Autonomous hardware security evaluation from reconnaissance to physical validation
यह शोध पत्र एक स्वायत्त LLM-आधारित एजेंट प्रस्तुत करता है जो ATmega328P माइक्रोकंट्रोलर और Artix-7 FPGA दोनों पर लेजर फॉल्ट-इंजेक्शन हमलों को सफलतापूर्वक निष्पादित और मान्य करने के लिए टोही (reconnaissance), फर्मवेयर विश्लेषण और मानव-इन-द-लूप नियंत्रण को एकीकृत करता है, जो भौतिक हार्डवेयर सुरक्षा मूल्यांकन के लिए एक स्केलेबल वर्कफ़्लो प्रदर्शित 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
कंप्यूटर चिप्स की छिपी हुई दुनिया में, सुरक्षा केवल जटिल सॉफ्टवेयर कोड के बारे में नहीं है; यह स्वयं सिलिकॉन की भौतिक वास्तविकता के बारे में भी है। यहाँ तक कि सबसे सुरक्षित डिजिटल लॉक को भी तोड़ा जा सकता है यदि कोई हमलावर बिल्कुल सही क्षण पर मशीन के मस्तिष्क को भौतिक रूप से उकसा सके। यह क्षेत्र, जिसे हार्डवेयर सुरक्षा (hardware security) के रूप में जाना जाता है, यह समझने की कोशिश करने में शामिल है कि जब चिप को प्रकाश की एक चमक या चुंबकीय पल्स जैसे सूक्ष्म, सटीक व्यवधानों के अधीन किया जाता है, तो वह कैसा व्यवहार करती है। ये व्यवधान चिप को अपनी गणना का एक चरण भूलने, सुरक्षा जांच को छोड़ने, या एक गुप्त कुंजी (secret key) को प्रकट करने के लिए मजबूर कर सकते हैं। दशकों से, इन कमजोरियों का परीक्षण करना एक धीमी, मैनुअल प्रक्रिया रही है। इसके लिए एक मानव विशेषज्ञ की आवश्यकता होती है जो चिप के डिज़ाइन का अध्ययन करे, अनुमान लगाए कि कमजोरी कहाँ छिपी हो सकती है, और फिर सावधानी से उस स्थान पर लेजर केंद्रित करे जबकि परिणामों को देखता रहे। यह तर्क और सटीकता का एक नाजुक नृत्य है, जहाँ एक गलत अनुमान घंटों का समय बर्बाद कर देता है और एक छूटा हुआ क्षण यह सुनिश्चित करता है कि रहस्य सुरक्षित रहे।
माइन्स सेंट-एटिएन (Mines Saint-Etienne) और फ्रांस के सीईए (CEA) के शोधकर्ताओं का एक नया अध्ययन इस कार्य को करने का एक अलग तरीका पेश करता है। उन्होंने एक कृत्रिम बुद्धिमत्ता (AI) एजेंट बनाया है जो इस पूरी प्रक्रिया का मार्गदर्शन कर सकता है, पहले अनुमान से लेकर अंतिम प्रमाण तक। यह एजेंट मानव विशेषज्ञ की जगह नहीं लेता है, बल्कि एक अथक साथी के रूप में कार्य करता है जो योजना बनाने और निष्पादन के भारी काम को संभालता है। यह प्रणाली पहले चिप के बारे में उपलब्ध प्रत्येक दस्तावेज़ को पढ़ती है, जिसमें इसका निर्देश मैनुअल और इस पर चलने वाला कोड शामिल है। फिर यह चिप की आंतरिक संरचना की तस्वीरों को देखती है ताकि यह समझा जा सके कि विभिन्न भाग कहाँ स्थित हैं। इस जानकारी का उपयोग करते हुए, AI उन स्थानों के बारे में परिकल्पनाओं (hypotheses) की एक सूची बनाता है जहाँ एक लेजर पल्स गलती का कारण बन सकती है। इसके बाद यह इन विचारों का परीक्षण करने के लिए प्रयोगों की एक श्रृंखला तैयार करता है, जिसमें सफलता और विफलता के लिए कड़े नियम निर्धारित किए जाते हैं। महत्वपूर्ण रूप से, मानव विशेषज्ञ सुरक्षा और अंतिम अनुमोदन के लिए प्रभारी रहता है, जो