Learning Profiling with Automated Feedback for Supporting the Assessment of Cybersecurity Education
यह शोध पत्र एक साइबर रेंज वातावरण के भीतर एक एआई-संचालित प्रोफाइलिंग मॉडल प्रस्तुत करता है जो स्वचालित, व्यक्तिगत फीडबैक और अनुकूलन योग्य शिक्षण पथ उत्पन्न करने के लिए शिक्षार्थी के प्रदर्शन का निरंतर मूल्यांकन करता है, जिससे साइबर सुरक्षा शिक्षा के लिए स्केलेबिलिटी और वैयक्तिकरण की प्रमुख चुनौतियों का समाधान होता है।
मूल पेपर CC BY 4.0 (https://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
इंटरनेट की कल्पना एक विशाल, हलचल भरे शहर के रूप में करें जहाँ हर कोई एक-दूसरे से जुड़ा हुआ है। किसी भी शहर की तरह, इसमें भी कुछ समस्या पैदा करने वाले लोग हैं—जैसे हैकर्स, स्कैमर्स और डिजिटल उपद्रवी—जो घरों में घुसने, डाक चुराने या बिजली संयंत्रों को ठप करने की कोशिश करते हैं। इस शहर को सुरक्षित रखने के लिए, हमें केवल बेहतर तालों की ही नहीं जरूरत है; हमें उन लोगों को प्रशिक्षित करने की भी आवश्यकता है जो इन तालों को बनाते और उनकी रक्षा करते हैं। यही साइबर सुरक्षा शिक्षा (cybersecurity education) की दुनिया है। पारंपरिक रूप से, इस पेशे को सीखना थोड़ा वैसा ही रहा है जैसे किसी कुकिंग शो को देखना: आप बस एक शिक्षक को सिद्धांत समझाते हुए सुनते हैं, या शायद एक वीडियो देखते हैं। लेकिन वास्तव में खाना बनाना (या हैक करना) सीखने के लिए, आपको रसोई में अपने हाथ गंदे करने की जरूरत होती है। डिजिटल दुनिया में, इस "रसोई" को साइबर रेंज (cyber range) कहा जाता है: एक सुरक्षित, अलग किया गया सैंडबॉक्स जहाँ छात्र वास्तविक शहर को गलती से जलाने के बिना चीजों को तोड़ने और ठीक करने का अभ्यास कर सकते हैं।
हालाँकि, इन डिजिटल रसोइयों के साथ एक समस्या है। जब एक छात्र अभ्यास कर रहा होता है, तो एक शिक्षक हर एक हरकत के लिए उनके कंधे के ऊपर मंडरा नहीं सकता, खासकर यदि एक साथ तीस छात्र खाना बना रहे हों। यदि कोई छात्र गलती करता है, तो उन्हें केवल एक स्कोर मिल सकता है, जैसे कि "आपको 10 में से 8 मिले," लेकिन उन्हें यह नहीं पता चलता कि वे क्यों असफल हुए या आगे क्या करना है। यह एक टेस्ट पेपर वापस पाने जैसा है जिस पर लाल स्याही से "F" लिखा हो लेकिन इस पर कोई टिप्पणी न हो कि बेहतर अध्ययन कैसे किया जाए। यह शोध पत्र पूछता है: क्या हम एक स्मार्ट सिस्टम बना सकते हैं जो एक अत्यंत चौकस कोच की तरह काम करे, जो छात्र की हर हरकत को देखे, उनकी विशिष्ट खूबियों और कमजोरियों को समझे, और फिर उन्हें एक व्यक्तिगत रिपोर्ट कार्ड और एक कस्टम प्रशिक्षण योजना दे सके?
