सार:
साइबर सुरक्षा शोधकर्ताओं ने हाल ही में एक असामान्य नए प्रकार के विंडोज़ मैलवेयर की खोज की है। पिछले आक्रमण उपकरणों से भिन्न, जो कोड लिखने या फ़िशिंग सामग्री बनाने में सहायता के लिए कृत्रिम बुद्धिमत्ता का उपयोग करते थे, CLOSEDQUORUM नामक यह मैलवेयर सीधे कई बड़े पैमाने के भाषा मॉडल को अपने नियंत्रण प्रणाली में शामिल करता है और ऑपरेशन के दौरान स्वतंत्र रूप से अगला कदम तय कर सकता है। इसे AI मैलवेयर के विकास में एक नए चरण का प्रतिनिधित्व करने वाला माना जाता है।
यह खोज सिस्को के तहत एक सुरक्षा टीम सिस्को टैलोस से हुई है। शोधकर्ताओं ने कहा कि CLOSEDQUORUM एक साथ चार बड़े भाषा मॉडलों के साथ बातचीत करेगा: डीपसीक, क्वेन, मिस्ट्रल और गूगल जेमिनी। संक्रमित डिवाइस पर कार्य करने से पहले, यह पहले इन मॉडलों को अनुरोध भेजेगा और फीडबैक एकत्र करेगा, और फिर परिणामों के आधार पर आगे की कार्रवाइयां तय करेगा।
यह डिज़ाइन मैलवेयर को अतिरेक की डिग्री देता है। भले ही एआई सेवाओं में से एक पहुंच योग्य न हो, प्रोग्राम अभी भी अन्य मॉडलों के लिए अनुरोध करना और चालू रखना जारी रख सकता है, जिससे यह पारंपरिक मैलवेयर की तुलना में अधिक लचीला हो जाता है जो एकल नियंत्रण सर्वर पर निर्भर करता है।
इससे भी अधिक चिंताजनक बात यह है कि शोधकर्ताओं को नमूने में पारंपरिक अर्थों में मैन्युअल रिमोट कंट्रोल प्रवेश द्वार नहीं मिले। दूसरे शब्दों में, एक बार जब प्रोग्राम चलना शुरू हो जाता है, तो उसे हैकर से विशिष्ट निर्देश प्राप्त करना जारी रखने की आवश्यकता नहीं होती है, लेकिन कई बड़े पैमाने के भाषा मॉडलों से फीडबैक के माध्यम से स्वतंत्र रूप से बाद के संचालन की योजना बनाता है।
विश्लेषण परिणामों के अनुसार, CLOSEDQUORUM का मुख्य लक्ष्य उपयोगकर्ता खाते के पासवर्ड और क्रिप्टोकरेंसी परिसंपत्तियों की चोरी करना है। शोध टीम ने यह भी पाया कि मैलवेयर 2025 से पहले की क्रेडिट कार्ड धोखाधड़ी नेटवर्क गतिविधियों से संबंधित था। हालांकि, अब तक, शोधकर्ता विशिष्ट डेवलपर की पहचान की पुष्टि नहीं कर पाए हैं, न ही वे यह निर्धारित कर सकते हैं कि उपकरण का उपयोग वास्तविक हमलों में किया गया है या नहीं।
यह खोज सिस्को टैलोस की एक नई शोध पहल से उपजी है। हमले के उपकरणों में अधिक से अधिक कृत्रिम बुद्धिमत्ता को शामिल करने की प्रवृत्ति के जवाब में, शोधकर्ताओं ने मैलवेयर की पहचान करने और ट्रैक करने के लिए CAIRN (कॉग्निटिव आर्टिफैक्ट इंटेलिजेंस रिसर्च नेटवर्क) नामक एक ओपन सोर्स फ्रेमवर्क विकसित किया है जो चलाने के लिए AI सेवाओं पर निर्भर करता है।