एक द्वारपाल के रूप में कार्य करता है जो मशीन के आगे बढ़ने से पहले प्रत्येक चरण को अधिकृत करता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण दो बहुत ही अलग प्रकार के कंप्यूटर चिप्स पर किया ताकि यह देखा जा सके कि क्या यह व्यापक रूप से काम कर सकता है। पहला लक्ष्य एक सामान्य माइक्रोकंट्रोलर था, जो एक छोटा चिप है जो अक्सर रोजमर्रा के इलेक्ट्रॉनिक्स में पाया जाता है। AI एजेंट ने चिप के फर्मवेयर (firmware) का विश्लेषण करके शुरुआत की, जो वह सॉफ्टवेयर है जो चिप को बताता है कि उसे क्या करना है। इसने एक विशिष्ट सुरक्षा जांच की पहचान की जहाँ चिप व्यक्तिगत पहचान संख्या, या पिन (PIN) को सत्यापित करती है। एजेंट ने परिकल्पना की कि एक लेजर पल्स चिप को गलत पिन स्वीकार करने के लिए धोखा दे सकती है। इसका परीक्षण करने के लिए, एजेंट ने सुरक्षा जांच के दौरान चिप पर लेजर निर्देशित किया। सावधानी से समयबद्ध पल्स की एक श्रृंखला के बाद, एजेंट ने चिप को गलत पिन स्वीकार करने के लिए सफलतापूर्वक प्रेरित किया। इसने केवल अनुमान नहीं लगाया; इसने चिप से उसकी आंतरिक स्थिति पूछकर परिणाम को सत्यापित किया, जिससे पुष्टि हुई कि चिप अब अनलॉक मानती है। एजेंट ने एन्क्रिप्शन के लिए जटिल गणित करने की चिप की क्षमता का भी परीक्षण किया। यह एक एन्क्रिप्शन प्रक्रिया के आउटपुट को बार-बार खराब करने में सफल रहा, चौदह में से चौदह प्रयासों में बिल्कुल वही त्रुटि उत्पन्न की, जबकि बिना लेजर वाले नियंत्रण समूह के परीक्षणों में कोई त्रुटि नहीं देखी गई।
दूसरे परीक्षण में उन्नत कंप्यूटिंग कार्यों के लिए उपयोग किया जाने वाला एक अधिक जटिल चिप शामिल था। यहाँ, चुनौती अलग थी क्योंकि चिप का आंतरिक लेआउट इतना सीधा नहीं है कि उसे आसानी से मैप किया जा सके। एजेंट ने एक अलग दृष्टिकोण अपनाया, चिप के पिछले हिस्से के दृश्य स्कैन को उसके डिज़ाइन के डिजिटल मानचित्र के साथ जोड़कर एन्क्रिप्शन के लिए जिम्मेदार विशिष्ट क्षेत्र का पता लगाया। फिर इसने हजारों अलग-अलग स्थानों पर लेजर दागकर परीक्षणों की एक विशाल संख्या चलाई। प्रणाली ने लगभग 183,000 व्यक्तिगत परीक्षण परिणामों को रिकॉर्ड किया। इसने पाया कि कुछ स्थानों और विशिष्ट सेटिंग्स के साथ, चिप गलत उत्तर देगी। एजेंट एक साधारण गड़बड़ी और एक वास्तविक सुरक्षा विफलता के बीच अंतर करने में सक्षम था, यह नोट करते हुए कि कुछ त्रुटियां बार-बार होती थीं जबकि अन्य यादृच्छिक (random) थीं। इसने प्रदर्शित किया कि AI आधुनिक चिप की जटिलता को बिना किसी मानव के हर शॉट का मैन्युअल रूप से मार्गदर्शन किए नेविगेट कर सकता है।
यह कार्य क्यों महत्वपूर्ण है, यह केवल इस बात से नहीं है कि AI ने इन त्रुटियों को खोजा, बल्कि इस बात से है कि उसने इसे कैसे किया। प्रणाली ने केवल तब तक लेजर नहीं चलाया जब तक कि कुछ टूट न गया। इसके बजाय, इसने चिप का एक मानसिक मानचित्र बनाया, जो इसके कोड के बारे में जो वह जानता था उसे भौतिक छवियों में जो वह देखता है उससे जोड़ता था। जब इसे भ्रमित करने वाले परिणाम मिले, जैसे कि एक संकेत जो इसकी