Explainable Adaptive Zero Trust Framework for AWS with Adversarial Robustness Evaluation
यह शोध पत्र AWS के लिए 'एक्सप्लेनेबल एडेप्टिव ज़ीरो ट्रस्ट फ्रेमवर्क' (EAZTF) का प्रस्ताव करता है, जो एक क्लाउड-नेटिव सुरक्षा प्रणाली है जो 'ट्रस्ट रिस्क स्कोर' और 'SHAP-आधारित स्पष्टीकरणों' के माध्यम से सत्र की वैधता का निरंतर मूल्यांकन करने के लिए मशीन लर्निंग का उपयोग करती है, जिससे पारंपरिक परिधि मॉडलों की तुलना में NIST ज़ीरो ट्रस्ट मानकों के साथ अनुपालन में महत्वपूर्ण सुधार करते हुए प्रतिकूल खतरों के विरुद्ध उच्च पहचान दर प्राप्त होती 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
क्लाउड कंप्यूटिंग की डिजिटल दुनिया में, संगठन अपने डेटा की सुरक्षा करने के तरीके में एक मौलिक बदलाव आया है। दशकों तक, सुरक्षा एक किले की दीवार के विचार पर टिकी थी: एक बार जब किसी उपयोगकर्ता ने गेट पर अपनी पहचान सिद्ध कर दी, तो उन्हें उनके शेष समय के लिए पूरी तरह से भरोसेमंद मान लिया जाता था। इस परिधि-आधारित (perimeter-based) दृष्टिकोण ने यह माना कि जिसके पास वैध कुंजी है, उसे स्वतंत्र रूप से घूमने देने में सुरक्षित है। हालाँकि, जैसे-जैसे काम क्लाउड की ओर बढ़ा और कर्मचारियों ने कहीं से भी सिस्टम तक पहुँच बनाना शुरू किया, वह दीवार छिद्रपूर्ण हो गई। यदि किसी चोर ने एक वैध कुंजी चुरा ली, तो वे सीधे अंदर आ सकते थे और बिना किसी को पता चले घंटों तक वहीं रह सकते थे। इस भेद्यता का आधुनिक उत्तर 'जीरो ट्रस्ट' (Zero Trust) नामक एक दर्शन है। किसी व्यक्ति पर केवल इसलिए भरोसा करने के बजाय कि उसके पास एक कुंजी है, जीरो ट्रस्ट यह मांग करता है कि हर एक क्रिया की निरंतर जाँच की जाए, मानो उपयोगकर्ता एक अजनबी हो। यह न केवल पूछता है कि "आप कौन हैं?" बल्कि यह भी पूछता है कि "आप अभी क्या कर रहे हैं, और क्या यह तर्कसंगत है?"
भारत के शोधकर्ताओं की एक टीम ने इस दर्शन को अपनाया है और विशेष रूप से अमेज़न वेब सर्विसेज (AWS) के लिए एक कार्यशील प्रणाली बनाई है, जो दुनिया की एक-तिहाई क्लाउड सेवाओं द्वारा उपयोग किया जाने वाला प्लेटफॉर्म है। उन्होंने एक ऐसा ढांचा तैयार किया है जो एक सतर्क सुरक्षा गार्ड की तरह कार्य करता है जो कभी देखना बंद नहीं करता। पारंपरिक प्रणालियों के विपरीत, जो केवल उपयोगकर्ता के लॉग इन करते समय उनकी पहचान की जाँच करती हैं, यह नई प्रणाली उपयोगकर्ता के पूरे सत्र (session) के दौरान उनके द्वारा किए गए हर कदम पर नज़र रखती है। यह उन पैटर्न्स को देखती है जैसे कि उपयोगकर्ता कहाँ से लॉग इन कर रहा है, दिन का कौन सा समय है, और वह फाइलों के माध्यम से कितनी तेज़ी से क्लिक कर रहा है। यदि सिस्टम कुछ असामान्य देखता है, जैसे कि कोई उपयोगकर्ता अचानक सुबह 3 बजे उस देश से हज़ारों फाइलें डाउनलोड कर रहा है जहाँ उसने पहले कभी यात्रा नहीं की है, तो यह किसी इंसान के नोटिस करने का इंतज़ार नहीं करता। यह तुरंत प्रतिक्रिया देता है, या तो पहचान के अतिरिक्त प्रमाण मांगता है या उपयोगकर्ता को पूरी तरह से बाहर कर देता है।
