BAg-IDS: A Blockchain-Enabled Agentic AI Architecture for Trustworthy Intrusion Detection
BAg-IDS एक वितरित, ब्लॉकचेन-सक्षम आर्किटेक्चर है जो हाइपरलेजर फैब्रिक लेजर पर घुसपैठ का पता लगाने वाले निर्णयों को सह-हस्ताक्षर करने के लिए स्वायत्त एजेंटों और एक कैलिब्रेटेड एनसेंबल का लाभ उठाता है, जिससे लगभग 99.98% की लगभग पूर्ण सटीकता और विश्वसनीय प्रमाणन प्राप्त होता है, जबकि इसमें लगभग 2 सेकंड का एक संरचनात्मक सर्वसम्मति विलंब (स्ट्रक्चरल कंसेंसस लेटेंसी) 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
डिजिटल दुनिया में, सुरक्षा टीमें कंप्यूटर नेटवर्क में घुसपैठ करने की कोशिश करने वाले घुसपैठियों का पता लगाने के लिए स्वचालित प्रणालियों पर भरोसा करती हैं। ये प्रणालियाँ, जिन्हें घुसपैठ डिटेक्टर (इंट्रूज़न डिटेक्टर्स) कहा जाता है, मुसीबत को पहचानने में अविश्वसनीय रूप से कुशल हो गई हैं, जो अक्सर नए हमलों को पहचानने के लिए पिछले हमलों से सीखने वाले उन्नत सॉफ़्टवेयर का उपयोग करती हैं। हालाँकि, एक महत्वपूर्ण समस्या बनी हुई है: जब ये प्रणालियाँ किसी खतरे का पता लगाती हैं, तो वे एक निर्णय जारी करती हैं जिस पर ऑपरेटरों को बस भरोसा करना होता है। निर्णय की पुष्टि करने के लिए कोई स्वतंत्र गवाह नहीं होता है, और जो कुछ हुआ उसका डिजिटल रिकॉर्ड एक चतुर हमलावर द्वारा बदला या मिटाया जा सकता है। यदि सॉफ़्टवेयर गलती करता है, या यदि उसे चलाने वाला कंप्यूटर समझौतापूर्ण (compromised) हो जाता है, तो इसका परिणाम एक निर्दोष उपयोगकर्ता के विरुद्ध हानिकारक कार्रवाई या एक वास्तविक हमले का अनसुना रह जाना हो सकता है। मुख्य चुनौती एक ऐसा सिस्टम बनाने की है जो न केवल सटीक हो बल्कि भरोसेमंद भी हो, जहाँ निर्णय को किसी भी कार्रवाई से पहले कई स्वतंत्र पक्षों द्वारा सत्यापित किया जाए, और जहाँ निर्णय के रिकॉर्ड के साथ छेड़छाड़ न की जा सके।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए BAg-IDS नामक एक नई प्रणाली बनाई है। एक एकल कंप्यूटर पर अंतिम निर्णय लेने के लिए निर्भर रहने के बजाय, उन्होंने स्वायत्त सॉफ़्टवेयर एजेंटों का एक नेटवर्क बनाया है जो मिलकर खतरों का पता लगाते हैं, उनकी दोबारा जाँच करते हैं और प्रत्येक अलर्ट को प्रमाणित करते हैं। कल्पना कीजिए कि एक सुरक्षा गार्ड जो दरवाजा लॉक करने से पहले, दो अन्य स्वतंत्र गार्डों से दूसरी राय लेता है, और फिर उनके समझौते को एक स्थायी, अपरिवर्तनीय बहीखाते (लेजर) में लिख देता है जिसे कोई मिटा नहीं सकता। यही इस नई वास्तुकला का सार है। यह प्रणाली एक विशेष प्रकार के डिजिटल लेजर का उपयोग करती है, जो ब्लॉकचेन के समान है, ताकि निर्णय लेने की प्रत्येक प्रक्रिया को रिकॉर्ड किया जा सके। यह सुनिश्चित करता है कि यदि किसी हमलावर को रोकने का निर्णय लिया जाता है, तो उसे स्वतंत्र एजेंटों के एक समूह द्वारा सत्यापित किया गया है, और उस समझौते का प्रमाण एक ऐसे तरीके से संग्रहीत किया गया है जो इसे बाद में फर्जी बनाने या बदलने को असंभव बनाता है।