अपेक्षाओं से मेल नहीं खाता था, तो इसने रुककर अपनी योजना का पुनर्मूल्यांकन किया। इसने अपनी गलतियों को सुधारा, जैसे कि प्रक्रिया के दौरान खोजे गए वायरिंग संबंधी मुद्दे को ठीक करना, और फिर आगे बढ़ा। मानव ऑपरेटर ने सीमाओं को निर्धारित किया, यह तय किया कि क्या परीक्षण करना सुरक्षित है और लक्ष्य प्राप्त होने पर प्रक्रिया को रोक दिया। AI ने दिन-प्रतिदिन के निर्णयों को संभाला, पिछले परिणाम के आधार पर अगले परीक्षण स्थल का चयन किया। इसने एक बंद लूप (closed loop) बनाया जहाँ मशीन वास्तविक समय में अपने कार्यों से सीखती है।
अध्ययन से पता चलता है कि यह तरीका विभिन्न प्रकार के हार्डवेयर पर काम कर सकता है, सरल माइक्रोकंट्रोलर से लेकर जटिल प्रोग्रामेबल लॉजिक डिवाइस तक। शोधकर्ताओं ने पाया कि AI-सहायता प्राप्त दृष्टिकोण एक प्रयोग के लिए लगभग एक दिन में तैयारी कर सकता है, जबकि अकेले एक मानव विशेषज्ञ को एक सप्ताह या उससे अधिक समय लग सकता है। यह गति खोज क्षेत्र को कम करने के लिए दस्तावेज़ों और छवियों की विशाल मात्रा को तेजी से संसाधित करने की AI की क्षमता से आती है। हालाँकि, शोधकर्ता स्पष्ट हैं कि यह मूल्यांकन के लिए एक उपकरण है, न कि एक जादुई छड़ी जो सभी सुरक्षा समस्याओं को हल करती है। AI ने लैब में चिप्स को तोड़ने के विशिष्ट तरीके खोजे, लेकिन इसने गुप्त कुंजियों (secret keys) को पुनः प्राप्त नहीं किया या प्रत्येक त्रुटि के पीछे के विद्युत तंत्र को पूरी तरह से स्पष्ट नहीं किया। इसके द्वारा पाई गई कुछ त्रुटियाँ अभी भी रहस्यमय थीं, और शोधकर्ताओं ने नोट किया कि यह समझने के लिए कि वास्तव में प्रकाश ने चिप को कैसे विफल किया, अधिक जांच की आवश्यकता है।
इस कार्य का अंतिम लक्ष्य हार्डवेयर सुरक्षा परीक्षण को अधिक विश्वसनीय और कुशल बनाना है। चिप के सैद्धांतिक ज्ञान और इसके भौतिक परीक्षण के बीच संबंध को स्वचालित करके, यह प्रणाली विशेषज्ञों को बड़े चित्र (big picture) पर ध्यान केंद्रित करने की अनुमति देती है जबकि मशीन विवरणों को संभालती है। मानव निर्णायक बना रहता है, यह तय करता है कि कोई निष्कर्ष महत्वपूर्ण है या नहीं और कब रुकना है। अध्ययन इस निष्कर्ष पर पहुँचता है कि मानव निर्णय और कृत्रिम बुद्धिमत्ता के बीच यह साझेदारी एक व्यवहार्य मार्ग है। यह सिद्ध करता है कि एक AI न केवल चिप के निर्देशों को पढ़ सकता है, बल्कि भौतिक रूप से इसके साथ बातचीत करके इसकी कमजोरियों को भी खोज सकता है, और वह भी सख्त सुरक्षा नियमों का पालन करते हुए। इसका मतलब यह नहीं है कि चिप अब कम सुरक्षित हैं; बल्कि, इसका मतलब यह है कि जो लोग उन्हें बनाते हैं, उनके पास उनके दोषों को दूसरों द्वारा शोषण किए जाने से पहले खोजने और ठीक करने का एक शक्तिशाली नया तरीका है। यह कार्य इस बात का प्रदर्शन है कि हार्डवेयर सुरक्षा का भविष्य संभवतः उन प्रणालियों पर निर्भर करेगा जो भौतिक दुनिया में सोच सकते हैं, योजना बना सकते हैं और कार्य कर सकते हैं, जो मानव निरीक्षण द्वारा निर्देशित हों।
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।