Q-LDPSO: Quantum-Enhanced Leaders-Driven Particle Swarm Optimizer for Intrusion Detection in IoT Environments

इंटरनेट ऑफ थिंग्स (IoT) ने स्मार्ट थर्मोस्टेट और मेडिकल मॉनिटर से लेकर औद्योगिक सेंसर और शहरी बुनियादी ढांचे तक, दैनिक जीवन के ताने-बाने में अरबों छोटे कंप्यूटरों को बुन दिया है। ये उपकरण निरंतर एक-दूसरे से संवाद करते हैं, जिससे डेटा का एक विशाल और निरंतर प्रवाह उत्पन्न होता है। हालाँकि, यह कनेक्टिविटी साइबर हमलों के लिए एक विस्तृत और असुरक्षित परिदृश्य बनाती है। क्योंकि इन उपकरणों में अक्सर सीमित कंप्यूटिंग शक्ति होती है, वे शक्तिशाली सर्वरों पर चलने वाले भारी, जटिल सुरक्षा सॉफ़्टवेयर नहीं चला सकते। यह उन्हें घुसपैठियों के लिए असुरक्षित छोड़ देता है जो सामान्य ट्रैफ़िक के बीच छिप सकते हैं, जिससे नुकसान पहुँचाने से पहले खतरे को पहचानना अविश्वसनीय रूप से कठिन हो जाता है। इन नेटवर्कों की सुरक्षा के लिए, सुरक्षा प्रणालियों को अत्यधिक कुशल फिल्टर की तरह कार्य करना चाहिए, जो लाखों डेटा बिंदुओं में से उन कुछ को खोजने के लिए छानबीन कर सके जो हमले का संकेत देते हैं। चुनौती सूचना की विशाल मात्रा में निहित है; सुरक्षा सॉफ़्टवेयर अक्सर बहुत अधिक विवरणों से अभिभूत हो जाता है, जिनमें से कई अप्रासंगिक या अनावश्यक होते हैं। इसे हल करने के लिए, शोधकर्ता इस बात के तरीके खोजते हैं कि संकेतों का सबसे छोटा, सबसे महत्वपूर्ण सेट कैसे पहचाना जाए जो सुरक्षित गतिविधि और साइबर हमले के बीच सटीक रूप से अंतर कर सके, जिसे 'फीचर सिलेक्शन' (विशेषता चयन) कहा जाता है।

हाल ही में एक अध्ययन में, भारत के वेल्लोर इंस्टीट्यूट ऑफ टेक्नोलॉजी के एक शोधकर्ता ने इस फ़िल्टरिंग समस्या को हल करने के लिए एक नया तरीका प्रस्तावित किया, जो विशेष रूप से IoT नेटवर्क की अनूठी बाधाओं के लिए डिज़ाइन किया गया है। यह दृष्टिकोण, जिसे Q-LDPSO कहा जाता है, एक परिष्कृत सर्च इंजन है जो सुरक्षा प्रणालियों को यह निर्णय लेने में मदद करता है कि किन डेटा बिंदुओं को रखना है और किन्हें अनदेखा करना है। यह दो शक्तिशाली विचारों को जोड़ता है: एक रणनीति जो खोज एजेंटों के एक समूह को निर्देशित करने के लिए "नेताओं" (लीडर्स) की एक टीम का उपयोग करती है, और एक तकनीक जो अधिकतम विविधता सुनिश्चित करने के लिए क्वांटम भौतिकी के विचित्र नियमों से प्रेरित है। लक्ष्य ट्रैफ़िक की उन विशेषताओं का आदर्श संयोजन खोजना था जो सुरक्षा प्रणाली को न्यूनतम डेटा बिंदुओं का उपयोग करते हुए लगभग पूर्ण सटीकता के साथ घुसपैठ का पता लगाने की अनुमति दे सके। शोधकर्ता ने इस पद्धति का परीक्षण तीन प्रमुख डेटासेट्स पर किया जिसमें वास्तविक दुनिया के IoT ट्रैफ़िक के लाखों रिकॉर्ड शामिल थे, जिनमें बॉटनेट हमले और अन्य विभिन्न साइबर खतरे शामिल थे।

