Neuro-Agentic Control: A Deep Learning-based LLM-Powered Agentic AI Framework for Controlling Security Controls
यह शोध पत्र एक न्यूरो-एजेंटिक कंट्रोल फ्रेमवर्क पेश करता है जो एक LLM-आधारित प्लानर को टाइम-सीरीज फाउंडेशन मॉडल और एक काउंटरफैक्चुअल फिजिक्स इंजेक्शन मैकेनिज्म के साथ जोड़ता है ताकि औद्योगिक IoT वातावरण में साइबर हमलों के विरुद्ध सुरक्षित, भौतिकी-आधारित स्वायत्त रक्षा सक्षम की जा सके, जो असुरक्षित मतिभ्रम (hallucinated) कार्यों को समाप्त करते हुए घुसपैठ को प्रभावी ढंग से रोकता 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 आप एक हाई-टेक जल उपचार संयंत्र (water treatment plant) के कप्तान हैं। आपका काम एक विशाल टैंक को भर जाने से रोकना है, जिससे भारी तबाही या भौतिक क्षति हो सकती है। आमतौर पर, आप एक सख्त नियम पुस्तिका पर भरोसा करते हैं: "यदि पानी 800mm तक पहुँच जाए, तो ड्रेन खोल दें।" लेकिन क्या होगा अगर कोई चालाक हैकर सेंसर के साथ छेड़छाड़ कर दे, जिससे पानी आपके नियम पुस्तिका की क्षमता से कहीं अधिक तेज़ी से बढ़ने लगे?
यहीं पर एक नया विचार आता है जिसे न्यूरो-एजेंटिक कंट्रोल (Neuro-Agentic Control) कहा जाता है। इसे दो रोबोटों की एक सुपर-स्मार्ट टीम के रूप में समझें जो दिन बचाने के लिए मिलकर काम कर रहे हैं।
ड्रीम टीम: द आर्किटेक्ट और द सेंटिनल
पहला रोबोट है द आर्किटेक्ट (The Architect)। यह एक सुपर-स्मार्ट AI मस्तिष्क (विशेष रूप से, Gemini 2.5 Flash-Lite नामक मॉडल) द्वारा संचालित है। आर्किटेक्ट स्थिति को पढ़ने और चतुर योजनाएं बनाने में माहिर है। यह कह सकता है, "हे, पानी बढ़ रहा है! चलिए 30 सेकंड के लिए ड्रेन वाल्व को बहुत तेज़ी से खोल देते हैं!"
लेकिन यहाँ एक पेंच है: आर्किटेक्ट थोड़ा ख्याली पुलाव पकाने वाला (daydreamer) है। कभी-कभी, यह बहुत अधिक रचनात्मक हो जाता है और ऐसी चीज़ें सुझाता है जो भौतिक रूप से असंभव या खतरनाक हैं, जैसे "और पानी डालें!" जब टैंक पहले से ही भरा हुआ है। वास्तविक दुनिया में, यदि आप किसी ख्याली पुलाव पकाने वाले को मशीन नियंत्रित करने देते हैं, तो आपदा आ सकती है।
दूसरा रोबोट है द सेंटिनल (The Sentinel)। यह एक गंभीर, बिना किसी फालतू बात के समय-यात्रा करने वाला कैलकुलेटर है (जो TimesFM नामक मॉडल द्वारा संचालित है)। सेंटिनल सपने नहीं देखता; यह भविष्यवाणी करता है। यह जानता है कि भौतिकी और गणित के आधार पर पानी वास्तव में कैसे व्यवहार करता है।
जादू का नुस्खा: "क्या होगा अगर?" सिमुलेशन
इस प्रणाली की प्रतिभा इस बात में है कि वे एक-दूसरे से कैसे बात करते हैं। आर्किटेक्ट की योजना वास्तविक टैंक पर लागू होने से पहले, सेंटिनल एक "क्या होगा अगर?" (What If?) सिमुलेशन चलाता है।
कल्पना कीजिए कि आर्किटेक्ट सुझाव देता है, "आइए प्रति सेकंड 50mm पानी निकालें।" सेंटिनल तुरंत समय को रोकता है और पूछता है, "ठीक है, यदि हम ऐसा करते हैं, तो अगले कुछ मिनटों में पानी के स्तर का क्या होगा?"
