Adversarial SQL Injection Generation with LLM-Based Architectures
यह शोध पत्र प्रतिकूल SQL इंजेक्शन पेलोड उत्पन्न करने के लिए दो नवीन LLM-आधारित प्रणालियों, RADAGAS और RefleXQLi को प्रस्तुत करता है और विविध वेब एप्लिकेशन फायरवॉल्स (WAFs) के विरुद्ध उनकी प्रभावशीलता का मूल्यांकन करता है, जिससे यह पता चलता है कि जबकि ये मॉडल AI/ML-आधारित सुरक्षा प्रणालियों को बायपास करने में बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करते हैं, वे नियम-आधारित प्रणालियों के विरुद्ध संघर्ष करते हैं और यह प्रदर्शित करते हैं कि पेलोड विविधता हमेशा उच्च बायपास सफलता के साथ सह-संबंधित नहीं होती 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
बड़ी तस्वीर: डिजिटल ताला बनाने वाला और मास्टर की (Master Key)
कल्पना कीजिए कि इंटरनेट इमारतों (वेबसाइटों) का एक विशाल शहर है। इन इमारतों को चोरों से सुरक्षित रखने के लिए, दरवाजों पर सुरक्षा गार्ड (जिन्हें वेब एप्लिकेशन फायरवॉल या WAF कहा जाता है) तैनात होते हैं। उनका काम बुरे लोगों को पिछले दरवाजे से घुसने से रोकना है, जो एक विशेष तकनीक का उपयोग करते हैं जिसे SQL इंजेक्शन (डेटाबेस से गुप्त जानकारी निकालने का एक तरीका) कहा जाता है।
लंबे समय से, सुरक्षा विशेषज्ञ इन तालों का परीक्षण करने के लिए या तो मानव ताला बनाने वालों (locksmiths) को काम पर रखते हैं या ऐसे रोबोटिक उपकरणों का उपयोग करते हैं जो हर ज्ञात चाबी के आकार को आज़माते हैं। लेकिन ताले अब और भी स्मार्ट होते जा रहे हैं, और पुरानी चाबियाँ अब उतनी प्रभावी नहीं रह गई हैं।
यह शोध पत्र एक नया सवाल पूछता है: क्या होगा अगर हम एक सुपर-स्मार्ट AI (एक लार्ज लैंग्वेज मॉडल या LLM) का उपयोग करके ऐसी नई चाबियाँ बनाएं जिन्हें सुरक्षा गार्डों ने पहले कभी नहीं देखा हो?
शोधकर्ताओं ने दो नए "AI चाबी-बनाने वाले" (AI Key-Makers) बनाए यह देखने के लिए कि वे इन सुरक्षा गार्डों को चकमा देने में कितने कुशल हैं।
दो नए AI चाबी-बनाने वाले
शोधकर्ताओं ने AI को ये ट्रिकी चाबियाँ बनाने में मदद करने के लिए दो अलग-अलग तरीके बनाए:
1. RADAGAS: "लाइब्रेरी रिसर्चर" (पुस्तकालय शोधकर्ता)
इस AI को एक प्रतिभाशाली छात्र के रूप में सोचें जिसने दुनिया के सबसे बड़े पुस्तकालय में पिछली सभी चोरी की घटनाओं की किताबें पढ़ी हैं।
- यह कैसे काम करता है: ताला खोलने की कोशिश करने से पहले, यह AI अपने "लाइब्रेरी" (ज्ञात सफल हमलों का एक डेटाबेस जैसे OWASP, GitHub आदि) में जाता है। यह अतीत के सबसे बेहतरीन और प्रमाणित तरीकों को इकट्ठा करता है।