इस नई प्रणाली का मूल एक चतुर तरीके से शुरू करना है। पारंपरिक तरीके अक्सर यादृच्छिक रूप से एक शुरुआती बिंदु चुनकर शुरू होते हैं, जिससे खोज एजेंट एक ही क्षेत्र में एक साथ क्लस्टर (समूहित) हो सकते हैं, जिससे अन्य स्थानों पर बेहतर समाधान छूट जाते हैं। नया तरीका खोज स्थान को समान रूप से फैलाने के लिए क्वांटम मैकेनिक्स की एक अवधारणा 'सुपरपोजिशन' का उपयोग करता है। कल्पना कीजिए कि एक सिक्का हवा में घूम रहा है, जो तुरंत एक तरफ गिरने के बजाय एक ही समय में 'हेड्स' और 'टेल्स' दोनों के रूप में मौजूद है। यह प्रणाली इस सिद्धांत का उपयोग एक विविध शुरुआती समूह बनाने के लिए करती है जो गारंटी के साथ पूरे खोज स्थान में समान रूप से फैले हुए हैं। यह सुनिश्चित करता है कि खोज एक व्यापक जाल के साथ सभी संभावनाओं पर शुरू हो, न कि एक अनिश्चित अनुमान के साथ जो सर्वोत्तम समाधान को चूक सकता है।

एक बार जब खोज शुरू हो जाती है, तो सिस्टम खोज एजेंटों को एक पदानुक्रम (हायरार्की) में व्यवस्थित करता है। हर एजेंट द्वारा अब तक मिले एकल "सर्वश्रेष्ठ" समाधान के पीछे भागने के बजाय, सिस्टम नेताओं के रूप में कार्य करने के लिए शीर्ष प्रदर्शन करने वाले एजेंटों के एक छोटे समूह की पहचान करता है। ये नेता समूह का मार्गदर्शन करते हैं, लेकिन एक ट्विस्ट के साथ। वे केवल वर्तमान सर्वोत्तम उत्तर की ओर एक सीधी रेखा में नहीं चलते हैं। इसके बजाय, वे एक ऐसी रणनीति का उपयोग करते हैं जो उन्हें एक साथ दो दिशाओं में अन्वेषण करने की अनुमति देती है: एक पथ जो ज्ञात अच्छे समाधान के करीब जाने के लिए उसे परिष्कृत करता है, और दूसरा पथ जो पूरी तरह से नए, संभावित रूप से बेहतर क्षेत्रों की खोज के लिए दूर जाता है। यह द्विदिश (बाइडायरेक्शनल) गति खोज को एक स्थानीय जाल (लोकल ट्रैप) में फंसने से रोकती है, जहाँ यह एक "काफी अच्छे" उत्तर पर बस सकता है जबकि एक बहुत बेहतर समाधान पास में ही छिपा रह जाता है। सिस्टम प्रभावी रूप से नेताओं को उन बाधाओं के माध्यम से "टनल" करने की अनुमति देता है जो एक पारंपरिक खोज को रोक सकती हैं, जिससे वास्तविक वैश्विक सर्वोत्तम समाधान मिल सके।

इस पद्धति को लागू करने के परिणाम आश्चर्यजनक थे। जब CIC-IoT2023 डेटासेट पर परीक्षण किया गया, जिसमें 33 प्रकार के हमलों के साथ नेटवर्क ट्रैफ़िक के 7,33,000 से अधिक नमूने शामिल हैं, तो इस नई प्रणाली ने 99.63% की सटीकता प्राप्त की। इसने सभी हमलों का 99.71% सफलतापूर्वक पता लगाया जबकि केवल 0.15% बार गलत अलार्म उठाया। शायद सबसे महत्वपूर्ण बात यह है कि सीमित शक्ति वाले उपकरणों के लिए, सिस्टम ने विश्लेषण करने के लिए आवश्यक डेटा बिंदुओं की संख्या 83 से घटाकर केवल 19 कर दी। यह जानकारी की मात्रा में 77% से अधिक की कमी को दर्शाता है, जिससे यह बहुत तेज़ और अधिक कुशल हो जाता है। इस प्रणाली ने दो अन्य प्रमुख डेटासेट्स, N-BaIoT और BoT-IoT पर भी असाधारण प्रदर्शन किया, जिसमें क्रमशः 99.81% और 99.47% की सटीकता दर प्राप्त हुई, जो सिद्ध करता है कि यह पद्धति विभिन्न प्रकार के IoT वातावरणों में काम करती है।

