WAFGen: LLM Agents for IDS and Multi-Cloud WAF Rules Generation
यह शोध पत्र WAFGen को प्रस्तुत करता है, जो एक मल्टी-एलएलएम (multi-LLM) फाइन-ट्यूनिंग पाइपलाइन है जो प्रमुख क्लाउड प्रदाताओं के लिए स्वचालित रूप से सिंटैक्टिक रूप से वैध और लागत-कुशल IDS और WAF नियम उत्पन्न करता है, जो मैनुअल बेसलाइन की तुलना में उच्च सटीकता और AWS वेब ACL क्षमता लागतों में महत्वपूर्ण कमी प्राप्त 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 एक एकल कार्यालय भवन की दीवारों से कहीं आगे तक फैल गई है। आज, महत्वपूर्ण सेवाएँ क्लाउड में मौजूद हैं, जो विभिन्न कंपनियों द्वारा प्रबंधित विशाल नेटवर्कों में बिखरी हुई हैं। इन प्रणालियों को सुरक्षित रखने के लिए, सुरक्षा टीमें फायरवॉल और घुसपैठ का पता लगाने वाले सिस्टम (इंट्रूज़न डिटेक्शन सिस्टम) जैसे डिजिटल गार्डों पर भरोसा करती हैं। ये उपकरण एक क्लब के बाउंसर की तरह काम करते हैं, जो प्रवेश करने वाले हर डेटा की जाँच करते हैं। यदि कोई आगंतुक संदिग्ध दिखता है, तो गार्ड उसे रोक देता है। लेकिन ऐसा करने के लिए, गार्ड को यह जानने के लिए एक सूची की आवश्यकता होती है कि क्या देखना है। सुरक्षा इंजीनियरों को इन सूचियों को हाथ से लिखना होता है, जिन्हें 'नियम' (रूल्स) कहा जाता है। वे नए खतरों के विवरणों को जटिल, तकनीकी निर्देशों में अनुवाद करते हैं जिन्हें सॉफ्टवेयर समझ सके। जैसे-जैसे इंटरनेट बढ़ रहा है और खतरे तेजी से बदल रहे हैं, इन नियमों को हाथ से लिखना एक धीमा, महंगा और त्रुटिपूर्ण कार्य बन गया है। विभिन्न क्लाउड प्लेटफॉर्मों की विशाल संख्या का अर्थ यह है कि इंजीनियरों को अक्सर एक ही एप्लिकेशन की सुरक्षा के लिए एक नियम को तीन या चार अलग-अलग भाषाओं में फिर से लिखना पड़ता है।
École de Technologie Supérieure और Université du Québec à Trois-Rivières की शोधकर्ताओं की एक टीम ने इस प्रक्रिया को स्वचालित करने का एक नया तरीका विकसित किया है। उन्होंने WAFGen नामक एक प्रणाली बनाई है, जो इन सुरक्षा नियमों को स्वचालित रूप से लिखने के लिए उन्नत आर्टिफिशियल इंटेलिजेंस का उपयोग करती है। एक मानव को खतरे के विवरण को कोड में अनुवाद करने के लिए कहने के बजाय, यह प्रणाली खतरे के विवरण को साधारण अंग्रेजी में लेती है और तुरंत उपयोग किए जा रहे विशिष्ट क्लाउड प्रदाता के लिए सही तकनीकी नियम तैयार कर देती है। शोधकर्ताओं ने इस प्रणाली का परीक्षण तीन प्रमुख क्लाउड प्लेटफॉर्मों: Amazon Web Services, Microsoft Azure, और Cloudflare, साथ ही दो पारंपरिक नेटवर्क सुरक्षा फ्रेमवर्क के विरुद्ध किया। उनका लक्ष्य यह देखना था कि क्या एक आर्टिफिशियल इंटेलिजेंस प्रत्येक प्लेटफॉर्म की विशिष्ट "व्याकरण" को इतना अच्छी तरह सीख सकता है कि वह बिना मानवीय सहायता के वैध, काम करने वाले नियम लिख सके।
शोधकर्ताओं ने हजारों सुरक्षा नियमों के उदाहरणों वाली एक विशाल प्रशिक्षण लाइब्रेरी बनाई जिसमें पांच लक्षित प्रणालियों के सभी नियम शामिल थे। उन्होंने चार अलग-अलग AI मॉडलों को इन नियमों के पैटर्न को पहचानने के लिए प्रशिक्षित किया। यह सुनिश्चित करने के लिए कि AI ने केवल उदाहरणों को रटा नहीं बल्कि वास्तव में तर्क सीखा है, उन्होंने दो अलग-अलग प्रशिक्षण रणनीतियों का परीक्षण किया। एक दृष्टिकोण में, उन्होंने प्रत्येक विशिष्ट प्लेटफॉर्म के लिए अलग-अलग AI मॉडल प्रशिक्षित किए, इस उम्मीद में कि विशेषज्ञता बेहतर परिणाम देगी। दूसरे दृष्टिकोण में, उन्होंने एक ही AI मॉडल को सभी पांच प्लेटफॉर्मों पर एक साथ प्रशिक्षित किया, जिससे उसे एक ही समय में उनके बीच के अंतर को सीखने के लिए मजबूर किया जा सके। फिर उन्होंने इन मॉडलों को नए, अनदेखे खतरों के लिए नियम बनाने के लिए कहकर और यह जाँचकर परीक्षण किया कि क्या वास्तविक क्लाउड प्रदाता उन्हें स्वीकार करेंगे।