- ट्विस्ट: यह RAG (रिट्रीवल ऑगमेंटेड जनरेशन) नामक एक विशेष तकनीक का उपयोग करता है। केवल अनुमान लगाने के बजाय, यह सबसे प्रासंगिक "चीट कोड्स" को खोजता है और फिर AI से उन्हें कुछ नया बनाने के लिए कहता है।
- परिणाम: यह एक ऐसे चोर की तरह है जो किसी नई चोरी की योजना बनाने से पहले हर सफल डकैती के ब्लूप्रिंट का अध्ययन करता है।
2. RefleXQLi: "क्रिटिकल थिंकर" (आलोचनात्मक विचारक)
यह AI एक दो-सदस्यीय टीम की तरह काम करता है: एक निर्माता (Creator) और एक आलोचक (Critic)।
- यह कैसे काम करता है:
- निर्माता एक नई चाबी डिजाइन करने की कोशिश करता है।
- आलोचक (दूसरा AI) उस चाबी को देखता है और कहता है, "नहीं, यह बहुत संदिग्ध लग रहा है। फिर से कोशिश करो।"
- निर्माता उसकी बात सुनता है, गहराई से सोचता है (एक "चेन ऑफ थॉट" प्रक्रिया का उपयोग करके), और एक बेहतर, अधिक चालाक चाबी बनाने की कोशिश करता है।
- ट्विस्ट: वे तब तक आपस में बहस करते रहते हैं जब तक कि निर्माता एक ऐसी चाबी नहीं बना लेता जिसे आलोचक पकड़ न सके। यह एक लेखक और संपादक की तरह है जो तब तक साथ काम करते हैं जब तक कहानी एकदम सटीक न हो जाए।
महान परीक्षण: 2.2 मिलियन प्रयास
कौन सबसे अच्छा था, यह देखने के लिए शोधकर्ताओं ने एक विशाल सिमुलेशन तैयार किया:
- हमलावर (Attackers): उन्होंने 7 अलग-अलग सिस्टम का उपयोग किया (जिनमें दो नए सिस्टम, पुराने टूल्स और स्टैंडर्ड AI शामिल थे)।
- रक्षक (Defenders): उन्होंने 10 अलग-अलग सुरक्षा गार्डों (WAFs) के खिलाफ परीक्षण किया। कुछ पुराने नियम-आधारित गार्ड थे (जैसे चेकलिस्ट वाला गार्ड), कुछ AI-आधारित थे (सीखने वाले गार्ड), और कुछ प्रसिद्ध कमर्शियल गार्ड थे (जैसे Cloudflare और AWS)।
- पैमाना: उन्होंने 240,000 चाबियाँ बनाईं और उन्हें गार्डों पर 2.2 मिलियन बार आज़माया।
उन्हें क्या मिला?
1. "लाइब्रेरी रिसर्चर" (RADAGAS) रेस जीत गया
RADAGAS सिस्टम, विशेष रूप से जब इसे GPT-4o AI द्वारा संचालित किया गया, कुल मिलाकर सबसे सफल रहा। यह लगभग 22.7% बार गार्डों के पास से सफलतापूर्वक निकल पाया।
- क्यों? क्योंकि इसने केवल अनुमान नहीं लगाया; इसने उन चुनिकी चीजों से सीखा जो अतीत में वास्तव में काम करती थीं।
2. "क्रिटिकल थिंकर" (RefleXQLi) बहुत स्थिर था
RefleXQLi सिस्टम कुल मिलाकर थोड़ा कम सफल (लगभग 21.2%) था, लेकिन यह बहुत सुसंगत (consistent) था। इसने शायद ही कभी गलतियाँ कीं और हमेशा अद्वितीय चाबियाँ बनाईं।
3. "विविधता का मिथक" (Diversity Myth) गलत साबित हुआ
सुरक्षा में एक आम धारणा है: "आपकी चाबियाँ एक-दूसरे से जितनी अलग होंगी, आपके सफल होने की संभावना उतनी ही बेहतर होगी।"
- शोध का निष्कर्ष: यह सच नहीं था! शोधकर्ताओं ने पाया कि हजारों अलग-अलग चाबियाँ बनाने और वास्तव में अंदर घुस पाने के बीच कोई मजबूत संबंध नहीं था।
