Beyond Resilience: Antifragility in Critical Infrastructure Cybersecurity
यह शोध पत्र साइबर घटनाओं के अनुभवजन्य विश्लेषण और हार्डवेयर-इन-द-लूप डेटा का उपयोग करते हुए, महत्वपूर्ण बुनियादी ढांचा साइबर सुरक्षा के लिए एंटीफ्रेजिलिटी (antifragility) का एक सिद्धांत प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यद्यपि OT-समीपवर्ती क्षेत्रों को काफी अधिक विघटनकारी खतरों का सामना करना पड़ता है और वे मापने योग्य प्रतिक्रिया भिन्नता प्रदर्शित करते हैं, वर्तमान निष्कर्ष भविष्य के एंटीफ्रेजिलिटी परीक्षण के लिए आवश्यक पूर्वशर्तों को स्थापित करते हैं न कि अनुकूली लाभ (adaptive gain) को सिद्ध करते हैं।
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, अदृश्य तंत्रिका तंत्र (nervous system) के रूप में करें जो आपके बेडरूम की लाइटों से लेकर पूरे शहर को चलाने वाले पावर ग्रिड तक, हर चीज़ को जोड़ता है। लंबे समय तक, विशेषज्ञों का मानना था कि इस प्रणाली की रक्षा करने का सबसे अच्छा तरीका इसे "लचीला" (resilient) बनाना है। लचीलेपन को एक रबर बैंड की तरह समझें: यदि आप इसे बहुत अधिक खींचते हैं, तो यह अपने मूल आकार में वापस आ जाता है। यह तनाव से बच जाता है, लेकिन अगली बार तनाव को संभालने में यह पहले से बेहतर नहीं होता। यह बस वैसा ही हो जाता है जैसा यह पहले था। लेकिन क्या होगा अगर कोई प्रणाली एक मांसपेशी (muscle) की तरह हो सकती है? जब आप भारी वजन उठाते हैं, तो आपकी मांसपेशी थोड़ी फट जाती है, लेकिन जब वह ठीक होती है, तो वह पहले से अधिक मजबूत और बड़ी होकर वापस आती है। इस विचार को "एंटीफ्रेजिलिटी" (antifragility) कहा जाता है। यह केवल वापस उछलने (बचने) के बारे में नहीं है; यह आगे की ओर उछलने (सुधारने) के बारे में है। वैज्ञानिक एक बड़ा सवाल पूछ रहे हैं: क्या हम अपने महत्वपूर्ण बुनियादी ढांचे (जैसे जल उपचार संयंत्र और पावर ग्रिड) के लिए ऐसे कंप्यूटर सिस्टम बना सकते हैं जो वास्तव में हमलों से सीख सकें और मजबूत हो सकें, बजाय इसके कि वे केवल नुकसान को ठीक करें और बेहतर होने की उम्मीद करें?
यह शोध पत्र, जिसका शीर्षक "बियॉन्ड रेजिलिएंस: एंटीफ्रेजिलिटी इन क्रिटिकल इंफ्रास्ट्रक्चर साइबरसिक्योरिटी" है, ठीक इसी सवाल में डूब जाता है। लेखक, स्टीफन फ्लावरडे, मौरिसियो पापा और एथन फ्लावरडे का तर्क है कि हमें सोचने के एक नए तरीके की आवश्यकता है। वे केवल ऐसी प्रणालियाँ नहीं चाहते जो जीवित रहें; वे ऐसी प्रणालियाँ चाहते हैं जो कुछ गलत होने पर बेहतर हों। यह परीक्षण करने के लिए कि क्या यह संभव भी है, उन्होंने एक नया "एंटीफ्रेजिलिटी थ्योरी ऑफ एंटीफ्रेजिलिटी" (AFT) बनाया। उन्होंने यह परिभाषित करने के लिए एक गणितीय नियम पुस्तिका तैयार की कि "मजबूत होने" का सटीक अर्थ क्या है, और "जीवित रहने" से इसे अलग किया।