यह समझने के लिए कि वास्तव में यह नई प्रणाली इतनी अच्छी तरह से क्यों काम कर रही थी, शोधकर्ता ने इसे अपने हिस्सों में विभाजित किया। उन्होंने क्वांटम-प्रेरित शुरुआती पद्धति के साथ, फिर केवल द्विदिश खोज रणनीति के साथ, और अंत में दोनों को मिलाकर सिस्टम का परीक्षण किया। परिणामों ने दिखाया कि प्रत्येक भाग ने कुछ अनूठा योगदान दिया, लेकिन दोनों का संयोजन ही सर्वोत्तम परिणाम देता था। क्वांटम-प्रेरित शुरुआत ने एक विविध आधार प्रदान किया, जबकि द्विदिश खोज ने सिस्टम को बिना फंसे सर्वोत्तम समाधान की ओर प्रभावी ढंग से बढ़ने में मदद की। इसने पुष्टि की कि दोनों नवाचार एक साथ मिलकर काम करते हैं, न कि केवल अपने प्रभावों को एक के ऊपर एक जोड़ते हैं। अध्ययन ने इस नई पद्धति की तुलना नौ अन्य मौजूदा एल्गोरिदम के साथ भी की, जिनमें मानक खोज तकनीकें और अन्य क्वांटम-प्रेरित दृष्टिकोण शामिल हैं। हर मामले में, नई पद्धति ने दूसरों से बेहतर प्रदर्शन किया, बेहतर समाधान तेजी से और कम डेटा बिंदुओं के साथ खोजे।

सिस्टम द्वारा हमलों की पहचान करने के लिए चुनी गई विशिष्ट विशेषताएं यादृच्छिक नहीं थीं; वे उन महत्वपूर्ण संकेतकों के अनुरूप थीं जिन्हें सुरक्षा विशेषज्ञ दुर्भावनापूर्ण गतिविधि के महत्वपूर्ण संकेतक मानते हैं। सिस्टम ने स्वतंत्र रूप से डेटा फ्लो की अवधि, एक विशिष्ट दिशा में भेजे गए पैकेटों की कुल संख्या और एक पैकेट की अधिकतम लंबाई जैसे लक्षणों की पहचान की। ये वही प्रकार के आंकड़े हैं जिनका उपयोग मानव विश्लेषक सामान्य ट्रैफ़िक और हमले के डेटा के प्रवाह के बीच अंतर करने के लिए करते हैं। तथ्य यह है कि सिस्टम ने इन पैटर्न को स्पष्ट रूप से बताए बिना खोज लिया, यह सुझाव देता है कि क्वांटम-निर्देशित खोज वास्तव में केवल सांख्यिकीय विसंगतियों को खोजने के बजाय वास्तविक खतरों को पहचानने की क्षमता के लिए अनुकूलित (ऑप्टिमाइज़) हो रही है।

यह कार्य IoT सुरक्षा को वास्तविक दुनिया के लिए व्यावहारिक बनाने की दिशा में एक महत्वपूर्ण कदम है। डेटा बिंदुओं की संख्या को नाटकीय रूप से कम करके, यह विधि उच्च-प्रदर्शन वाली सुरक्षा प्रणालियों को कई IoT उपकरणों में पाए जाने वाले सीमित हार्डवेयर पर चलाना संभव बनाती है। अनुसंधान यह प्रदर्शित करता है कि क्वांटम भौतिकी के सिद्धांतों को उधार लेकर और खोज प्रक्रिया को नेतृत्व संरचना के साथ व्यवस्थित करके, नेटवर्क डेटा के जटिल परिदृश्य को पहले की तुलना में अधिक प्रभावी ढंग से नेविगेट करना संभव है। निष्कर्ष उन अरबों जुड़े हुए उपकरणों के लिए अधिक मजबूत और कुशल सुरक्षा की दिशा में एक ठोस मार्ग प्रदान करते हैं जो तेजी से आधुनिक समाज का आधार बन रहे हैं।