं करता बल्कि फ्रिज में मौजूद सामग्री के आधार पर एक नया व्यंजन भी बनाता है।
- ट्रस्ट कैलिब्रेशन (ट्रस्ट कैलिब्रेशन): क्योंकि AI कभी-कभी "हैलुसिनेट" (मनगढ़ंत बातें बनाना) कर सकता है, इसलिए एनालिस्ट्स ने इस पर आँख मूंदकर भरोसा नहीं किया। उन्होंने AI के आउटपुट को एक ड्राफ्ट के रूप में माना। वे इसे पढ़ते थे, तथ्यों की जाँच करते थे, और फिर इस पर अपनी मंजूरी देते थे।
- रूपक: एक जूनियर वकील द्वारा अनुबंध (contract) लिखने की कल्पना करें। सीनियर वकील (एनालिस्ट) उसे सीधे फेंक नहीं देता; वह उसकी समीक्षा करता है, त्रुटियों को ठीक करता है, और फिर उसका उपयोग करता है। AI एक "जूनियर पार्टनर" बन गया जिसने सीनियर पार्टनर को बदलने के बजाय उसे तेज़ बनाया।
मुख्य निष्कर्ष
- निर्वात (Vacuum) में निर्माण न करें: आप किसी विशिष्ट काम के लिए टूल तब तक नहीं बना सकते जब तक कि आप उस व्यक्ति की कुर्सी पर न बैठें जो वह काम कर रहा है। शोधकर्ता सफल रहे क्योंकि वे "इनसाइडर" बन गए थे।
- भरोसा कमाया जाता है, दिया नहीं जाता: एनालिस्ट्स शुरुआत में संशय में थे। भरोसा धीरे-धीरे तब बना जब यह दिखाया गया कि टूल्स वास्तव में समय बचाते हैं और कुछ भी बिगाड़ते नहीं हैं।
- AI एक को-पायलट है, पायलट नहीं: लक्ष्य सुरक्षा विशेषज्ञों को AI से बदलना नहीं था। लक्ष्य उन्हें एक "सुपर-पावर" देना था ताकि वे कठिन सोच पर ध्यान केंद्रित कर सकें जबकि AI उबाऊ डेटा क्रंचिंग को संभाल ले।
- "ह्यूमन-इन-द-लूप" (मानव की भागीदारी) आवश्यक है: AI विचार उत्पन्न करता है, लेकिन मानव उसे सत्यापित करता है। यह "चेक-एंड-बैलेंस" प्रणाली ही थी जिसने तकनीक को इतने उच्च-स्तरीय वातावरण के लिए सुरक्षित और विश्वसनीय बनाया।
निचोड़
यह पेपर साबित करता है कि कार्यस्थल में उन्नत AI लाने का सबसे अच्छा तरीका उनके डेस्क पर एक चमकदार नया गैजेट पटक देना नहीं है। यह अपनी आस्तीन ऊपर चढ़ाना, टीम के साथ मिलकर काम करना, उनकी दैनिक संघर्षों को समझना और एक ऐसा टूल बनाना है जो उनके जीवन में पूरी तरह फिट हो सके। जब आप ऐसा करते हैं, तो AI का "जादू" डरावना नहीं बल्कि मददगार लगने लगता 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।