Fully Automated End-to-End Adversary Emulation from MITRE ATT\&CK Based Cyber Threat Intelligence Using LLMs
यह शोध पत्र एक पूर्णतः स्वचालित एंड-टू-एंड फ्रेमवर्क पेश करता है जो MITRE ATT&CK-संरेखित CTI रिपोर्टों से Caldera प्लेबुक्स को उत्पन्न करने, निष्पादित करने और पुनरावृत्ति रूप से संशोधित करने के लिए LLMs का लाभ उठाता है, जो एक प्रभावी विफलता रिकवरी तंत्र के माध्यम से उच्च निष्पादन सफलता दर प्राप्त करके AURORA जैसे पूर्व अत्याधुनिक सिस्टमों से काफी बेहतर प्रदर्शन 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
डिजिटल दुनिया की कल्पना एक विशाल, हलचल भरे शहर के रूप में करें जहाँ बुरे लोग लगातार बैंकों में सेंध लगाने, रहस्य चुराने या अराजकता फैलाने की कोशिश कर रहे हैं। इस शहर को सुरक्षित रखने के लिए, सुरक्षा गार्डों (साइबर रक्षकों) को यह जानना आवश्यक है कि ये बुरे लोग कैसे सोचते और व्यवहार करते हैं। लेकिन यहाँ एक पेंच है: बुरे लोग हर दिन अधिक स्मार्ट, तेज़ और रचनात्मक होते जा रहे हैं। आगे रहने के लिए, रक्षकों को इन विशिष्ट, वास्तविक दुनिया के हमलों का अभ्यास करना होगा। इसे "एडवर्सरी इम्यूलेशन" (adversary emulation) कहा जाता है। यह एक फायर ड्रिल की तरह है, लेकिन धुएं और पाइपों के बजाय, वे यह देखने के लिए डिजिटल सिमुलेशन का उपयोग करते हैं कि क्या उनके सुरक्षा सिस्टम किसी हैकर को पहचान सकते हैं और रोक सकते हैं।
समस्या यह है कि इन "फायर ड्रिल" को आयोजित करना अविश्वसनीय रूप से कठिन है। आमतौर पर, एक मानव विशेषज्ञ को हाल ही के साइबर हमले के बारे में एक लंबी, जटिल रिपोर्ट पढ़नी पड़ती है, यह समझना पड़ता है कि हैकर ने वास्तव में क्या किया था, और फिर मैन्युअल रूप से एक स्क्रिप्ट लिखनी पड़ती है ताकि उनका कंप्यूटर बिल्कुल वही काम कर सके। यह एक विदेशी भाषा में लिखे गए मैनुअल को पढ़कर एक जटिल लेगो (Lego) किला बनाने की तरह है, और फिर अपनी आँखें बंद करके ईंट-दर-ईंट उस किले को बनाने जैसा है। इसमें बहुत समय लगता है, बहुत पैसा खर्च होता है, और यदि आप एक छोटी सी भी गलती करते हैं, तो पूरा किला ढह जाता है। यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम एक सुपर-स्मार्ट कंप्यूटर (एक एआई) को ये रिपोर्ट पढ़ने, हमारे लिए वह लेगो किला बनाने और यहाँ तक कि अगर वह गिर जाए तो उसे ठीक करने के लिए सिखा सकते हैं, और वह भी बिना हमें उंगली हिलाने की आवश्यकता के?
