जापान नेटवर्क कमजोरियों का पता लगाने और हैकर्स का मुकाबला करने के लिए आर्टिफिशियल इंटेलिजेंस लागू करेगा

आर्टिफिशियल इंटेलिजेंस (AI) के विकास के साथ, इंटरनेट से जुड़े और 'इंटरनेट ऑफ थिंग्स' (IoT) में डेटा का आदान-प्रदान करने वाले उपकरण समस्याओं का स्रोत बन सकते हैं। अक्टूबर में Anthropic द्वारा प्रकाशित एक रिपोर्ट के अनुसार, AI-आधारित मैलवेयर ऐसे उपकरणों पर स्थापित हो सकता है और स्वायत्त रूप से फैल सकता है।

कंप्यूटर वायरस जो स्वचालित रूप से एक मशीन से दूसरी मशीन में फैलते हैं, उन्हें 'वर्म्स' के रूप में जाना जाता है। वे पहले से निर्धारित योजना का पालन करते हैं, सुरक्षा में ज्ञात कमजोरियों या अपर्याप्त रूप से सुरक्षित एक्सेस बिंदुओं का उपयोग करते हैं। आमतौर पर इस समस्या का समाधान सिस्टम की सुरक्षा में त्रुटियों को ठीक करके और खामियों को बंद करके किया जाता है। हालांकि, AI-आधारित 'वर्म्स' के मामले में स्थिति काफी अधिक जटिल और खतरनाक हो जाती है।

इसका कारण यह है कि इस उन्नत प्रकार के 'वर्म्स' में विभिन्न प्रकार के उपकरणों के लिए समस्याओं को स्वयं हल करने और अनुकूलित होने की क्षमता होती है। Anthropic के शोधकर्ताओं, जो Claude के डेवलपर हैं, ने प्रदर्शित किया कि AI एप्लिकेशन बड़े डेटा सेंटर का उपयोग किए बिना कार्य कर सकते हैं।

एक नियंत्रित परीक्षण वातावरण में, शोधकर्ताओं ने आठ एंड्रॉइड उपकरणों के सिमुलेशन बनाए। परीक्षण किए गए AI मॉडल ने इनमें से एक डिवाइस पर खुद को स्थापित किया, फिर उससे कॉपी हुआ और बाकी को संक्रमित किया। पांच में से चार प्रयासों में मॉडल सभी आठ लक्ष्यों तक पहुंच गया, और एक में इसने सात को संक्रमित किया।

यदि इस तरह के AI मॉडल को मैलवेयर के साथ जोड़ा जाता है, तो 'वर्म' सुरक्षा उपायों को दरकिनार करना सीख सकता है। Anthropic डेवलपर्स के अनुमान के अनुसार, इसके लिए लगभग एक से दो दिन लगेंगे। इसके अलावा, AI संभावित रूप से संक्रमित उपकरणों को बॉट नेटवर्क में एकीकृत कर सकता है।

हालांकि संक्रमित डिवाइस की कम्प्यूटेशनल क्षमताएं सीमित होती हैं, जितने अधिक डिवाइस संक्रमित होंगे, उतनी ही तेजी से 'वर्म' फैल सकता है। सैद्धांतिक रूप से, जुड़े हुए उपकरणों को नेटवर्क से डिस्कनेक्ट किया जा सकता है, और सुरक्षा कमजोरियों को ठीक किया जा सकता है। फिर भी, इस प्रकार के मैलवेयर की विकेन्द्रीकृत संरचना इसके स्थानीयकरण को बहुत कठिन बना देगी।

Anthropic इस प्रकार के संक्रमण का वर्णन 'डिजिटल स्लाइम मोल्ड' के रूप में करता है, जो धीरे-धीरे बढ़ता है। कंपनी का मानना है कि छोटे AI मॉडल 2026 तक प्रसार की इस क्षमता के स्तर को प्राप्त कर लेंगे।

आर्टिफिशियल इंटेलिजेंस सॉफ्टवेयर में कमजोरियों का पता लगाने की प्रक्रिया को तेज कर रहा है, जिससे उन्हें ठीक करने में लगने वाला समय कम हो रहा है। रॉयटर्स द्वारा опроसित साइबर सुरक्षा विशेषज्ञों ने डिजिटल सेवाओं में नई रुकावटों का अनुमान लगाया है, क्योंकि कंपनियाँ और सरकारें इन खामियों के शोषण के लिए तैयारी करने की कोशिश कर रही हैं।

VulnCheck द्वारा किया गया एक अध्ययन, जिसे आने वाले दिनों में प्रकाशित किया जाना है, से पता चलता है कि पिछले वर्ष की तुलना में खोजी गई डिजिटल कमजोरियों की संख्या दोगुनी हो गई है। यूरोपीय सरकारी वेबसाइटों पर इस सप्ताह दर्ज की गई समस्याएं उस दबाव को दर्शाती हैं जो ऐसी खोजें पैदा कर सकती हैं।

