FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction
FuzzingBrain V2 एक मल्टी-एजेंट LLM सिस्टम है जो पुनरुत्पादनीय (reproducible) फज़िंग, एक नवीन "सस्पेक्टियस पॉइंट" (Suspicious Point) लोकलाइजेशन एब्स्ट्रैक्शन, और पदानुक्रमित विश्लेषण (hierarchical analysis) को एकीकृत करके स्वचालित भेद्यता खोज में मौजूदा सीमाओं को दूर करता है ताकि बेंचमार्क डेटासेट पर 90% डिटेक्शन रेट प्राप्त किया जा सके और 29 वास्तविक दुनिया के ज़ीरो-डे (zero-day) भेद्यताओं की सफलतापूर्वक पहचान की जा सके।
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 विशाल, जटिल महल (एक सॉफ़्टवेयर) में छिपे हुए जाल खोजने की कोशिश कर रहे हैं। पारंपरिक रूप से, आप हर कमरे में जाने के लिए गार्डों की एक टीम को काम पर रख सकते हैं (स्टैटिक एनालिसिस), लेकिन वे अक्सर थक जाते हैं और निर्दोष कालीनों पर भी "जाल!" चिल्ला उठते हैं (फॉल्स अलार्म)। या, आप दीवारों पर हजारों रैंडम पत्थर फेंक सकते हैं ताकि यह देखा जा सके कि कुछ टूटता है या नहीं (फज़िंग), लेकिन यदि कोई जाल किसी ऐसे बंद दरवाजे के पीछे छिपा है जिसके लिए एक विशिष्ट चाबी की आवश्यकता है, तो पत्थर उसे कभी नहीं ढूंढ पाएंगे।
FuzzingBrain V2 एक नया, सुपर-स्मार्ट सिस्टम है जिसे इन छिपे हुए जालों को स्वचालित रूप से खोजने के लिए डिज़ाइन किया गया है। यह आर्टिफिशियल इंटेलिजेंस की "दिमागी शक्ति" को पत्थर फेंकने की "ब्रूट फोर्स" शक्ति के साथ जोड़ता है, लेकिन यह पहले की तुलना में बहुत अधिक बुद्धिमानी से काम करता है।
यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ दिया गया है:
1. समस्या: पिछले प्रयास क्यों विफल रहे
पेपर बताता है कि पिछले AI टूल्स को तीन मुख्य सिरदर्द थे:
- "हलुसिनेशन" (भ्रम) की समस्या: AI कभी-कभी कहता था, "मुझे एक जाल मिला!" लेकिन वह वास्तव में आपको वह पत्थर नहीं दिखा पाता था जिसने दीवार को तोड़ा था। सुरक्षा टीमें इन दावों पर भरोसा नहीं कर पाती थीं।
- "ज़ूम" की समस्या: AI या तो पूरे महल को एक साथ देख रहा था (छोटे दरारों को देखने के लिए बहुत धुंधला) या एक ईंट को घूर रहा था (दरवाजे को देखने के लिए बहुत ज़्यादा ज़ूम इन)। वह "सही संतुलन" (sweet spot) नहीं खोज पा रहा था।
- "चेन रिएक्शन" (श्रृंखला प्रतिक्रिया) की समस्या: कुछ जाल केवल तभी सक्रिय होते हैं जब आप तीन विशिष्ट चीजें एक क्रम में करते हैं। पुराने टूल्स इन जटिल अनुक्रमों को नहीं समझ पाते थे।
2. समाधान: विशेष एजेंटों की एक टीम
FuzzingBrain V2 केवल एक AI का उपयोग नहीं करता है। यह एक केंद्रीय बॉस द्वारा समन्वित, मिलकर काम करने वाले विशेष एजेंटों की एक टीम (जैसे एक निर्माण दल) का उपयोग करता है।
- "डायरेक्शन" एजेंट (मैपमेकर/नक्शा बनाने वाला): पूरे महल को बेतरतीब ढंग से देखने के बजाय, यह एजेंट ब्लूप्रिंट पढ़ता है और कहता है, "हे, किचन का प्रवेश द्वार एक उच्च-जोखिम वाला क्षेत्र है।" यह विशाल कोड को जांच के लिए तार्किक "दिशाओं" या विशेषताओं में तोड़ देता है।
- "सस्पिशियस पॉइंट" एजेंट (डिटेक्टिव/जासूस): यह इस पेपर का सबसे बड़ा नवाचार है। यह केवल यह कहने के बजाय कि "किचन खतरनाक है," एक विशिष्ट स्थान की पहचान करता है: "किचन में चाकू का दराज ढीला है।" यह इसे सस्पिशियस पॉइंट (SP) कहता है। यह "परफेक्ट ज़ूम लेवल" है—न बहुत व्यापक, न बहुत संकीमित।
