Aray: Deterministic-First Synthesis of Benign Artifacts for YARA Validation
अराय (Aray) एक डिटरमिनिस्टिक-फर्स्ट सिस्टम है जो YARA नियमों को मान्य करने के लिए सौहार्दपूर्ण, गैर-दुर्भावनापूर्ण आर्टिफैक्ट्स को संश्लेषित करता है, और अंतर्निहित मैलवेयर नमूनों तक पहुंच की आवश्यकता के बिना अपने मूल नियमों से मेल खाने वाले फिक्स्चर उत्पन्न करने में 97.6% सफलता दर प्राप्त 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
साइबर सुरक्षा की दुनिया में, रक्षक खतरनाक सॉफ़्टवेयर को पहचानने के लिए डिजिटल फिंगरप्रिंट्स पर भरोसा करते हैं। ये फिंगरप्रिंट्स, जिन्हें 'रूल्स' (नियम) कहा जाता है, बाइट्स के विशिष्ट पैटर्न—डेटा के छोटे टुकड़ों—का वर्णन करते हैं जो दुर्भावनापूर्ण प्रोग्रामों में दिखाई देते हैं। जब कोई कंप्यूटर किसी फ़ाइल को स्कैन करता है और कोई मैच पाता है, तो वह अलार्म बजा देता है। हालाँकि, एक महत्वपूर्ण समस्या तब उत्पन्न होती है जब सुरक्षा टीमों को इन नियमों का परीक्षण करने की आवश्यकता होती है। एक नियम काम करता है यह सिद्ध करने के लिए, उन्हें आमतौर पर वास्तविक मालवेयर के एक टुकड़े की आवश्यकता होती है जो इसे ट्रिगर कर सके। लेकिन वास्तविक मालवेयर को स्टोर करना और स्थानांतरित करना खतरनाक, महंगा और अक्सर असंभव होता है, विशेष रूप से उन सुरक्षित वातावरणों में जहाँ इंटरनेट एक्सेस ब्लॉक है या जहाँ डेटा को अलग-थलग वॉल्ट में रखा जाना चाहिए। यह एक बाधा पैदा करता है: टीमों के पास खतरों को पकड़ने के लिए नियम तो हैं, लेकिन वे उन खतरों को जोखिम में डाले बिना उन्हें सुरक्षित रूप से टेस्ट नहीं कर सकते जिन्हें वे रोकने की कोशिश कर रहे हैं।
शोधकर्ताओं की एक टीम ने एक ऐसा समाधान विकसित किया है जो इस चक्र को तोड़ता है। उन्होंने 'अरे' (Aray) नामक एक टूल बनाया है, जो सुरक्षित, हानिरहित परीक्षण फ़ाइलों के निर्माता के रूप में कार्य करता है। एक वायरस को फिर से बनाने के बजाय, अरे एक वायरस कैसा दिखता है इसके विवरण को पढ़ता है और एक पूरी तरह से सौहार्दपूर्ण (benign) फ़ाइल बनाता है जिसमें केवल वे विशिष्ट पैटर्न होते हैं जिनकी तलाश वह नियम कर रहा है। कल्पना कीजिए कि एक सुरक्षा गार्ड को यह जांचने की आवश्यकता है कि मेटल डिटेक्टर काम करता है या नहीं। असली बंदूक लेकर परीक्षण करने के बजाय, जो जोखिम भरा है और जिसके लिए विशेष परमिट की आवश्यकता होती है, गार्ड एक हानिरहित प्लास्टिक प्रतिकृति बनाने के लिए एक उपकरण का उपयोग करता है जो ठीक उसी तरह अलार्म को ट्रिगर करती है। अरे डिजिटल नियमों के लिए यही करता है। यह मालवेयर सिग्नेचर के जटिल निर्देशों को लेता है और एक ऐसी फ़ाइल को असेंबल करता है जो उन निर्देशों को पूरा करती है, बिना मूल खतरे के हानिकारक कोड, पर्सिस्टेंस मैकेनिज्म (निरंतरता तंत्र), या खतरनाक व्यवहारों को शामिल किए।
शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण 416 सार्वजनिक सुरक्षा नियमों के एक बड़े संग्रह पर किया। वे यह देखना चाहते थे कि क्या यह टूल वास्तविक मालवेयर को छुए बिना हर नियम के लिए सफलतापूर्वक एक परीक्षण फ़ाइल बना सकता है। इस प्रक्रिया में दो मुख्य चरण शामिल हैं। पहले, सिस्टम नियम का विश्लेषण करता है ताकि यह समझ सके कि उसे क्या चाहिए। कुछ नियम सरल होते हैं और उन्हें कंप्यूटर के मानक कोड द्वारा पूरी तरह से संभाला जा सकता है। अन्य अधिक जटिल होते हैं, जिनमें ऐसे पैटर्न शामिल होते हैं जिन्हें पकड़ना कठिन होता है। इनके लिए, सिस्टम एक लार्ज लैंग्वेज मॉडल—एक प्रकार का आर्टिफिशियल इंटेलिजेंस—का उपयोग करता है ताकि नियम को सरल बनाने के सुझाव दिए जा सकें जिसे बनाया जा सके। महत्वपूर्ण रूप से, शोधकर्ताओं ने सिस्टम को इस तरह से डिज़ाइन किया है कि AI कभी भी अंतिम फ़ाइल नहीं लिख पाता या कंप्यूटर के मुख्य सिस्टम तक पहुँच नहीं पाता। AI केवल सुझाव देता है, और कंप्यूटर का मानक कोड कुछ भी बनाने से पहले हर सुझाव को सत्यापित करता है। यह सुनिश्चित करता है कि AI अनजाने में कुछ खतरनाक नहीं बना सकता या सिस्टम की सुरक्षा को भंग नहीं कर सकता।
परीक्षण के परिणाम अत्यधिक सफल रहे। सिस्टम 416 में से 406 नियमों के लिए वैध परीक्षण फ़ाइलें बनाने में सफल रहा, जिसकी सफलता दर लगभग 98 प्रतिशत थी। दस नियम जो विफल रहे, वे टूल की त्रुटियों के कारण नहीं थे, बल्कि इसलिए क्योंकि वे विशिष्ट नियम ऐसी चीजें मांग रहे थे जिन्हें बनाना गणितीय रूप से असंभव है, जैसे कि एक फ़ाइल जिसे अपनी पूरी सामग्री का एक विशिष्ट क्रिप्टोग्राफिक हैश होना चाहिए, जिसे नकली नहीं बनाया जा सकता। सफल 406 मामलों के लिए, शोधकर्ताओं ने सत्यापित किया कि नए फ़ाइलों ने वास्तव में स्कैन किए जाने पर मूल सुरक्षा नियमों को ट्रिगर किया। इसने पुष्टि की कि टूल ने कार्यात्मक रूप से खतरनाक फ़ाइलों के समान फ़ाइलें बनाई थीं, लेकिन वे स्टोर करने, स्थानांतरित करने और आपदा रिकवरी ड्रिल में उपयोग करने के लिए पूरी तरह से सुरक्षित थीं।
यह कार्य विशेष रूप से कैसे AI और अंतिम आउटपुट के बीच के संबंध को संभालता है, यह बहुत महत्वपूर्ण है। कई आधुनिक प्रणालियों में, AI को सीधे कोड या फ़ाइलें उत्पन्न करने की अनुमति दी जाती है, जिससे अप्रत्याशित या असुरक्षित परिणाम मिल सकते हैं। अरे एक अलग रास्ता अपनाता है। यह AI को एक सलाहकार के रूप में मानता है जो केवल विचार प्रस्तावित कर सकता है, जबकि वास्तविक निर्माण कठोर, अनुमानित कंप्यूटर प्रोग्रामों द्वारा किया जाता है जो सख्त नियमों का पालन करते हैं। शोधकर्ताओं ने एक सुरक्षा चेक भी सेट किया जहाँ AI को एक ऐसे सर्वर से जुड़ने के लिए कहा गया था जो अस्तित्व में