शोधकर्ताओं ने केवल एक लैब में बैठकर इसकी कल्पना नहीं की; वे दो अलग-अलग जगहों पर सबूत खोजने के लिए निकले। सबसे पहले, उन्होंने वास्तविक दुनिया की साइबर घटनाओं (CISSM डेटाबेस) के एक विशाल डेटाबेस को देखा ताकि यह देखा जा सके कि क्या विभिन्न प्रकार के उद्योग अलग-अलग प्रकार की समस्याओं का सामना करते हैं। उन्होंने पाया कि जो उद्योग भौतिक चीजों को नियंत्रित करते हैं—जैसे बिजली संयंत्र और कारखाने (जिन्हें "OT-adjacent" क्षेत्र कहा जाता है)—वे विघटनकारी हमलों का बहुत अधिक भार झेलते हैं। वास्तव में, इन क्षेत्रों में 6,5.3% साइबर घटनाएं सीधे व्यवधान या समस्याओं के मिश्रण का कारण बनीं, जबकि वित्त या स्वास्थ्य सेवा जैसे क्षेत्रों में, जो मुख्य रूप से सूचनाओं से संबंधित हैं, यह केवल 46.8% था। उन्होंने यह भी पाया कि इन औद्योगिक क्षेत्रों में भौतिक हमले और डेटा हमले बहुत अधिक आम थे, जो यह सुझाव देते हैं कि इन प्रणालियों की "मांसपेशी" का परीक्षण बहुत विशिष्ट और खतरनाक तरीकों से किया जा रहा है।
दूसरा, उन्होंने HAI नामक एक विशेष डेटासेट का उपयोग किया, जो एक कारखाने के नियंत्रण प्रणाली पर हमले का अनुकरण (simulate) करता है। वे यह देखना चाहते थे कि क्या वे वास्तव में हमले के प्रति प्रणाली की प्रतिक्रिया को माप सकते हैं। उन्होंने पाया कि जब हमला हुआ, तो प्रणाली का व्यवहार चार्ट से बाहर निकल गया। हमले वाले क्षण सामान्य व्यवहार से बहुत अधिक विचलन दिखाने की 7.43 गुना अधिक संभावना रखते थे। यह एक महत्वपूर्ण कदम है क्योंकि आप यह साबित नहीं कर सकते कि कोई प्रणाली मजबूत हो रही है, यदि आप यह भी नहीं देख सकते कि टकराने पर वह कैसे प्रतिक्रिया करती है।
हालाँकि, यहाँ सबसे महत्वपूर्ण बात है: यह शोध पत्र यह दावा नहीं करता है कि उन्हें एक ऐसी प्रणाली मिली है जो पहले से ही एंटीफ्रेजाइल है। वे स्पष्ट रूप से कहते हैं कि हालांकि उन्होंने समय के साथ प्रणाली की प्रतिक्रिया को बदलते हुए देखा, लेकिन उन्हें इस बात का प्रमाण नहीं मिला कि वह वास्तव में बेहतर हुई या अगली बार हमले को अधिक सुरक्षित रूप से संभालने के लिए सीख गई। डेटा ने दिखाया कि प्रणाली की प्रतिक्रिया बदल गई, लेकिन आवश्यक रूप से बेहतर नहीं हुई। लेखक बहुत सावधानी से कहते हैं कि "केओस इंजीनियरिंग" (चीजों को परीक्षण के लिए जानबूझकर तोड़ना) केवल एक क्रिया (verb) है, जबकि "एंटीफ्रेजिलिटी" एक संज्ञा (noun) है। आप एक प्रणाली का परीक्षण करने के लिए चीजों को तोड़ सकते हैं, लेकिन इसका मतलब यह स्वतः ही नहीं है कि प्रणाली एंटीफ्रेजाइल हो गई है।
तो, उन्होंने वास्तव में क्या हासिल किया? उन्होंने मापने का पैमाना बनाया। उन्होंने साबित किया कि हम अलग-अलग तरीकों से नाजुक उद्योगों के बीच अंतर कर सकते हैं, और उन्होंने सिद्ध किया कि हम यह माप सकते हैं कि टकराने पर एक प्रणाली कैसे डगमगाती है। उन्होंने भविष्य के लिए मंच तैयार किया, यह दिखाते हुए कि "आगे की ओर उछलने" के परीक्षण के उपकरण मौजूद हैं, लेकिन वास्तविक "अति-मजबूत" प्रणालियाँ अभी तक नहीं बनाई गई हैं। यह शोध पत्र एक मंजिल नहीं, बल्कि एक रोडमैप है। यह हमें बताता है कि एंटीफ्रेजाइल सिस्टम प्राप्त करने के लिए, हमें केवल चीजों को ठीक करना बंद करना होगा और ऐसी प्रणालियों को डिजाइन करना शुरू करना होगा जो अपने निशानों (scars) से सुरक्षित रूप से सीख सकें, लेकिन हमें अभी लंबा रास्ता तय करना 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।