इस प्रणाली को तेज़ रखने के लिए इसे एक चतुर श्रम विभाजन (division of labor) के साथ डिज़ाइन किया गया है। अधिकांश समय, यह एक "रिफ्लेक्स" पथ पर चलता है, जहाँ यह मिलीसेकंड में तीन अलग-अलग डिटेक्शन मॉडलों की एक टीम का उपयोग करके नेटवर्क ट्रैफ़िक को स्कैन करता है। ये मॉडल अकेले जितना विश्वसनीय निर्णय ले सकते थे, उससे कहीं अधिक विश्वसनीय एकल निर्णय लेने के लिए मिलकर काम करते हैं। यदि सिस्टम ट्रैफ़िक के किसी हिस्से के बारे में अनिश्चित होता है, तो वह अनुमान लगाने के बजाय रुक जाता है और दूसरी राय मांगता है। केवल तभी जब सिस्टम को विश्वास हो जाता है कि हमला हो रहा है, तो वह एक धीमे, अधिक सावधानीपूर्ण चरण की ओर बढ़ता है। इस चरण में, अलर्ट को स्वतंत्र "नोटरी" एजेंटों के एक समूह को भेजा जाता है। प्रत्येक नोटरी अलर्ट की अपने आप में जाँच करती है और एक डिजिटल वोट डालती है। अलर्ट तभी स्वीकृत होता है जब नोटरीज़ का बहुमत सहमत होता है। यह पूरी मतदान प्रक्रिया ब्लॉकचेन पर रिकॉर्ड की जाती है, जिससे यह पता चलता है कि किसने और कब सहमति दी, जिससे एक स्थायी, छेड़छाड़-मुक्त इतिहास बनता है।
शोधकर्ताओं ने वास्तविक दुनिया के डेटा सेट्स पर, जिनमें लाखों नेटवर्क फ्लो शामिल थे, इस प्रणाली का परीक्षण किया। उन्होंने पाया कि प्रणाली अत्यधिक सटीक थी। एक मानक परीक्षण सेट पर, प्रणाली ने सभी निर्णयों में 96.6% बार हमलों की सही पहचान की। इससे भी महत्वपूर्ण बात यह है कि विशिष्ट अलर्ट्स के लिए जिन्हें नोटरीज़ के समूह द्वारा प्रमाणित किया गया था, सटीकता बढ़कर 99.7% हो गई, जिसमें गलत अलार्म (false alarm) की दर केवल 0.04% थी। इसका अर्थ है कि जब सिस्टम कहता है "इसे ब्लॉक करें," तो वह लगभग निश्चित रूप से सही होता है। यह प्रणाली इसे धोखा देने के लिए डिज़ाइन किए गए हमलों के प्रति भी लचीली साबित हुई। जब शोधकर्ताओं ने एक ऐसा परिदृश्य सिम्युलेट किया जहाँ एक डिटेक्शन मॉडल भ्रष्ट हो गया और गलतियाँ करने लगा, तो सिस्टम ने स्वचालित रूप से उस त्रुटिपूर्ण मॉडल के प्रभाव को कम कर दिया। समग्र सटीकता में केवल एक बहुत मामूली गिरावट आई, जिससे पता चला कि टीम-आधारित दृष्टिकोण प्रणाली को तब भी सुरक्षित रखता है जब उसका एक सदस्य समझौतापूर्ण हो जाता है।
