Quantum Machine Learning in Cybersecurity: A Hybrid Convolutional Neural Network with Skip Connections for QR Code Phishing Detection
यह अध्ययन एक हाइब्रिड क्वांटम-क्लासिकल कनवल्शनल न्यूरल नेटवर्क विद स्किप कनेक्शंस (HybridSkip) का प्रस्ताव करता है जो फिशिंग का पता लगाने के लिए दृश्य संरचना के आधार पर सीधे क्यूआर कोड छवियों को वर्गीकृत करता है, जिससे शास्त्रीय बेसलाइनों की तुलना में कम मापदंडों के साथ काफी उच्च रिकॉल और एफ1-स्कोर प्राप्त होता है, जिससे यह सक्रिय क्विशिंग (quishing) रक्षा के लिए एक संसाधन-कुशल समाधान प्रदान 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
आधुनिक डिजिटल दुनिया में, काले और सफेद वर्गों का एक साधारण वर्ग एक सार्वभौमिक कुंजी बन गया है। ये क्विक रिस्पांस कोड, या क्यूआर (QR) कोड हैं, जो रेस्टोरेंट के मेनू, भुगतान टर्मिनलों और ट्रांजिट टिकटों पर पाए जाने वाले द्वि-आयामी बारकोड हैं। इन्हें स्मार्टफोन कैमरा द्वारा तुरंत स्कैन करने के लिए डिज़ाइन किया गया है, जो बिना किसी कीस्ट्रोक के भौतिक और डिजिटल दुनिया को जोड़ते हैं। हालाँकि, इस सुविधा ने एक नई भेद्यता पैदा कर दी है। क्योंकि मानवीय आँख पैटर्न के भीतर छिपे डेटा को नहीं पढ़ सकती, इसलिए एक दुर्भावनापूर्ण तत्व एक वैध कोड को नकली कोड से बदल सकता है जो पीड़ित को एक धोखाधड़ी वाली वेबसाइट पर ले जाता है। इस विशिष्ट प्रकार के हमले को "क्विशिंग" (quishing) कहा जाता है, जो पारंपरिक ईमेल फिल्टर और लिंक स्कैनर को बायपास कर देता है क्योंकि खतरा एक डिजिटल संदेश के रूप में नहीं, बल्कि एक मुद्रित छवि के रूप में आता है। सुरक्षा विशेषज्ञों के लिए मुख्य चुनौती यह है कि जब तक उपयोगकर्ता कोड को स्कैन करता है, तब तक नुकसान अक्सर हो चुका होता है, क्योंकि फोन स्वचालित रूप से छिपे हुए लिंक को खोल देता है।
शोधकर्ता लंबे समय से इमेज को डिकोड करके उसके भीतर छिपे यूआरएल (URL) को पढ़ने और फिर यह जाँचने की कोशिश कर रहे हैं कि वह पता खतरनाक है या नहीं। लेकिन यह तरीका विफल हो जाता है यदि कोड क्षतिग्रस्त हो, यदि इंटरनेट उपलब्ध न हो, या यदि बुरा लिंक स्कैन के ठीक पहले बनाया गया हो। एक नया दृष्टिकोण इमेज के भीतर के टेक्स्ट के बजाय स्वयं चित्र को देखने का सुझाव देता है। विचार यह है कि छिपे हुए संदेश की लंबाई और जटिलता, काले और सफेद वर्गों की व्यवस्था पर एक सूक्ष्म सांख्यिकीय पदचिह्न (fingerprint) छोड़ती है। एक कंप्यूटर जिसे इन दृश्य पैटर्न को पहचानने के लिए प्रशिक्षित किया गया है, डिकोड होने से पहले ही एक दुर्भावनापूर्ण कोड का पता लगा सकता है। यहीं पर साइबर सुरक्षा और क्वांटम कंप्यूटिंग का संगम होता है। क्वांटम मशीन लर्निंग सूचनाओं को संसाधित करने के लिए क्वांटम यांत्रिकी के सिद्धांतों का उपयोग करती है, जो शास्त्रीय कंप्यूटरों की तुलना में अलग तरीके से काम करती है, जिससे छोटे, जटिल डेटासेट में पैटर्न खोजने का अधिक कुशल तरीका मिल सकता है।
हाजी मोहम्मद दानेश साइंस एंड टेक्नोलॉजी यूनिवर्सिटी, बांग्लादेश के एक शोधकर्ता, एमडी फरहान शाहरियार ने इन विचारों को मिलाने वाला एक नया सिस्टम विकसित किया है जो क्विशिंग हमलों का पता लगाता है। यह सिस्टम एक हाइब्रिड मॉडल है, जिसका अर्थ है कि यह एक मानक शास्त्रीत्मक कंप्यूटर प्रोग्राम को एक विशेष क्वांटम घटक के साथ मिलाता है। शास्त्रीय हिस्सा आँखों के एक सेट के रूप में कार्य करता है, जो क्यूआर कोड की मूल आकृतियों और संरचनाओं की पहचान करने के लिए छवि को स्कैन करता है। क्वांटम हिस्सा फिर उन आकृतियों के संकुचित संस्करण को लेता है और उन्हें एक सिम्युलेटेड क्वांटम सर्किट के माध्यम से संसाधित करता है, जो एक गणितीय संरचना है जो एक साथ कई संभावनाओं का पता लगा सकती है। लक्ष्य यह देखना था कि क्या यह संयोजन एक मानक कंप्यूटर प्रोग्राम की तुलना में अधिक सटीकता से नकली कोड की पहचान कर सकता है, जबकि कम कंप्यूटिंग संसाधनों का उपयोग करता है।
