तकनीकी सारांश: PLCBench

समस्या विवरण

इंडस्ट्रियल कंट्रोल सिस्टम्स (ICS) प्रोग्रामेबल लॉजिक कंट्रोलर्स (PLCs) पर निर्भर करते हैं ताकि वे नेटवर्केड कंप्यूटेशन और फिजिकल कंट्रोल के बीच एक सेतु का कार्य कर सकें। जबकि टूल-इस्तेमाल करने वाले लार्ज लैंग्वेज मॉडल (LLM) एजेंट्स ने डिजिटल साइबर सुरक्षा कार्यों (जैसे कि पेनिट्रेशन टेस्टिंग, वल्नरेबिलिटी एक्सप्लोइटेशन) में बढ़ती क्षमता प्रदर्शित की है, उनकी नेटवर्क पहुंच को निरंतर भौतिक प्रभाव (sustained physical impact) में बदलने की क्षमता अभी तक अनक्वांटिफाइड (unquantified) है।

मौजूदा मूल्यांकन अक्सर मध्यवर्ती डिजिटल मील के पत्थरों पर ही रुक जाते हैं, जैसे कि एक खुली सर्विस खोजना, एक वैध सॉफ्टवेयर राइट (write) प्राप्त करना, या टूल एक्सेस प्राप्त करना। ICS के संदर्भ में, ये मील के पत्थर भौतिक जोखिम का पर्याप्त संकेतक नहीं हैं। एक वैध PLC राइट अप्रासंगिक हो सकता है, मौजूदा लॉजिक द्वारा ओवरराइट किया जा सकता है, या एक खतरनाक भौतिक स्थिति को बनाए रखने में विफल हो सकता है। एक व्यापक, एंड-टू-एंड मूल्यांकन ढांचे का अभाव है जो यह आकलन कर सके कि क्या एक स्वायत्त एजेंट निम्नलिखित कार्य कर सकता है:

1. वेंडर-नेटिव इंटरफेस के माध्यम से विषम (heterogeneous), वास्तविक PLCs के साथ इंटरैक्ट करना।
2. क्लोज्ड-लूप प्रोसेस फीडबैक के आधार पर व्यवहार को अनुकूलित करना।
3. एक भौतिक रूप से सिद्ध उद्देश्य को प्राप्त करना जिसे स्वतंत्र रूप से सत्यापित किया जा सके।

कार्यप्रणाली: PLCBench फ्रेमवर्क

लेखक PLCBench प्रस्तुत करते हैं, जो साइबर-टू-फिजिकल क्षमताओं और उनकी सीमाओं को चरित्रित करने के लिए डिज़ाइन किया गया पहला रियल-PLC हार्डवेयर-इन-द-लूप (HIL) फ्रेमवर्क है। यह फ्रेमवर्क मॉड्यूलर है, जिससे कोर इवैल्यूएशन लूप को बदले बिना LLM बैकएंड, कमर्शियल PLCs और प्रोसेस वर्कलोड्स का पुनर्संयोजन संभव है।

मुख्य घटक

1. एजेंट फ्रेमवर्क: ReAct (रीजनिंग एंड एक्टिंग) प्रतिमान पर आधारित एक लॉन्ग-होरिजन इंटरेक्शन लूप।
   • प्रॉम्प्ट कॉन्ट्रैक्ट: फिक्स्ड सिस्टम प्रॉम्प्ट्स और टास्क डिस्क्रिप्शन का उपयोग करता है जो टारगेट-विशिष्ट विवरणों (जैसे, नेटिव ऑब्जेक्ट मैप्स, एक्टिव प्रोटोकल्स) को छिपा देता है।
   • ऑडिटेड टूल्स: शेल, पायथन और पब्लिक प्रोटोकॉल लाइब्रेरी प्रदान करता है। एजेंट को प्री-कॉन्फ़िगर किए गए रैपर्स के बिना क्लाइंट्स को कॉन्फ़िगर करना होगा और नेटिव रिक्वेस्ट जारी करनी होगी।
   • कॉन्टेक्स्ट मैनेजमेंट: टेम्पोरल ऑर्डर या महत्वपूर्ण साक्ष्य खोए बिना लंबे एपिसोड को संभालने के लिए इंटरैक्शन हिस्ट्री के डिटरमिनिस्टिक कॉम्प्रेशन को लागू करता है, जो मूल्यांकन के लिए पूर्ण रॉ ट्रांसक्रिप्ट को सुरक्षित रखता है।
2. HIL प्लेटफॉर्म:
   • रियल PLCs: चार कमर्शियल PLCs (Siemens S7-300, Schneider M241, Beckhoff CX2030, Mitsubishi R08CPU) जो वेंडर-नेटिव प्रोटोकॉल (S7comm, Modbus/TCP, ADS, MC/SLMP) चलाते हैं।
   • क्लोज्ड-लूप वर्कलोड्स: चार विशिष्ट प्रोसेस सिमुलेशन (जैसे, क्वाड्रपल-टैंक, थर्मल मिक्सिंग) जो सेंसर फीडबैक और एक्चुएटर कंट्रोल प्रदान करते हैं।
   • आइसोलेशन: एजेंट आइसोलेटेड सैंडबॉक्स में काम करते हैं; HIL ब्रिज प्रोसेस सर्वर और PLC के बीच स्टेट एक्सचेंज को मैनेज करता है।
3. डिटरमिनिस्टिक इवैल्यूएटर:
   • एजेंट के कॉन्टेक्स्ट से बाहर संचालित होता है।
   • स्वतंत्र साक्ष्य स्रोतों (रनर लॉग्स, पैकेट कैप्चर्स, ऑब्जेक्ट ऑडिट्स, प्रोसेस ट्रेसेस) का विश्लेषण करता है।
   • प्रगति को वर्गीकृत करने के लिए छह हिडन डायग्नोस्टिक फ्लैग्स असाइन करता है:
     • PLC-इंटरफेस एक्विजिशन: discover (सर्विस मिली), read (वैध डेटा वापस मिला), write (राइट स्वीकार किया गया)।
     • फिजिकल-कंट्रोल प्रोग्रेशन: manipulate (प्रोसेस-लिंक्ड ऑब्जेक्ट पर राइट), disrupt (चेतावनी की स्थिति बनी रही), impact (पूर्ण टास्क ऑब्जेक्ट बना रहा)।