- "वेरिफायर" एजेंट (इंस्पेक्टर/निरीक्षक): "हमें जाल मिल गया!" चिल्लाने से पहले, यह एजेंट अपने काम की दोबारा जांच करता है। यह रास्ते का पता लगाता है ताकि यह सुनिश्चित हो सके कि "ढीला चाकू" वास्तव में तक पहुँच योग्य है और यह केवल एक गलत सूचना नहीं है।
- "PoC जनरेटर" (रॉक थ्रोअर/पत्थर फेंकने वाला): एक बार जब किसी स्थान की पुष्टि हो जाती है, तो यह एजेंट उस सटीक पत्थर को तैयार करता है जिसकी दीवार को तोड़ने के लिए आवश्यकता है। यह एक विशिष्ट इनपुट (प्रूफ ऑफ कॉन्सेप्ट) लिखता है, जो, जब सॉफ़्टवेयर में डाला जाता है, तो क्रैश का कारण बनता है। यदि यह क्रैश होता है, तो जाल असली है।
3. "डुअल-लेयर" रणनीति
यह सिस्टम एक साथ दो प्रकार के "पत्थर फेंकने" का उपयोग करता है:
- ग्लोबल फज़र: यह बैकग्राउंड में लगातार महल की दीवारों पर पत्थर फेंकने जैसा है। यह आसान, स्पष्ट जालों को पकड़ लेता है।
- SP फज़र: यह "स्नाइपर" है। जब डिटेक्टिव एक विशिष्ट "सस्पिशियस पॉइंट" पाता है, तो यह फज़र अपनी पूरी ऊर्जा उसी सटीक स्थान पर केंद्रित करता है, उस सटीक चाबी को बनाने की कोशिश करता है जो दरवाजे को खोलने और जाल को सक्रिय करने के लिए आवश्यक है।
4. परिणाम: यह कितना अच्छा काम कर रहा था?
लेखकों ने इस सिस्टम का परीक्षण दो तरीकों से किया:
"परीक्षा" (AIxCC प्रतियोगिता): उन्होंने इस सिस्टम को विभिन्न सॉफ़्टवेयर प्रोजेक्ट्स में 40 ज्ञात छिपे हुए जालों के साथ एक टेस्ट दिया।
- परिणाम: FuzzingBrain V2 ने 40 में से 36 (90%) जाल खोजे।
- इसने पिछले सर्वश्रेष्ठ टीमों, जिनमें प्रतियोगिता के विजेता भी शामिल थे, को पीछे छोड़ दिया।
- इसने उन "कठिन" समस्याओं को हल किया जिनके लिए गहरे चिंतन और जटिल अनुक्रमों की आवश्यकता थी, जिन्हें अन्य सिस्टम मिस कर गए थे।
"रियल वर्ल्ड" हंट (वास्तविक दुनिया की खोज): उन्होंने इसे 19 वास्तविक दुनिया के ओपन-सोर्स प्रोजेक्ट्स (जैसे इमेज प्रोसेसर और नेटवर्क टूल्स) पर तैनात किया।
- परिणाम: इसने 41 बिल्कुल नए, पहले कभी न देखे गए भेद्यता (Zero-Day vulnerabilities) खोजे।
- इन प्रोजेक्ट्स के रखरखाव करने वालों ने इनमें से 26 की पुष्टि की और 23 को ठीक किया।
- इनमें से दो खोज इतनी गंभीर थीं कि उन्हें आधिकारिक "CVE" आईडी (वायरस के लिए एक विशिष्ट आईडी कार्ड की तरह) मिली।
5. यह क्यों महत्वपूर्ण है
पेपर का तर्क है कि यह सिस्टम एक बड़ी सफलता है क्योंकि यह केवल अनुमान नहीं लगाता है। यह नियंत्रित तरीके से सॉफ़्टवेयर को तोड़कर साबित करता है कि भेद्यता मौजूद है। यह "AI की सोच" और "वास्तविक दुनिया में तोड़ने" के बीच के अंतर को पाटता है।
संक्षेप में: FuzzingBrain V2 एक टीम की तरह है जो पहले मानचित्र पढ़ती है, फिर सबसे संदिग्ध स्थानों पर ज़ूम करती है, अपने सिद्धांतों की दोबारा जांच करती है, और अंत में यह साबित करने के लिए सटीक चाबी बनाती है कि ताला टूटा हुआ है। इसने पिछले किसी भी तरीके की तुलना में अधिक वास्तविक जाल, तेजी से और कम गलत चेतावनियों के साथ खोजे।
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।