शोधकर्ताओं ने 8,500 सिम्युलेटेड कंप्यूटर घटनाओं के एक विशाल संग्रह का उपयोग करके अपने सिस्टम का परीक्षण किया, जो वास्तविक दुनिया की गतिविधियों की नकल करते हैं। उन्होंने सामान्य कार्य पैटर्न और विभिन्न प्रकार के हमलों का मिश्रण बनाया, जिसमें वे परिदृश्य भी शामिल थे जहाँ एक चोर ने चोरी की हुई कुंजियों का उपयोग किया, उपयोगकर्ता के सामान्य व्यवहार की नकल की ताकि वे घुल-मिल सकें, या डेटा अनुरोधों की गति सीमा को पार करने का प्रयास किया। सिस्टम इन खतरों को पकड़ने में उल्लेखनीय रूप से प्रभावी साबित हुआ। इसने सभी हमले के प्रयासों के लिए 0.91 का AUC प्राप्त किया, और उन्हें एक मिनट से भी कम समय में पकड़ लिया। इसके विपरीत, आज की कई कंपनियों में उपयोग की जाने वाली पारंपरिक सुरक्षा विधियों को उसी चोरी को पहचानने में औसतन 43 घंटे लग जाते, तब तक नुकसान संभवतः हो चुका होता। यह प्रणाली क्रेडेंशियल चोरी (credential theft) को पकड़ने में विशेष रूप से अच्छी थी, जहाँ एक वैध कुंजी का उपयोग एक अजीब स्थान से किया जाता है, जिसने उन प्रयासों के लिए 0.92 का AUC प्राप्त किया।
इस कार्य की एक सबसे महत्वपूर्ण उपलब्धि यह है कि सिस्टम केवल संदिग्ध उपयोगकर्ता को "ना" नहीं कहता; बल्कि यह बताता है कि क्यों। कई सुरक्षा प्रणालियों में, एक इनकार एक 'ब्लैक बॉक्स' की तरह होता है, जिससे सुरक्षा टीमें अनुमान लगाने में उलझ जाती हैं कि क्या गलत हुआ। यह नया ढांचा हर निर्णय के लिए एक स्पष्ट, मानव-पठनीय कारण प्रदान करता है, जो ठीक से सूचीबद्ध करता है कि किस व्यवहार ने अलार्म को ट्रिगर किया, जैसे कि असामान्य लॉगिन समय या कोई अजीब डिवाइस। यह पारदर्शिता सुरक्षा टीमों को खतरे को समझने और अनुमान लगाने के बजाय अपने नियमों को समायोजित करने में मदद करती है। शोधकर्ताओं ने यह भी परीक्षण किया कि उनका सिस्टम उन चतुर हमलावरों के खिलाफ कितना टिका रहता है जो सामान्य व्यवहार की नकल करके उन्हें धोखा देने की कोशिश करते हैं। हालांकि सिस्टम ने इनमें से अधिकांश प्रयासों को पकड़ लिया, लेकिन यह सबसे परिष्कृत नकल करने वालों (mimics) के साथ थोड़ा संघर्ष करता रहा, और लगभग 16 प्रतिशत उन्हें पकड़ने में चूक गया। शोधकर्ताओं ने इसे सुधार के एक विशिष्ट क्षेत्र के रूप में पहचाना, यह नोट करते हुए कि सिस्टम को वास्तविक व्यक्ति से नकलची (copycat) के बीच अंतर करने में पूर्ण होने के लिए उपयोगकर्ता की आदतों को सीखने हेतु अधिक समय की आवश्यकता है।
यह अध्ययन पुष्टि करता है कि यह दृष्टिकोण केवल एक सैद्धांतिक विचार नहीं है बल्कि एक व्यावहारिक समाधान है जिसे आज ही तैनात किया जा सकता है। उन्नत पैटर्न पहचान के साथ स्पष्ट स्पष्टीकरणों को जोड़कर, यह ढांचा क्लाउड वातावरण को सुरक्षित करने का एक तरीका प्रदान करता है जो वर्तमान विधियों की तुलना में तेज़ और अधिक बुद्धिमान है। हालांकि परिणाम लाइव प्रोडक्शन डेटा के बजाय एक सिम्युलेटेड वातावरण से आए हैं, फिर भी प्रदर्शन मेट्रिक्स चोरी हुई क्रेडेंशियल्स के निरंतर खतरे से निपटने का एक शक्तिशाली नया तरीका सुझाते हैं। यह कार्य रेखांकित करता है कि सुरक्षा अब ऊँची दीवारें बनाने के बारे में नहीं है, बल्कि प्रत्येक उपयोगकर्ता और प्रत्येक क्रिया के साथ एक निरंतर, बुद्धिमान संवाद बनाए रखने के बारे में है, यह सुनिश्चित करते हुए कि विश्वास वास्तविक समय में, पल-पल में अर्जित किया जाए।
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।