परिणामों ने दिखाया कि AI मॉडल उन नियमों को लिखने में उल्लेखनीय रूप से सफल रहे जिन्हें क्लाउड प्रदाता स्वीकार करेंगे। जब मॉडलों ने तीन प्रमुख क्लाउड प्लेटफॉर्मों के लिए नियम उत्पन्न किए, तो 90 प्रतिशत से अधिक तकनीकी रूप से सही और तैनाती के लिए तैयार थे। सबसे अच्छा प्रदर्शन करने वाले मॉडल, एक 7-बिलियन-पैरामीटर वाले सिस्टम ने, Amazon के प्लेटफॉर्म पर लगभग 96 प्रतिशत और Microsoft पर 90 प्रतिशत से अधिक की सफलता दर हासिल की। शायद सबसे आश्चर्यजनक बात यह थी कि शोधकर्ताओं ने पाया कि सभी प्लेटफॉर्मों पर एक साथ प्रशिक्षित एकल मॉडल ने उन विशिष्ट मॉडलों की तरह ही अच्छा प्रदर्शन किया जो केवल एक प्लेटफॉर्म पर प्रशिक्षित थे, और अक्सर उनसे बेहतर भी रहा। यह सुझाव देता है कि AI को विभिन्न क्लाउड भाषाओं के बीच के अंतर को समझने के लिए सिखाने से वास्तव में उसे गलतियाँ करने से बचने में मदद मिली, न कि उसे भ्रमित किया। सिस्टम ने नियमों को सरल और कुशल रखना भी सीखा। Amazon वातावरण में, जहाँ जटिल नियमों को चलाने की लागत अधिक होती है, AI-जनरेटेड नियमों ने उपलब्ध बजट का एक बहुत छोटा हिस्सा उपयोग किया, जो मानक प्रबंधित नियम सेटों के सैकड़ों के मुकाबले प्रति नियम केवल लगभग 10 से 25 यूनिट था।
अध्ययन ने आर्टिफिशियल इंटेलिजेंस के बारे में एक सामान्य डर को भी संबोधित किया: कि यह फर्जी या खतरनाक निर्देश बना सकता है। शोधकर्ताओं ने पाया कि सिस्टम ने शायद ही कभी अमान्य कमांड बनाए। जब इसने कोई गलती की, तो वह आमतौर पर एक मामूली फॉर्मेटिंग त्रुटि थी जिसे नियम के उपयोग से पहले एक साधारण जाँच द्वारा पकड़ा जा सकता था। सिस्टम SQL इंजेक्शन जैसे सामान्य वेब हमलों से लेकर अधिक जटिल बॉट-संचालित खतरों तक, विविध प्रकार के खतरों को संभालने में सक्षम था। जनरेशन प्रक्रिया में सीधे लागत-जाँच चरण को एकीकृत करके, यह प्रणाली सुरक्षा टीमों को यह जानने की अनुमति देती है कि नया नियम बनाने में कितनी लागत आएगी, इससे पहले कि वे इसे तैनात करें। यह क्षमता नियम निर्माण को एक अनुमान लगाने वाले खेल से बदलकर एक सटीक, बजट-सचेत संचालन में बदल देती है।
हालाँकि यह प्रणाली अत्यधिक प्रभावी है, शोधकर्ताओं ने नोट किया कि यह बड़े AI मॉडलों के साथ सबसे अच्छा काम करती है। छोटे, अधिक कॉम्पैक्ट मॉडल तब संघर्ष करते हैं जब उन्हें एक साथ कई अलग-अलग क्लाउड भाषाओं को सीखने के लिए कहा जाता है, और अक्सर कुछ प्लेटफॉर्मों के लिए वैध नियम बनाने में विफल रहते हैं। हालाँकि, उन संगठनों के लिए जिन्हें कई क्लाउड पर अपनी प्रणालियों की सुरक्षा करने की आवश्यकता है, मल्टी-प्लेटफॉर्म दृष्टिकोण सबसे विश्वसनीय साबित हुआ। यह कार्य प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस अब आधुनिक क्लाउड इंफ्रास्ट्रक्चर के लिए आवश्यक विशिष्ट तकनीकी भाषाओं में मानवीय सुरक्षा आवश्यकताओं को अनुवादित करने के जटिल, उबाऊ कार्य को संभाल सकता है। यह सुरक्षा इंजीनियर का स्थान नहीं लेता है बल्कि उन्हें मैनुअल कोडिंग के उबाऊ काम से मुक्त करता है, जिससे वे रणनीति और विश्लेषण पर ध्यान केंद्रित कर सकते हैं जबकि मशीन नियम निर्माण का भारी काम संभालती है। इस प्रणाली के पीछे का कोड और डेटा अब दूसरों के उपयोग और सुधार के लिए उपलब्ध है, जो अधिक चुस्त और लागत प्रभावी क्लाउड सुरक्षा की ओर एक महत्वपूर्ण कदम 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।