When LLMs Team Up: A Coordinated Attack Framework for Automated Cyber Intrusions
यह शोध पत्र CAESAR को प्रस्तुत करता है, जो एक समन्वित मल्टी-एजेंट फ्रेमवर्क है जो स्वचालित घुसपैठ वर्कफ़्लो (automated intrusion workflows) को सख्त प्रोवेनेंस और बजट नियंत्रणों के साथ विशिष्ट भूमिकाओं में विभाजित करता है, जो सिंगल-एजेंट बेसलाइन की तुलना में CTF कार्यों पर बेहतर सफलता दर और कम विचलन प्रदर्शित 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 हैकर्स की एक टीम एक अत्यधिक सुरक्षित डिजिटल तिजोरी को तोड़ने की कोशिश कर रही है। पुराने दिनों में, वे सब कुछ करने के लिए एक ही "सुपर-हैकर" पर निर्भर हो सकते थे: दरवाजे को देखना, लॉक मैकेनिज्म का अनुमान लगाना, उसे खोलने की कोशिश करना और फिर यह जांचना कि क्या वे अंदर घुस पाए। लेकिन एक इंसान की तरह, वह अकेला सुपर-हैकर थक सकता है, भ्रमित हो सकता है, या ऐसी गलती कर सकता है जो पूरी योजना को बर्बाद कर दे।
यह पेपर CAESAR को पेश करता है, जो AI कंप्यूटरों (जिन्हें लार्ज लैंग्वेज मॉडल्स कहा जाता है) के लिए एक समन्वित टीम के रूप में मिलकर काम करने का एक नया तरीका है ताकि इन साइबर हमलों को स्वचालित किया जा सके। एक अकेले AI द्वारा सब कुछ करने के बजाय, CAESAR काम को पांच विशिष्ट भूमिकाओं में विभाजित करता है, बिल्कुल एक 'हीस्ट मूवी' (डकैती वाली फिल्म) की टीम की तरह।
पाँच भूमिकाएँ (द हीस्ट क्रू)
- डिटेक्टिव (जासूस): यह AI एक स्काउट है। यह अभी घुसने की कोशिश नहीं करता; यह बस आसपास देखता है। यह सुराग इकट्ठा करता है, फाइलों को पढ़ता है और लक्ष्य कैसा दिखता है, इस पर नोट्स बनाता है।
- स्ट्रेटजिस्ट (रणनीतिकार): यह AI एक प्लानर है। यह डिटेक्टिव के नोट्स लेता है और अंदर जाने के संभावित तरीकों का एक नक्शा तैयार करता है। यह विभिन्न "क्या होगा अगर" वाले परिदृश्य (scenarios) बनाता है।
- **जनरल (सेनापति): �� यह AI एक प्रोजेक्ट मैनेजर है। यह स्ट्रैटजिस्ट के प्लान्स को देखता है, बजट (उनके पास कितना कंप्यूटर समय और पैसा है) की जांच करता है, और निष्पादित करने के लिए सबसे अच्छा प्लान चुनता है।
- एक्सेक्यूटर (कार्यकारी): यह AI 'मसल्स' (ताकत) है। यह वास्तव में टूल्स चलाता है, कमांड टाइप करता है, और जनरल के प्लान के आधार पर ताला तोड़ने की कोशिश करता है।
- वैलिडेटर (प्रमाणक): यह सबसे महत्वपूर्ण भूमिका है। यह एक क्वालिटी कंट्रोल इंस्पेक्टर है। यह टीम के हर काम पर नज़र रखता है। यदि एक्सेक्यूटर कोई गलती करता है या कुछ नकली पाता है, तो वैलिडेटर कहता है, "नहीं, इसे बाहर फेंको।" यह केवल अच्छी, प्रमाणित जानकारी को ही अगले दौर के लिए सहेजता है।
वे एक साथ कैसे काम करते हैं: "राउंड" सिस्टम
टीम केवल बेतरतीब ढंग से चैट नहीं करती है। वे सख्त राउंड्स में काम करते हैं, जैसे कि वीडियो गेम में लेवल होते हैं।
- राउंड 1: डिटेक्टिव सुराग इकट्ठा करता है। स्ट्रैटजिस्ट एक अनुमान लगाता है। जनरल एक प्लान चुनता है। एक्सेक्यूटर इसे आजमाता है।
- चेक: वैलिडेटर परिणाम को देखता है। क्या यह काम आया? यदि हाँ, तो बहुत बढ़िया! यदि नहीं, तो वैलिडेटर खराब विचारों को फेंक देता है और केवल उपयोगी सुरागों को सहेजता है।
- राउंड 2: टीम फिर से शुरू करती है, लेकिन इस बार उनके पास एक "मेमोरी बैंक" होता है कि क्या काम आया और क्या नहीं। वे एक ही गलती दोबारा नहीं करते।