अध्ययन ने इस सिस्टम का परीक्षण एक हजार क्यूआर कोड छवियों के डेटासेट पर किया, जो सुरक्षित और दुर्भावनापूर्ण कोड के बीच समान रूप से विभाजित थे। शोधकर्ताओं ने मॉडल को बिना टेक्स्ट पढ़े ही कच्ची छवियों को देखने के लिए प्रशिक्षित किया। उन्होंने अपने नए हाइब्रिड डिजाइन की तुलना कई अन्य मॉडलों से की, जिनमें मानक कंप्यूटर-ओनली प्रोग्राम और बिना किसी विशिष्ट आर्किटेक्चरल टवीक के अन्य हाइब्रिड संस्करण शामिल थे। उनके सिस्टम का सबसे सफल संस्करण, जिसे उन्होंने 'हाइब्रिडस्किप' (HybridSkip) नाम दिया, ने एक "स्किप कनेक्शन" पेश किया। सरल शब्दों में, यह एक शॉर्टकट है जो सिस्टम के शास्त्रीय भाग से प्रारंभिक दृश्य जानकारी को क्वांटम प्रोसेसर को बायपास करने और सीधे अंतिम निर्णय लेने वाले चरण तक जाने की अनुमति देता है। यह डिज़ाइन सुनिश्चित करता है कि जटिल क्वांटम प्रसंस्करण के दौरान कोई भी उपयोगी विवरण नष्ट न हो और यह सिस्टम को अधिक प्रभावी ढंग से सीखने में मदद करता है।
परिणामों ने दिखाया कि यह नया दृष्टिकोण अत्यधिक प्रभावी था। हाइब्रिडस्किप मॉडल ने मानक शास्त्रीय कंप्यूटर-ओनली मॉडलों की तुलना में उच्च सफलता दर के साथ दुर्भावनापूर्ण क्यूआर कोड की सही पहचान की। विशेष रूप से, इसने लगभग 65 प्रतिशत के मुकाबले लगभग 72 प्रतिशत बुरे कोड पकड़े। सुरक्षा के संदर्भ में यह सुधार महत्वपूर्ण है क्योंकि एक बुरे कोड को मिस करने का मतलब है कि उपयोगकर्ता को अपने पासवर्ड या पैसे देने के लिए धोखा दिया जा सकता है, जबकि एक गलत अलार्म केवल जांच के कुछ अतिरिक्त सेकंड की लागत लाता है। इसके अलावा, नए मॉडल ने शास्त्रीय मॉडलों की तुलना में लगभग 38 प्रतिशत कम समायोज्य सेटिंग्स, या पैरामीटर, का उपयोग करते हुए यह उच्च सटीकता प्राप्त की। आर्टिफिशियल इंटेलिजेंस की दुनिया में, कम पैरामीटर होने का अर्थ है कि सिस्टम तेज़ है और इसे कम मेमोरी की आवश्यकता होती है, जिससे इसे मोबाइल फोन या छोटे उपकरणों पर चलाना आसान हो जाता है।
शोधकर्ताओं ने पुष्टि की कि ये सुधार केवल एक संयोग नहीं थे, क्योंकि उन्होंने डेटा के विभिन्न विभाजनों के साथ कई बार परीक्षण किया। सांख्यिकीय विश्लेषण ने दिखाया कि बुरे कोड का पता लगाने में लाभ वास्तविक और सुसंगत थे। अध्ययन ने यह भी नोट किया कि सिस्टम पूरी तरह से ऑफलाइन काम करता है। क्योंकि यह सीधे इमेज का विश्लेषण करता है, इसे ज्ञात बुरे लिंक के डेटाबेस की जाँच करने के लिए इंटरनेट कनेक्शन की आवश्यकता नहीं होती है। यह इसे रिमोट कियोस्क या पॉइंट-ऑफ-सेल टर्मिनल जैसे परिदृश्यों के लिए विशेष रूप से उपयोगी बनाता है जहाँ नेटवर्क कनेक्शन अविश्वसनीय हो सकता है।
हालांकि परिणाम आशाजनक हैं, अध्ययन कुछ सीमाओं को स्वीकार करता है। सिस्टम का क्वांटम हिस्सा एक मानक कंप्यूटर पर सिम्युलेट किया गया था, न कि वास्तविक क्वांटम हार्डवेयर पर, जो अभी भी एक उभरती हुई तकनीक है। शोधकर्ताओं ने यह भी नोट किया कि उपयोग किया गया डेटासेट अपेक्षाकृत छोटा था, जिसमें केवल एक हजार छवियां थीं, और वास्तविक दुनिया के कोड गुणवत्ता, प्रकाश और क्षति के मामले में बहुत भिन्न हो सकते हैं। भविष्य के कार्यों के लिए वास्तविक दुनिया की स्थितियों में यह देखने के लिए कि यह कैसे टिकता है, बड़ी छवियों के संग्रह और वास्तविक क्वांटम उपकरणों पर इस सिस्टम का परीक्षण करना होगा। फिर भी, अध्ययन प्रदर्शित करता है कि एक हाइब्रिड दृष्टिकोण, जो शास्त्रीय और क्वांटम प्रसंस्करण को सावधानीपूर्वक मिलाता है, दृश्य खतरों को पहचानने का अधिक कुशल और प्रभावी तरीका प्रदान कर सकता है। क्यूआर कोड को एक संदेश के बजाय एक चित्र के रूप में मानकर, यह नई विधि एक सक्रिय रक्षा कवच प्रदान करती है जो तेजी से जुड़ती दुनिया में उपयोगकर्ताओं को सुरक्षित रखने में मदद कर सकती 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।