An Explainable Agentic RAG Framework for Zero-Shot Phishing and Web Attack Detection
यह शोध पत्र XAR-Detect को प्रस्तुत करता है, जो एक व्याख्यात्मक एजेंटिक RAG फ्रेमवर्क है जो पारदर्शी औचित्य के साथ फिशिंग और वेब हमलों का उच्च-सटीक, ज़ीरो-शॉट डिटेक्शन प्राप्त करने के लिए DeBERTa एनकोडर, डायनेमिक थ्रेट सिग्नेचर रिट्रीवल और स्वायत्त तर्क (ऑटोनॉमस रीजनिंग) का लाभ उठाता है, जो बिना पुन: प्रशिक्षण (रिट्रेनिंग) के मौजूदा अत्याधुनिक तरीकों से काफी बेहतर प्रदर्शन करता 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
डिजिटल दुनिया में, सबसे निरंतर बने रहने वाले खतरे अक्सर साधारण संदेशों या नियमित वेबसाइट अनुरोधों के रूप में छिपकर आते हैं। फिशिंग ईमेल, जो पासवर्ड चुराने के लिए डिज़ाइन किए गए हैं, और वेब हमले, जो सर्वर में सेंध लगाने की कोशिश करते हैं, इतने परिष्कृत हो गए हैं कि वे डरावनी सटीकता के साथ वैध संचार की नकल कर सकते हैं। दशकों से, सुरक्षा प्रणालियाँ पहचान की एक रणनीति पर निर्भर रही हैं: उन्हें ज्ञात बुरे उदाहरणों के विशाल पुस्तकालयों पर प्रशिक्षित किया जाता है, जिससे वे पिछले अपराधों के विशिष्ट फिंगरप्रिंट्स को पहचानना सीखती हैं। हालाँकि, इस दृष्टिकोण में एक मौलिक कमजोरी है। जब हमलावर एक नया तरीका ईजाद करते हैं, जो पहले कभी नहीं देखा गया हो, तो ये स्थिर प्रणालियाँ अक्सर विफल हो जाती हैं क्योंकि उनके पास अज्ञात के लिए कोई संदर्भ बिंदु नहीं होता है। इसे हल करने के लिए, शोधकर्ता अब एक अलग पथ तलाश रहे हैं, जो संदर्भ से सीखने की क्षमता को वास्तविक समय में ताज़ा जानकारी खोजने की शक्ति के साथ जोड़ता है, बिल्कुल एक सुरक्षा गार्ड की तरह जो न केवल ज्ञात अपराधियों के चेहरों को जानता है बल्कि भीड़ में अजनबी की पहचान करने के लिए वर्तमान अलर्ट का लाइव फीड भी साथ रखता है।
शोधकर्ताओं की एक टीम ने XAR-Detect नामक एक नई प्रणाली विकसित की है जो इस अंतर को पाटने का प्रयास करती है जो स्थिर प्रशिक्षण और गतिशील वास्तविकता के बीच है। केवल एक पूर्व-प्रशिक्षित मॉडल पर निर्भर रहने के बजाय जो सीखने के बाद अपने ज्ञान को फ्रीज (स्थिर) कर देता है, यह ढांचा एक बुद्धिमान अन्वेषक की तरह कार्य करता है। यह एक संदिग्ध ईमेल या वेब अनुरोध को लेता है और पहले इसकी संरचना और अर्थ को समझने के लिए इसकी सामग्री का विश्लेषण करता है। फिर, केवल अपनी याददाश्त के आधार पर अनुमान लगाने के बजाय, यह तुरंत वैश्विक खतरे की खुफिया जानकारी के एक लाइव डेटाबेस तक पहुँचता है। यह डेटाबेस प्रमुख सुरक्षा रिपॉजिटरी से प्राप्त सूचनाओं के साथ लगातार अपडेट किया जाता है, जिसमें ज्ञात फिशिंग लिंक, दुर्भावनापूर्ण कोड और हालिया कमजोरियों के बारे में लाखों रिकॉर्ड शामिल हैं। सिस्टम इस लाइव फीड से सबसे प्रासंगिक चेतावनियों को प्राप्त करता है और अपने निर्णय को सूचित करने के लिए उनका उपयोग करता है। यदि आने वाला संदेश किसी नए रिपोर्ट किए गए खतरे के लक्षणों से मेल खाता है, तो सिस्टम इसे खतरनाक के रूप में चिह्नित कर सकता है, भले ही सिस्टम को उस विशिष्ट प्रकार के हमले पर स्पष्ट रूप से प्रशिक्षित न किया गया हो।