- उपमा: यदि कोई चाबी ताले में फिट नहीं बैठती, तो 1,000 अलग-अलग आकार की चाबियाँ आज़माने का कोई फायदा नहीं है। उन 1,000 रैंडम आकारों के बजाय, उन 100 चाबियों को आज़माना बेहतर है जो उस चाबी के बहुत समान हैं जो आपको पता है कि काम करती है।
- आश्चर्य: कभी-कभी, चाबियों को बहुत अधिक अलग बनाने की कोशिश करना उन्हें वास्तव में खराब बना देता था।
4. अलग-अलग गार्डों को अलग-अलग चाबियों की जरूरत होती है
कोई "जादुई चाबी" नहीं थी जो हर दरवाजा खोल सके।
- AI गार्ड (मशीन लर्निंग WAFs): RADAGAS सिस्टम इनके खिलाफ एक दानव की तरह था, जो 90% से अधिक बार घुसने में सफल रहा। ऐसा लगता है कि ये AI गार्ड "रीमिक्स" किए गए पुराने तरीकों को पहचानने के लिए पर्याप्त प्रशिक्षित नहीं थे।
- नियम-आधारित गार्ड (चेकलिस्ट WAFs): ये बहुत कठिन थे। नए AI सिस्टम यहाँ संघर्ष करते रहे, और लगभग हर बार ब्लॉक कर दिए गए। पुराने टूल्स (जैसे SQLmap) ने इन विशिष्ट गार्डों के खिलाफ थोड़ा बेहतर प्रदर्शन किया।
- कमर्शियल गार्ड (Cloudflare/AWS): परिणाम मिले-जुले थे। अलग-अलग AI सिस्टम ने उनकी सुरक्षा में अलग-अलग "छेद" ढूंढे।
5. "टेम्परेचर" (Temperature) सेटिंग मायने रखती है
AI मॉडल में एक "रचनात्मकता का डायल" होता है जिसे Temperature कहते हैं।
- GPT-4o तब सबसे अच्छा काम करता था जब इसे कम रचनात्मक (लो टेम्परेचर, अधिक तार्किक) रखा गया हो।
- DeepSeek तब सबसे अच्छा काम करता था जब इसे बहुत रचनात्मक (हाई टेम्परेचर) रखा गया हो।
- Claude बीच के स्तर पर सबसे खुश रहता था।
- सबक: आप हर AI के लिए एक ही सेटिंग का उपयोग नहीं कर सकते; आपको उन्हें रेडियो ट्यून करने की तरह सेट करना होगा ताकि सबसे अच्छा सिग्नल मिल सके।
मुख्य निष्कर्ष (The Bottom Line)
यह शोध पत्र निष्कर्ष निकालता है कि यदि आप परीक्षण करना चाहते हैं कि कोई वेबसाइट सुरक्षित है या नहीं, तो आपको केवल एक टूल पर निर्भर नहीं रहना चाहिए।
- AI-आधारित सुरक्षा प्रणालियों के परीक्षण के लिए RADAGAS का उपयोग करें।
- स्थिर, उच्च-गुणवत्ता वाले परीक्षण के लिए RefleXQLi (या सीड-ड्रिवन वर्जन) का उपयोग करें।
- अपनी हमलावर चाबियों को "विविध" बनाने के पीछे पागल न हों; बल्कि उन्हें उस विशिष्ट ताले के लिए स्मार्ट और प्रासंगिक बनाने पर ध्यान दें जिसे आप खोलने की कोशिश कर रहे हैं।
शोधकर्ता इस बात पर जोर देते हैं कि उन्होंने यह सब एक सुरक्षित, अलग लैब में किया है ताकि सुरक्षा में सुधार किया जा सके, न कि अपराधियों की मदद के लिए। उन्होंने "चाबियों" को निजी रखा है ताकि कोई उनका दुरुपयोग न कर सके।
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।