यह एक अकेले AI से अलग है, जो एक ही खराब विचार को बार-बार आज़माने के लूप में फंस सकता है क्योंकि वह भूल जाता है कि वह पहले विफल हो चुका है। CAESAR टीम को अगले कदम पर बढ़ने से पहले हर विफलता से सीखने के लिए मजबूर करता है।
प्रयोग: CTFs और सोशल इंजीनियरिंग
शोधकर्ताओं ने इस सिस्टम का दो तरीकों से परीक्षण किया:
"कैप्चर द फ्लैग" (CTF) गेम्स: उन्होंने 25 वास्तविक दुनिया की साइबर सुरक्षा पहेलियों (जैसे एक जटिल गणित की समस्या को हल करना या कोड तोड़ना) का उपयोग किया।
- परिणाम: CAESAR टीम ने इन पहेलियों को अकेले काम करने वाले एकल AI की तुलना में बहुत अधिक बार और बहुत तेज़ी से हल किया। भले ही एकल AI बहुत स्मार्ट था, वह बार-बार अटक जाता था। टीम, अपनी विशिष्ट भूमिकाओं और क्वालिटी कंट्रोल के साथ, आगे बढ़ती रही।
- उपमा: यह एक विशाल जिग्सॉ पजल (पहेली) को हल करने जैसा है। एक व्यक्ति निराश होकर हार मान सकता है। लेकिन एक ऐसी टीम जहाँ एक व्यक्ति किनारों के टुकड़े छांटता है, दूसरा नीले आसमान के टुकड़े ढूंढता है, और एक सुपरवाइजर चेक करता है कि टुकड़े फिट बैठते हैं या नहीं, वह पजल को बहुत तेज़ी से पूरा करेगी।
"सोशल इंजीनियरिंग" टेस्ट: उन्होंने यह भी परीक्षण किया कि क्या यह टीम संरचना तब काम करती है जब कंप्यूटर को हैक करने के बजाय लोग (AI द्वारा सिम्युलेट किए गए) हों जिन्हें धोखा देना हो।
- परिणाम: टीम एक सिम्युलेटेड "एग्जीक्यूटिव" को राज बताने के लिए मजबूर करने में बेहतर थी और पकड़े बिना सफल रही। उन्होंने अलग-अलग आवाज़ों और युक्तियों का उपयोग किया, और यह सुनिश्चित करने के लिए वैलिडेटर से चेक किया कि वे बहुत अधिक स्पष्ट न हो जाएं।
- सीख: यह सुझाव देता है कि "टीम संरचना" तब भी काम करती है जब हमला कोड के बारे में नहीं, बल्कि बातचीत के बारे में होता है।
यह सुरक्षा के लिए क्यों मायने रखता है
पेपर चेतावनी देता है कि जैसे-जैसे AI बेहतर होता जा रहा है, बुरे तत्व केवल एक "सुपर-स्मार्ट" AI का उपयोग करके हमें हैक नहीं करेंगे। वे एक साथ काम करने वाली AI की टीमों का उपयोग करेंगे।
- समस्या: वर्तमान सुरक्षा प्रणालियाँ एक बार में एक संदेश को देखती हैं। वे एक डिटेक्टिव को हानिरहित सवाल पूछते हुए और एक जनरल को सामान्य फॉलो-अप पूछते हुए देख सकती हैं, और सोच सकती हैं, "यह ठीक है।" वे इस तथ्य को मिस कर देती हैं कि ये संदेश एक समन्वित, बहु-चरणीय हमले की योजना का हिस्सा हैं।
- समाधान: डिफेंडर्स को केवल शब्दों को देखना बंद करना होगा और इसके बजाय संरचना (स्ट्रक्चर) को देखना शुरू करना होगा। उन्हें एक टीम के संकेतों को देखने की आवश्यकता है: एक डिटेक्टिव जानकारी जुटा रहा है, एक वैलिडेटर उसे चेक कर रहा है, और समय के साथ भूमिकाओं का एक पैटर्न काम कर रहा है।
सारांश
CAESAR दिखाता है कि जब AI एजेंट स्पष्ट भूमिकाओं और एक सख्त "क्वालिटी कंट्रोल" चरण के साथ एक संरचित टीम में काम करते हैं, तो वे अकेले काम करने वाले एकल AI की तुलना में बहुत अधिक खतरनाक (और प्रभावी) हो जाते हैं। वे केवल स्मार्ट नहीं होते; वे हार न मानने और एक ही गलती को दोबारा न करने में बेहतर होते हैं। पेपर निष्कर्ष निकालता है कि इससे बचने के लिए, हमें बुरे शब्दों को फिल्टर करने के बजाय इन "टीम व्यवहारों" को देखने की आवश्यकता 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।