इस शोध पत्र के शोधकर्ता कहते हैं, "हाँ, हम कर सकते हैं!" उन्होंने एक पूरी तरह से स्वचालित रोबोट प्रणाली बनाई है जो एक डिजिटल मास्टर बिल्डर की तरह कार्य करती है। यह इस प्रकार काम करती है: सबसे पहले, सिस्टम एक वास्तविक साइबर-खतरे की रिपोर्ट पढ़ता है (जो एक हैकर की डकैती की कहानी की तरह है)। फिर, यह एक शक्तिशाली एआई मस्तिष्क का उपयोग करके उस कहानी को निर्देशों के एक सेट में अनुवादित करता है जिसे "प्लेबुक" (playbook) कहा जाता है। इस प्लेबुक को एक साइबर हमले की रेसिपी (विधि) के रूप में समझें। सिस्टम इस रेसिपी को एक टेस्ट किचन (एक सुरक्षित, अलग कंप्यूटर नेटवर्क) पर तैयार करता है ताकि यह देखा जा सके कि क्या यह काम करती है।
लेकिन असली जादू यहाँ है: अतीत में, यदि रेसिपी इसलिए विफल हो जाती थी क्योंकि ओवन बहुत गर्म था या सामग्री गायब थी, तो इंसान को हस्तक्षेप करना पड़ता था, यह पता लगाना पड़ता था कि क्या गलत हुआ, और फिर रेसिपी को फिर से लिखना पड़ता था। यह नया सिस्टम इंतजार नहीं करता है। यदि हमला विफल होता है, तो सिस्टम तुरंत त्रुटि (error) को देखता है, अनुमान लगाता है कि क्या गलत हुआ (जैसे "ओह, मैंने गलत पासवर्ड का उपयोग किया" या "फ़ाइल पाथ गायब है"), और अपने आप रेसिपी को ठीक करने की कोशिश करता है। यह निर्देशों को तब तक आज़माता और बदलता रहता है जब तक कि हमला सुचारू रूप से न चल पड़े।
टीम ने इस सिस्टम का परीक्षण 11 अलग-अलग वास्तविक दुनिया के हमलों की कहानियों पर किया। उन्होंने पाया कि सिस्टम अपने काम में आश्चर्यजनक रूप से अच्छा था। जब उन्होंने अपने द्वारा उपयोग किए गए सबसे अच्छे एआई मॉडल (जिसे क्लॉड सोनेट 4.5 कहा जाता है) का उपयोग किया, तो सिस्टम अपनी गलतियों को ठीक करने के बाद लगभग 84% बार सफलतापूर्वक हमले की रेसिपी बना और चला सका। सिस्टम द्वारा चीजें ठीक करने से पहले, यह केवल 70% बार सफल हुआ था। इसका मतलब है कि "सेल्फ-रिपेयर" (स्वयं सुधारने वाला) फीचर एक बहुत बड़ी मदद थी, जिसने सफलता दर को लगभग 15 प्रतिशत अंक बढ़ा दिया।
शोधकर्ताओं ने अपने रोबोट बिल्डर की तुलना वर्तमान में उपलब्ध सबसे अच्छे मानव-नेतृत्व वाले सिस्टम (जिसे ऑरोरा/AURORA कहा जाता है) से की। उनका रोबोट न केवल पूरी तरह से स्वचालित था, बल्कि उसने अधिक विस्तृत हमले की योजनाएँ भी बनाईं और पिछले चैंपियन की तुलना में अधिक बार सफल रहा। इस सिस्टम को प्रत्येक रिपोर्ट के लिए एक प्लेबुक बनाने और ठीक करने में 200 सेकंड से कम समय और लगभग 35 सेंट की कंप्यूटर प्रोसेसिंग शक्ति लगी। इसके विपरीत, मनुष्य मैन्युअल रूप से वही काम करने में महीनों ले सकते हैं।
यह शोध पत्र सुझाव देता है कि यह दृष्टिकोण एक बड़ा कदम है क्योंकि यह मनुष्यों को निरंतर इस प्रक्रिया की देखरेख करने की आवश्यकता को समाप्त कर देता है। हालाँकि, शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि हालांकि यह सिस्टम प्रभावशाली है, लेकिन यह पूर्ण नहीं है। कभी-कभी, वातावरण एआई की अपेक्षा से बहुत अलग होता है, और रोबोट कितनी भी कोशिश करे, वह समस्या को ठीक नहीं कर पाता है। लेकिन अधिकांश मामलों के लिए, यह "सेल्फ-हीलिंग" (स्वयं ठीक होने वाला) रोबोट यह साबित करता है कि हम पिछले हमलों से सीखने और उनके विरुद्ध अपने बचाव का परीक्षण करने की पूरी प्रक्रिया को स्वचालित कर सकते हैं, जिससे हमारे डिजिटल शहर बहुत अधिक सुरक्षित और हमारी सुरक्षा टीमें बहुत अधिक कुशल हो जाती हैं।
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।