प्रयोगात्मक सेटअप

• मॉडेल्स: पांच LLM परिवार (GPT 5.5, Sonnet 5, Gemini 3.5 Flash, DeepSeek V4 Pro, Kimi K2.7)।
• कॉन्फ़िगरेशन: 4 PLCs × 4 Workloads × 5 Models × 3 Repetitions = 240 एपिसोड्स का एक क्रॉस डिजाइन।
• प्रतिबंध: 100-एक्शन बजट, 3600-सेकंड की समय सीमा, कोई कंट्रोलर मैनेजमेंट एक्शन नहीं (जैसे, रीबूट करना), और PLC प्रोग्राम में कोई संशोधन नहीं।

मुख्य परिणाम

समग्र प्रभाव

• सफलता दर: 240 एपिसोड्स में से, 75 (31.3%) ने निरंतर भौतिक प्रभाव (sustained physical impact) प्राप्त किया।
• मॉडल प्रदर्शन: GPT 5.5 सबसे सक्षम था, जिसने 48 में से 38 एपिसोड्स में प्रभाव पहुँचाया (79.2%) और सभी 16 PLC-वर्कलोड कॉन्फ़िगरेशन में सफलता प्राप्त की। अन्य मॉडल्स ने काफी कम सफलता दर और कवरेज दिखाया।
• रिपीटेबिलिटी: जबकि GPT 5.5 ने सभी 16 सेल्स में सफलता प्राप्त की, इसने उन 16 में से केवल 9 सेल्स में ही तीनों रिपिटेशन्स में सफलता प्राप्त की, जो दर्शाता है कि सफलता, सबसे मजबूत मॉडल के लिए भी, समान रूप से दोहराने योग्य नहीं है।

बैरियर विश्लेषण

मूल्यांकन ने दो स्पष्ट बाधाओं की पहचान की जहाँ एजेंट अक्सर विफल होते हैं:

1. बैरियर I: नेटिव-इंटरफेस एक्विजिशन (98 एपिसोड यहाँ रुके)

   • एजेंट नेटवर्क पहुंच से एक उपयोगी वेंडर-नेटिव इंटरफेस में संक्रमण करने में संघर्ष करते हैं।
   • प्रोटोकॉल जटिलता: कम सामान्य प्रोटोकॉल के साथ महत्वपूर्ण गिरावट देखी गई। उदाहरण के लिए, बेकहोफ (ADS) और मित्सुबिशी (MC/SLMP) PLCs पर, कई एजेंटों ने सर्विस को डिस्कवर तो किया लेकिन वैध रीड प्राप्त करने में विफल रहे।
   • निष्कर्ष: इंटरफेस एक्विजिशन प्रोटोकॉल की परिचितता और क्लाइंट कॉन्फ़िगरेशन पर अत्यधिक निर्भर है, जो एक हार्ड सिक्योरिटी बाउंड्री के बजाय एक फ्रिक्शन पॉइंट (friction point) के रूप में कार्य करता है।

2. बैरियर II: फिजिकल कन्वर्जन (62 एपिसोड यहाँ रुके)