बुधवार को PHP में कमजोरियों का पता चलने के बाद रुकावटें शुरू हुईं, जो इंटरनेट के कई हिस्सों में उपयोग की जाने वाली प्रोग्रामिंग भाषा है। हमलों को रोकने के लिए, ऑपरेटरों ने जल्दी से अपनी प्रणालियों को ठीक करना शुरू कर दिया। कुछ ने साइटों को अस्थायी रूप से बंद कर दिया क्योंकि वे संभावित घुसपैठ से पहले अपडेट लागू नहीं कर सके थे।

यह सुधारों की दौड़ एक ऐसे सप्ताह में हुई जो पहले से ही अन्य सुरक्षा समस्याओं से चिह्नित था। Node.js और Plex में कमजोरियाँ सामने आईं, साथ ही LiteLLM एआई प्लेटफॉर्म और Railway डेवलपमेंट प्लेटफॉर्म से संबंधित घटनाएं भी हुईं। भारतीय प्रमाणन प्राधिकरण eMudhra ने भी अत्यंत कमजोर क्रिप्टोग्राफ़िक कुंजी के उपयोग के कारण ध्यान आकर्षित किया, जिससे इंटरनेट उपयोगकर्ताओं के खतरे में पड़ने की संभावना थी।

क्लाउडफ्लेयर के सीईओ मैथ्यू प्रिंस ने रॉयटर्स को बताया कि वह नेटवर्क के कामकाज के लिए महत्वपूर्ण सॉफ्टवेयर में अन्य गंभीर कमजोरियों के बारे में जानते हैं। उनके आकलन के अनुसार, क्षेत्र को आगे कठिन महीनों का सामना करना पड़ेगा। उन्होंने टिप्पणी की: 'मुझे लगता है कि हमारे कुछ साल होंगे जब हर हफ़्ते ऐसा लगेगा जैसे आसमान गिर रहा है।'

पहले जटिल कार्यक्रमों में कमजोरियों की खोज के लिए विशेष ज्ञान की आवश्यकता होती थी। उनके शोषण के लिए उपकरणों का विकास हफ्तों या महीनों तक चल सकता था, जिससे सिस्टम के जिम्मेदार लोगों को सुधार तैयार करने और अपडेट वितरित करने के लिए समय मिल जाता था। हालांकि, आर्टिफिशियल इंटेलिजेंस इस समय अंतराल को कम कर रहा है। मॉडल बड़ी कोडबेस का लगातार विश्लेषण करने, समस्याओं को खोजने और कुछ ही घंटों में शोषण के लिए उपकरण विकसित करने में मदद कर सकते हैं।

रनसेफ सिक्योरिटी के सीटीओ शेन फ्राई ने इस प्रक्रिया की गति में बदलाव पर जोर दिया। उन्होंने कहा: 'जो मौलिक और निर्विवाद रूप से बदल रहा है, वह यह समय है जो कमजोरियों का पता लगाने और हमलावरों द्वारा उनका उपयोग करने के बीच लगता है।'

इस स्थिति को देखते हुए, सुरक्षा टीमों को केवल कोड में त्रुटियों की पहचान करने से परे कार्यों से निपटना होगा। विशेषज्ञों को प्रतिक्रिया समय में कमी की चिंता है, लेकिन इस बात पर कोई आम सहमति नहीं है कि कमजोरियों का तेज पता सफल हमलों की लहर का कारण बनेगा।

फाइल ट्रांसफर टूल curl के प्रमुख डेवलपर डेनियल श्टेनबर्ग बताते हैं कि एआई मॉडल द्वारा पाई गई कुछ कमजोरियाँ जटिल और शोषण करने में कठिन हैं। सुरक्षा कंपनी ArmorCode के रामी रहमान ने भी इस बात पर जोर दिया कि अधिक कमजोरियों का प्रकाशन जरूरी नहीं कि सफल हमलों की संख्या में वृद्धि का मतलब हो। PHP का मामला इस अंतर का उदाहरण है: खतरा खुफिया कंपनी Hunt.io ने आक्रामक शोषण प्रयासों का पता लगाया, लेकिन बताया कि गुरुवार दोपहर तक अमेरिकी पूर्वी तट पर ट्रैक किए गए हमलावरों ने अभी तक इस कमजोरी का उपयोग करने के लिए कार्यात्मक उपकरण विकसित नहीं किया था।

प्रिंस ने कमजोरी से जुड़े घुसपैठ के संकेतों के बारे में बताया। फिर भी, उनका मानना है कि समस्याओं का तेज पता दीर्घकालिक लाभ ला सकता है, जिससे वर्षों से छिपी हुई त्रुटियों को ठीक किया जा सकता है।