एक अन्य प्रमुख निष्कर्ष यह था कि सिस्टम निर्णय लेने में लगने वाले समय को कैसे संभालता है। क्योंकि ब्लॉकचेन वोटिंग प्रक्रिया में कुछ सेकंड लगते हैं, इसलिए शोधकर्ताओं ने यह सुनिश्चित किया कि यह चरण केवल उन्हीं अलर्ट्स के लिए हो जो वास्तव में महत्वपूर्ण हैं। प्रारंभिक स्कैनिंग तुरंत होती है, लेकिन अंतिम, प्रमाणित निर्णय में प्रति वोट लगभग दो सेकंड का समय लगता है। यह देरी एक संरचनात्मक हिस्सा है, जो यह सुनिश्चित करने के लिए आवश्यक है कि समझौता वास्तविक है और किसी एक बुरे अभिनेता द्वारा जल्दबाजी में नहीं किया जा सकता। सिस्टम इसे इस तरह से संभालता है कि इस सावधानीपूर्ण, धीमी प्रक्रिया को केवल उस छोटे से अंश के लिए लागू किया जाता है जो अलार्म ट्रिगर करता है, जबकि शेष ट्रैफ़िक पूरी गति से प्रवाहित होता है। यह संतुलन इसे वास्तविक समय के उपयोग के लिए पर्याप्त तेज़ और भरोसेमंद होने के लिए पर्याप्त सुरक्षित बनाता है।
इस प्रणाली में एक मानवीय तत्व भी शामिल है। एक सुरक्षा ऑपरेटर को सबसे गंभीर अलर्ट पर कार्रवाई करने से पहले समीक्षा करने के लिए बुलाया जा सकता है। महत्वपूर्ण रूप से, मानव की कार्रवाइयों को भी ब्लॉकचेन पर रिकॉर्ड किया जाता है। यदि कोई ऑपरेटर ब्लॉक को स्वीकृत करने या सेटिंग बदलने का निर्णय लेता है, तो वह निर्णय हस्ताक्षरित और स्थायी रूप से संग्रहीत किया जाता है। यह एक पूर्ण ऑडिट ट्रेल बनाता है जो न केवल यह दिखाता है कि कंप्यूटर ने क्या निर्णय लिया, बल्कि यह भी कि मानव ने क्या निर्णय लिया, जिससे पूरी प्रक्रिया पारदर्शी और जवाबदेह बनती है। शोधकर्ताओं ने प्रदर्शित किया कि यह पूर्ण तकनीक स्टैक—तेजी से प्रारंभिक पहचान से लेकर, धीमी, सत्यापित सहमति और मानव निरीक्षण तक—मानक कंप्यूटर हार्डवेयर पर चल सकता है, जो यह सिद्ध करता है कि ऐसा सुरक्षित सिस्टम वास्तविक दुनिया के उपयोग के लिए व्यावहारिक है।
अपने परीक्षणों में, सिस्टम का मूल्यांकन एक नए, स्वतंत्र रूप से जनरेट किए गए 2025 के डेटा सेट पर भी किया गया था, जिसमें पुराने डेटा की तुलना में अलग विशेषताएँ थीं जिस पर इसे मूल रूप से प्रशिक्षित किया गया था। सिस्टम ने अच्छी तरह से अनुकूलन किया, प्रमाणित अलर्ट्स पर 99.98% की सटीकता बनाए रखी। यह सुझाव देता है कि दृष्टिकोण मजबूत है और बिना पूरी तरह से पुनर्गठित हुए विभिन्न प्रकार के नेटवर्क ट्रैफ़िक के साथ काम कर सकता है। शोधकर्ताओं ने निष्कर्ष निकाला कि मशीन लर्निंग को विकेंद्रीकृत मतदान प्रणाली और मानव निरीक्षण के साथ जोड़कर, एक घुसपैठ डिटेक्शन सिस्टम बनाना संभव है जो सटीक, भ्रष्टाचार के प्रति प्रतिरोधी और पूरी तरह से ऑडिट योग्य है। यह कार्य केवल डिटेक्टरों को स्मार्ट बनाने से आगे बढ़कर है; यह एक ऐसा ढांचा बनाता है जहाँ निर्णय की विश्वसनीयता स्वयं निर्णय जितनी ही महत्वपूर्ण 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।