   • एजेंटों ने प्रोसेस-लिंक्ड ऑब्जेक्ट्स को सफलतापूर्वक लिखा (manipulate) लेकिन खतरनाक स्थिति को बनाए रखने में विफल रहे (impact)।
   • प्रोसेस डायनेमिक्स: विफलताएं अक्सर क्लोज्ड-लूप कंट्रोल और प्रोटेक्शन लॉजिक की जटिलता के कारण हुईं। उदाहरण के लिए, क्वाड्रपल-टैंक परिदृश्य में, एजेंट कपल्ड डायनेमिक्स के विरुद्ध विशिष्ट टैंक लेवल बाधाओं को बनाए रखने में सक्षम नहीं थे।
   • ऑब्जर्वेबिलिटी: समृद्ध प्रक्रिया अवलोकन (मध्यवर्ती चर, कंट्रोल-लूप स्टेट) प्रदान करने से एक सफल राइट के बाद इम्पैक्ट की कंडीशनल प्राप्ति 44.2% से बढ़कर 64.0% हो गई, जो सुझाव देती है कि सीमित ऑब्जर्वेबिलिटी एक महत्वपूर्ण बॉटलनेक है।

एब्लेशन स्टडीज (Ablation Studies)

• शेयर्ड प्रोटोकॉल: जब सभी वर्कलोड्स को एक सिंगल शेयर्ड Modbus/TCP पाथ के माध्यम से एक्सपोज़ किया गया (प्रोटोकॉल विषमता को हटा दिया गया), तो मैनिपुलेशन प्राप्ति 100% हो गई (विषम नेटिव पाथ्स पर 57.1% के मुकाबले), और रॉ इम्पैक्ट 50% तक बढ़ गया।
• ऑब्जर्वेशन डेप्थ: समृद्ध अवलोकन स्थितियों ने इंटरफेस एक्विजिशन में सुधार नहीं किया, लेकिन राइट्स को निरंतर भौतिक प्रभाव में बदलने में महत्वपूर्ण सुधार किया।

महत्व और दावे

यह पेपर दावा करता है कि यह साइबर-टू-फिजिकल कॉन्टेक्स्ट में स्वायत्त LLM एजेंट्स का पहला व्यवस्थित, रियल-PLC HIL मूल्यांकन प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

1. थ्रेट मॉडल में बदलाव: यह प्रदर्शित करता है कि टारगेट-विशिष्ट ऑपरेशनल टेक्नोलॉजी (OT) ज्ञान (जैसे, प्रोटोकॉल स्पेसिफिक्स, ऑब्जेक्ट मैप्स) अब हमले की सफलता के लिए एक सख्त पूर्व-आवश्यकता नहीं है। सक्षम एजेंट, नेटवर्क एक्सेस और बाउंडेड फीडबैक होने पर, इंटरैक्शन के माध्यम से इस ज्ञान को ऑनलाइन पुनर्गठित कर सकते हैं।
2. वास्तविक बाधाओं की पहचान: अध्ययन विफलता के बिंदुओं को स्थानीयकृत करता है। यह तर्क देता है कि प्रोटोकॉल जटिलता और लक्षित-विशिष्ट ज्ञान की कमी एक टिकाऊ सुरक्षा सीमा के बजाय "इरोडिंग फ्रिक्शन" (eroding friction) के रूप में कार्य करती है। एक बार जब एजेंट इंटरफेस बाधा को पार कर लेता है, तो फिजिकल कन्वर्जन बाधा प्राथमिक बाधा बन जाती है, जो प्रोसेस डायनेमिक्स और ऑब्जर्वेबिलिटी से अत्यधिक प्रभावित होती है।
3. डिफेंस इवैल्यूएशन: यह ढांचा रक्षात्मक रणनीतियों के मूल्यांकन के लिए एक पुनरुत्पादक आधार प्रदान करता है। यह सुझाव देता है कि सुरक्षा उपायों को निम्नलिखित पर ध्यान केंद्रित करना चाहिए:
   • इंजीनियरिंग सेवाओं तक पहुंच को प्रतिबंधित करना।
   • उन राइट्स को वैलिडेट करना जो प्रोसेस को प्रभावित करते हैं (स्टेट-अवेयर इनवेरिएंट्स)।
   • केवल चरम थ्रेशोल्ड के बजाय खतरनाक क्षेत्रों की रक्षा करना।
   • हमलों में सहायता के लिए "ड्यूल-यूज़" टेलीमेट्री को रोकने के लिए विस्तृत मॉनिटरिंग डेटा को राइट परमिशन्स से अलग करना।

लेखक इस बात पर जोर देते हैं कि PLCBench नए वेंडर वल्नरेबिलिटीज़ की खोज नहीं करता है, बल्कि भौतिक परिणामों को प्राप्त करने के लिए मौजूदा, ज्ञात इंटरफेस का फायदा उठाने की स्वायत्त एजेंटों की क्षमता को कैरेक्टराइज करता है। परिणाम हाइलाइट करते हैं कि हालांकि वर्तमान एजेंट सार्वभौमिक रूप से विश्वसनीय नहीं हैं, वे वैलिडेटेड लैब सेटिंग्स में निरंतर भौतिक हमलों को निष्पादित करने में सक्षम हैं, जो यह दर्शाता है कि ICS सुरक्षा का मूल्यांकन और बचाव कैसे किया जाना चाहिए, इसमें बदलाव की आवश्यकता है।