- यदि योजना काम करती है: सेंटिनल देखता है कि पानी का स्तर सुरक्षित रूप से गिर रहा है। वह थम्स अप देता है, और वास्तविक वाल्व खुल जाता है।
- यदि यह एक भ्रम (hallucination) है: यदि आर्किटेक्ट गलती से "पानी डालें" या बहुत ही अजीब ड्रेन रेट का सुझाव देता है, तो सेंटिनल सिमुलेशन में देखता है कि पानी का स्तर आसमान छू रहा है। वह तुरंत ब्रेक लगा देता है, कहता है "नहीं, यह एक बुरा विचार है," और योजना को कचरे में फेंक देता है।
इस प्रक्रिया को काउंटरफैक्टुअल फिजिक्स इंजेक्शन (Counterfactual Physics Injection) कहा जाता है। यह एक सुरक्षा जाल की तरह है जो ख्याली पुलाव पकाने वाले को गलती करने से पहले ही पकड़ लेता है।
क्या इसने वास्तव में काम किया?
शोधकर्ताओं ने इस टीम का परीक्षण एक डिजिटल वर्ज़न पर किया जो एक वास्तविक जल उपचार संयंत्र (जिसे SWaT कहा जाता है) का हिस्सा है। उन्होंने 15 अलग-अलग हमले के परिदृश्यों का अनुकरण किया, जिसमें पानी के स्तर में अचानक उछाल, धीमी लीकेज और शोर भरा, भ्रमित करने वाला डेटा शामिल था।
यहाँ यह टीम पुराने ज़माने के रोबोटों (जिन्हें LSTM और TCN कहा जाता है) की तुलना में कैसा प्रदर्शन करती है:
- पुराने रोबट: LSTM रोबोट केवल 4 में से 15 परीक्षणों में पानी को भरने से रोकने में सफल रहा (लगभग 27%)। TCN रोबोट केवल 2 में से 15 परीक्षणों में इसे रोकने में सफल रहा (लगभग 13%)।
- नई टीम: न्यूरो-एजेंटिक टीम (आर्किटेक्ट + सेंटिनल) ने 5 में से 15 परीक्षणों में सफलतापूर्वक ओवरफ्लो को रोका (33.3%)।
लेकिन असली जीत केवल अधिक लीकेज रोकने में नहीं थी; बल्कि यह था कि इसने एक भी गलती नहीं की। सभी 15 परीक्षणों में, सिस्टम ने आर्किटेक्ट द्वारा सुझाए गए हर असुरक्षित या असंभव विचार को खारिज कर दिया। इसने कभी भी किसी "भ्रमित" (hallucinated) क्रिया को निष्पादित नहीं किया। वास्तव में, एक विशिष्ट परीक्षण में, नई टीम ने जोखिम को 215.38 यूनिट से कम कर दिया, जो कि बहुत बेहतर था क्योंकि पुराने रोबोट अपने सर्वश्रेष्ठ प्रदर्शन (जो केवल 67 यूनिट था) में भी इतना नहीं कर सके थे।
एक कमी: सोचने में समय लगता है
वहाँ एक छोटा सा समझौता (trade-off) है। क्योंकि सेंटिनल को यह सुनिश्चित करने के लिए "क्या होगा अगर?" सिमुलेशन चलाना पड़ता है कि योजना सुरक्षित है, पूरी प्रक्रिया में थोड़ा अधिक समय लगता है। सिस्टम को निर्णय लेने के लिए लगभग 1.5 से 2.5 सेकंड की आवश्यकता होती है।
एक पानी के टैंक के लिए, यह पर्याप्त तेज़ है। लेकिन बिजली की गति से चलने वाले रोबोटिक हाथ के लिए, यह धीमा हो सकता है। लेखक सुझाव देते हैं कि यह सुरक्षा के लिए एक अच्छा सौदा है, लेकिन वे स्वीकार करते हैं कि भविष्य में अन्य प्रकार की मशीनों के लिए इसे तेज़ बनाने की आवश्यकता है।
निष्कर्ष
यह पेपर दिखाता है कि हम खतरनाक मशीनों को नियंत्रित करने के लिए सुपर-स्मार्ट, रचनात्मक AI का उपयोग कर सकते हैं, जब तक कि हम इसे एक सख्त, भौतिकी-जानने वाले वॉचडॉग के साथ जोड़ सकें। "आर्किटेक्ट" विचार लाता है, और "सेंटिनल" गणित की जांच करता है ताकि वे प्लांट को उड़ा न दें। इन सिमुलेशन में, यह टीम पारंपरिक तरीकों की तुलना में आपदाओं को रोकने में बेहतर और सुरक्षित थी, जो यह साबित करती है कि थोड़ा सा "ख्याली पुलाव पकाना" भी ठीक है, जब तक कि एक गंभीर दोस्त आपको वास्तविकता से जोड़े रखने के लिए वहां मौजूद हो।
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।