इस शोध पत्र के लेखक, जो ब्रनो यूनिवर्सिटी ऑफ टेक्नोलॉजी (Brno University of Technology) की एक टीम है, कहते हैं कि हाँ। उन्होंने एक ऐसा सिस्टम बनाया है जो एक साइबर रेंज को आर्टिफिशियल इंटेलिजेंस (AI) के साथ जोड़कर हर छात्र के लिए एक "लर्निंग प्रोफाइल" बनाता है। इस प्रोफाइल को एक स्थिर रिपोर्ट कार्ड के रूप में नहीं, बल्कि एक छात्र के कौशल के एक जीवित, सांस लेते हुए मानचित्र के रूप में देखें। जैसे-जैसे छात्र साइबर सुरक्षा चुनौतियों (अक्सर कैप्चर द फ्लैग (Capture the Flag) नामक एक गेम जैसे प्रारूप में, जहाँ आप छिपे हुए "फ्लैग्स" खोजने के लिए पहेलियाँ सुलझाते हैं) का सामना करते हैं, सिस्टम सब कुछ ट्रैक करता है: उन्होंने कितना समय लिया, उन्होंने कितनी बार गलत अनुमान लगाया, क्या उन्होंने संकेत (hints) मांगे, और पहेली कितनी कठिन थी।
केवल अंकों की गिनती करने के बजाय, सिस्टम इन कारकों को तौलने के लिए एक गणितीय सूत्र का उपयोग करता है। यह पूछता है: क्या छात्र ने कई गलत अनुमानों के साथ पहेली को जल्दी हल किया? क्या वे आसान कार्यों में सहज थे लेकिन कठिन कार्यों पर अटक गए? क्या वे संकेतों पर बहुत अधिक निर्भर रहे? इन नंबरों का विश्लेषण करके, सिस्टम एक "प्रोफाइलिंग स्कोर" असाइन करता है जो यह बताता है कि छात्र ने कैसे सीखा, न कि केवल यह कि उन्होंने क्या सही किया।
यहीं पर जादू होता है: यह स्कोर एक लार्ज लैंग्वेज मॉडल (LLM) में भेजा जाता है, जो अनिवार्य रूप से एक बहुत ही उन्नत AI है जो मानव भाषा पढ़ और लिख सकता है। AI उन ठंडे, कठोर नंबरों को एक गर्म, सहायक बातचीत में बदल देता है। छात्र के लिए, यह एक व्यक्तिगत फीडबैक रिपोर्ट तैयार करता है जो कहती है जैसे, "आप छिपे हुए नेटवर्क भेद्यताओं (vulnerabilities) को खोजने में जादूगर हैं, लेकिन आप सेटअप चरण में जल्दबाजी करने की प्रवृत्ति रखते हैं। अगली बार, पहले चरण पर धीमे होने का प्रयास करें।" यह यहाँ तक सुझाव देता है कि अगला आदर्श चैलेंज क्या होना चाहिए: यदि आपने आसान चीजों में महारत हासिल कर ली है, तो यह आपको कठिन स्तर की ओर धकेलता है; यदि आप संघर्ष कर रहे थे, तो यह आपका आत्मविश्वास बढ़ाने के लिए एक थोड़ा आसान रास्ता प्रदान करता है।
शिक्षकों के लिए, यह सिस्टम एक क्रिस्टल बॉल (भविष्य बताने वाला यंत्र) की तरह काम करता है। यह पूरे चित्र को दिखाने के लिए सभी छात्र डेटा को एकत्रित करता है। यह प्रशिक्षक को बता सकता है, "आपकी पूरी कक्षा हैकिंग में बहुत अच्छी है, लेकिन सभी एक ही विशिष्ट प्रकार के फायरवॉल डिफेंस के साथ संघर्ष कर रहे हैं," या "यह विशेष कार्य सभी के लिए बहुत कठिन था; शायद हमें इसे बदलने की आवश्यकता है।"
यह सिद्ध करने के लिए कि यह काम करता है, टीम ने 35 वास्तविक विश्वविद्यालय छात्रों के साथ अपने सिस्टम का परीक्षण किया। उन्होंने एक परिदृश्य तैयार किया जहाँ छात्रों को डिजिटल जासूस और हैकर के रूप में कार्य करना था, जिसमें एक नकली वेबसाइट को फ्लड करने या सर्वर में घुसपैकरने की कोशिश करनी थी। परिणाम उत्साहजनक थे। सिस्टम ने सफलतापूर्वक छात्रों की प्रगति को ट्रैक किया, उनके अद्वितीय प्रोफाइल की गणना की, और विस्तृत, पठनीय फीडबैक तैयार किया जो ऐसा लगा जैसे किसी मानव मेंटर (गुरु) से आया हो। अध्ययन बताता है कि यह दृष्टिकोण तकनीकी रूप से व्यवहार्य है और साइबर सुरक्षा प्रशिक्षण को अधिक व्यक्तिगत और प्रभावी बनाने का एक तरीका प्रदान करता है, जो 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) वाली ग्रेडिंग से हटकर एक ऐसे सिस्टम की ओर ले जाता है जो वास्तव में समझता है कि प्रत्येक शिक्षार्थी कैसे सोचता है और संघर्ष करता है। हालाँकि यह शोध पत्र यह दावा नहीं करता कि यह शिक्षा की हर समस्या को हल कर देता है, लेकिन यह एक स्पष्ट मार्ग दिखाता है जहाँ AI शिक्षकों को प्रत्येक छात्र को वह विशिष्ट मार्गदर्शन देने में मदद करता है जिसकी उन्हें साइबर सुरक्षा विशेषज्ञ बनने के लिए आवश्यकता 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।