शोध टीम का मानना है कि कृत्रिम बुद्धिमत्ता और मैलवेयर का संयोजन डिजिटल फिंगरप्रिंट की तरह विशेष तकनीकी निशान छोड़ देगा। ये निशान सुरक्षा विश्लेषकों को नमूनों की पहचान करने, वर्गीकरण प्रणाली स्थापित करने और यह ट्रैक करने में मदद कर सकते हैं कि हमलावर बड़े भाषा मॉडल को हमले के उपकरणों में कैसे एकीकृत करते हैं।
CAIRN मैलवेयर और AI सेवाओं से संबंधित तकनीकी विशेषताओं में मेटाडेटा का विश्लेषण करता है, और नमूने के लिए एक विशिष्ट पहचानकर्ता उत्पन्न करता है। इसके बाद सिस्टम समान विशेषताओं वाले मैलवेयर को वर्गीकृत करता है, जिससे शोधकर्ताओं को नए हमले के पैटर्न और संभावित रुझानों की पहचान करने में मदद मिलती है।
सुरक्षा विशेषज्ञ बताते हैं कि पिछले साल सामने आए अधिकांश एआई-संबंधित मैलवेयर अभी भी मुख्य रूप से सहायक उपकरण के रूप में बड़े मॉडल का उपयोग करते हैं। उदाहरण के लिए, कोड उत्पन्न करने में सहायता करना, फ़िशिंग ईमेल लिखना, आक्रमण प्रक्रियाओं को स्वचालित करना, या दूरस्थ निर्णय सहायता प्रदान करना। CLOSEDQUORUM और इन मामलों के बीच सबसे बड़ा अंतर यह है कि यह बड़े भाषा मॉडल को सीधे कमांड और नियंत्रण तंत्र में एकीकृत करता है।
इससे पहले, यूक्रेनी साइबर सुरक्षा एजेंसी ने LAMEHUG नामक एक मैलवेयर का खुलासा किया था, जो निष्पादन आदेश प्राप्त करने के लिए हगिंग फेस प्लेटफॉर्म के माध्यम से टोंगयी कियानवेन मॉडल तक पहुंचता था। हालाँकि, शोधकर्ताओं का कहना है कि CLOSEDQUORUM जैसे मामले जो एक ही समय में कई मॉडलों को कॉल करते हैं और हमले की प्रक्रिया को "सामूहिक निर्णय लेने" के तरीके से चलाते हैं, अभी भी बहुत दुर्लभ हैं।
हालाँकि वर्तमान में ज्ञात AI मैलवेयर की संख्या अभी भी सीमित है, सुरक्षा समुदाय आमतौर पर मानता है कि ऐसे उपकरणों की विकास दिशा पर बहुत ध्यान देने की आवश्यकता है। अतीत में, बड़े मॉडलों ने हैकर उत्पादकता में सुधार करने में अधिक भूमिका निभाई थी; अब, शोधकर्ताओं ने कृत्रिम बुद्धिमत्ता में "सहायक उपकरण" से बुनियादी ढांचे पर हमला करने के लिए एक क्रमिक बदलाव देखना शुरू कर दिया है।
उद्योग के अंदरूनी सूत्रों का मानना है कि जैसे-जैसे बड़े पैमाने के भाषा मॉडल की क्षमताओं में सुधार जारी है, भविष्य के मैलवेयर में मजबूत स्वायत्त निर्णय लेने की क्षमता, अधिक जटिल पर्यावरणीय अनुकूलनशीलता और अधिक लचीली हमले पथ चयन क्षमताएं हो सकती हैं। हालाँकि यह खोज अभी भी अपने प्रारंभिक चरण में है, इसने सुरक्षा शोधकर्ताओं को इस बात की प्रारंभिक झलक दी है कि अगली पीढ़ी के बुद्धिमान साइबर हमले कैसे दिख सकते हैं।
टिप्पणियाँ