ही नहीं था। यदि AI ने संपर्क करने की कोशिश की, तो परीक्षण तुरंत विफल हो जाएगा। सिस्टम इस चेक में पूरी तरह से पास हुआ, जिससे सिद्ध हुआ कि पूरे प्रक्रिया के दौरान AI ने सुरक्षा सीमाओं को बायपास करने का प्रयास नहीं किया। कर्तव्यों का यह पृथक्करण सिस्टम को कठिन समस्याओं को हल करने के लिए AI की रचनात्मकता का उपयोग करने की अनुमति देता है, जबकि खतरनाक हिस्सों को सख्त, नियत नियंत्रण (deterministic control) के तहत रखता है।
सुरक्षा संचालन के लिए इसके निहितार्थ व्यावहारिक और तत्काल हैं। जो संगठन क्लाउड स्टोरेज में अपलोड की जाने वाली फ़ाइलों को स्कैन करते हैं या जिन्हें अपने आपदा रिकवरी प्लान का परीक्षण करने की आवश्यकता होती है, वे अब लाइव वायरस की लाइब्रेरी बनाए बिना ऐसा कर सकते हैं। वे मांग पर एक सुरक्षित परीक्षण फ़ाइल बना सकते हैं, उसे परीक्षण वातावरण में अपलोड कर सकते हैं, और सत्यापित कर सकते हैं कि उनके डिटेक्शन सिस्टम सही ढंग से काम कर रहे हैं। यदि कोई सिस्टम परीक्षण फ़ाइल का पता लगाने में विफल रहता है, तो टीम जान लेती है कि उनके नियमों या उनके स्कैनर में कोई समस्या है, और वे वास्तविक हमले से पहले इसे ठीक कर सकते हैं। यह प्रत्येक परीक्षण वातावरण में खतरनाक मालवेयर रखने की आवश्यकता को समाप्त करता है, जिससे आकस्मिक रिसाव का जोखिम और अलग-थलग, सुरक्षित लैब बनाए रखने की लागत कम हो जाती है। यह टूल हर संभव सुरक्षा समस्या को हल करने या हर वायरस की हर बारीकी को समझने का दावा नहीं करता है, लेकिन यह एक डिजिटल खतरे के विवरण को एक सुरक्षित, परीक्षण योग्य वस्तु में बदलने का एक विश्वसनीय, ऑडिट योग्य तरीका प्रदान करता है।
शोधकर्ता अपने कार्य की सीमाओं को परिभाषित करने में सावधान रहे। उन्होंने यह साबित नहीं किया कि उनका टूल मौजूद हर प्रकार के सुरक्षा नियम को संभाल सकता है, न ही उन्होंने यह दावा किया कि उसके द्वारा बनाई गई फ़ाइलें मैच के एकमात्र संभावित संस्करण हैं। इसके बजाय, उन्होंने प्रदर्शित किया कि सामान्य नियमों के एक बड़े हिस्से के लिए, टूल विश्वसनीय रूप से एक 'विटनेस' (गवाह)—एक एकल फ़ाइल जो यह सिद्ध करती है कि नियम काम करता है—उत्पादित कर सकता है। उन्होंने यह भी दिखाया कि प्रक्रिया पारदर्शी है; मूल नियम से अंतिम फ़ाइल तक के हर चरण को ट्रैक और सत्यापित किया जा सकता है। AI को सहायक भूमिका में रखकर और निर्माण को मानक कोड द्वारा संचालित करके, उन्होंने एक ऐसा सिस्टम बनाया है जो शक्तिशाली और सुरक्षित दोनों है। यह दृष्टिकोण साइबर सुरक्षा परीक्षण के लिए एक नया रास्ता प्रदान करता है, जिससे टीमें उन खतरनाक अवशेषों को छुए बिना अपने बचाव को आत्मविश्वास के साथ मान्य कर सकती हैं जिन्हें वे रोकने के लिए डिज़ाइन की गई 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।