मुख्य नवाचार इस बात में निहित है कि सिस्टम इस जानकारी को कैसे संसाधित करता है। यह केवल नए डेटा को पुराने में जोड़ता नहीं है; यह एक स्वायत्त तर्क एजेंट (reasoning agent) का उपयोग करता है जो एक आलोचनात्मक विचारक के रूप में कार्य करता है। यह एजेंट संदेश से प्राप्त साक्ष्यों की तुलना अभी-अभी प्राप्त की गई ताज़ा खुफिया जानकारी से करता है। यह खुद से पूछता है कि क्या पैटर्न मेल खाते हैं, संदर्भ पर विचार करता है, और फिर इस बारे में एक परिकल्पना बनाता है कि संदेश सुरक्षित है या दुर्भावनापूर्ण। यह बहु-चरणीय प्रक्रिया सिस्टम को बिना दोबारा प्रशिक्षित हुए नए हमले की रणनीतियों के अनुकूल होने की अनुमति देती है। अपने प्रयोगों में, शोधकर्ताओं ने हजारों फिशिंग ईमेल और लाखों वेब ट्रैफ़िक रिकॉर्ड सहित विभिन्न वास्तविक दुनिया के डेटासेट पर इस दृष्टिकोण का परीक्षण किया। उन्होंने पाया कि सिस्टम लगभग 98 प्रतिशत की सटीकता के साथ ज्ञात हमलों की सही पहचान कर सकता है, जो मौजूदा तरीकों की तुलना में काफी अधिक प्रदर्शन स्तर है। इससे भी महत्वपूर्ण बात यह है कि, पूरी तरह से नए प्रकार के हमलों पर परीक्षण करते समय, जो उनके प्रशिक्षण डेटा से छिपे हुए थे, सिस्टम ने 88.3 प्रतिशत की सटीकता के साथ उन्हें पहचानना जारी रखा। यह सुझाव देता है कि वास्तविक समय में वर्तमान खतरों को खोजने की क्षमता अज्ञात के खिलाफ एक शक्तिशाली सुरक्षा कवच प्रदान करती है।
केवल बुरे तत्वों को पकड़ने के अलावा, शोधकर्ता "ब्लैक बॉक्स" समस्या को लेकर भी चिंतित थे, जहाँ जटिल कंप्यूटर सिस्टम ऐसे निर्णय लेते हैं जिन्हें मनुष्य समझ नहीं पाते। उच्च-दांव वाली सुरक्षा में, यह जानना कि सिस्टम ने किसी संदेश को क्यों चिह्नित किया, उस फ्लैग (चिह्न) के जितना ही महत्वपूर्ण है। XAR-Detect हर निर्णय के लिए एक स्पष्ट, दो-स्तरीय स्पष्टीकरण प्रदान करके इस समस्या का समाधान करता है। पहला, यह संदेश की उन विशिष्ट विशेषताओं को उजागर करता है—जैसे कि एक अजीब लिंक या असामान्य शब्द चयन—जिसने संदेह को सबसे अधिक बढ़ाया। दूसरा, यह दिखाता है कि निष्कर्ष तक पहुँचने के लिए बाहरी खतरे की खुफिया जानकारी के किन हिस्सों का उपयोग किया गया था। यह पारदर्शिता मानव सुरक्षा विश्लेषकों को सिस्टम के तर्क को सत्यापित करने की अनुमति देती है, यह सुनिश्चित करती है कि पहचान एक रैंडम अनुमान के बजाय ठोस साक्ष्य पर आधारित है। शोधकर्ताओं ने इन स्पष्टीकरणों की विश्वसनीयता को मापा और पाया कि वे अत्यधिक सुसंगत हैं, जिसका अर्थ है कि सिस्टम अपने विकल्पों के लिए एक स्थिर कारण देता है, भले ही इनपुट को थोड़ा बदल दिया गया हो।
अध्ययन ने इस दृष्टिकोण की सीमाओं को भी प्रकट किया। नए खतरों को पहचानने की सिस्टम की क्षमता पूरी तरह से उस लाइव डेटाबेस की गुणवत्ता और कवरेज पर निर्भर करती है जिसका वह परामर्श करता है। यदि कोई पूरी तरह से नया हमला सामने आता है जो अभी तक किसी भी वैश्विक थ्रेट रिपॉजिटरी में दर्ज नहीं किया गया है, तो सिस्टम उसे खोज नहीं सकता है, और इसका प्रदर्शन गिर सकता है। शोधकर्ता स्वीकार करते हैं कि हालांकि यह प्रणाली एक बड़ा कदम है, लेकिन यह हर संभावित भविष्य के खतरे के खिलाफ एक पूर्ण ढाल नहीं है। इसके अलावा, क्योंकि सिस्टम का तर्क वाला हिस्सा शक्तिशाली बाहरी कंप्यूटिंग सेवाओं पर निर्भर करता है, इसलिए वास्तविक दुनिया के उपयोग में गति और लागत संबंधी व्यावहारिक बातों का प्रबंधन किया जाना चाहिए। इन बाधाओं के बावजूद, परिणाम साइबर रक्षा के लिए एक व्यवहार्य मार्ग प्रदर्शित करते हैं। भाषा की गहरी समझ के साथ लाइव इंटेलिजेंस तक पहुँचने की क्षमता को जोड़कर, XAR-Detect उन खतरों का पता लगाने का एक तरीका प्रदान करता है जो पहले कभी नहीं देखे गए हैं, जो डिजिटल दुनिया के लिए एक अधिक लचीला और पारदर्शी बचाव प्रदान करता 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।