Palo Alto Networks कैसे Claude Mythos 5 और GPT-5.6-Cyber से लगातार AI डिफेंस चला रहा है

Palo Alto Networks, Unit 42 Continuous Frontier AI Defense को कभी-कभार होने वाले पेनिट्रेशन टेस्ट के विकल्प के बजाय लगातार चलने वाली, विशेषज्ञ-नेतृत्व वाली ऑफेंसिव सिक्योरिटी सेवा के रूप में पेश कर रही है। यह दुनिया भर में वार्षिक सब्सक्रिप्शन के तौर पर उपलब्ध है और Anthropic के Claude Mythos 5, OpenAI के GPT-5.6-Cyber तथा ओपन-वेट मॉडलों वाले मालिकाना मल्टी-मॉडल AI सिस्टम को Unit 42 के विशेषज्ञों के साथ जोड़ती है। इसका उद्देश्य कमजोरियां खोजना, जांचना कि उन्हें वास्तव में भुनाया जा सकता है या नहीं, और सुधार की दिशा तय करने में मदद करना है। 12

एक बार की जांच से लगातार एक्सपोजर सत्यापन तक

पारंपरिक ऑफेंसिव सिक्योरिटी टेस्ट आम तौर पर एक समय-विशेष की तस्वीर देते हैं: टीम तय दायरे वाले वातावरण की जांच करती है, निष्कर्षों की रिपोर्ट देती है और काम समाप्त हो जाता है। Palo Alto के अनुसार, नई सेवा उसके पहले के Frontier AI Defense ऑफर को एक ऐसे मॉडल में बदलती है जो संगठन का IT वातावरण बदलने के साथ फिर से परीक्षण करता रहता है। 23

सेवा का घोषित दायरा वेब एप्लिकेशन, API, डिजिटल पहचान, क्लाउड इन्फ्रास्ट्रक्चर और नेटवर्क एसेट्स तक फैला है। लक्ष्य केवल संभावित कमजोरियों की सूची बनाना नहीं है, बल्कि हमला-मार्गों की पहचान कर यह तय करना है कि हमलावर के उपयोग से पहले किन कमियों को प्राथमिकता से ठीक किया जाना चाहिए। 12

यह अंतर अहम है। किसी कमजोरी का मिल जाना अपने-आप में यह साबित नहीं करता कि उससे व्यावहारिक घुसपैठ हो सकती है। उत्पादन वातावरण की सुरक्षा परतें, एक्सेस कंट्रोल और अन्य परिस्थितियां उसका शोषण कठिन या असंभव बना सकती हैं। Unit 42 का कहना है कि सेवा हर निष्कर्ष को समान रूप से गंभीर मानने के बजाय वास्तविक दुनिया में उसके इस्तेमाल की संभावना को सत्यापित करती है। 243

AI मॉडल क्या भूमिका निभाते हैं?

Palo Alto का तरीका स्पष्ट रूप से मल्टी-मॉडल है। इसका ऑर्केस्ट्रेशन लेयर ऑफेंसिव-सिक्योरिटी के अलग-अलग कार्य Claude Mythos 5, GPT-5.6-Cyber और ओपन-वेट मॉडलों को सौंपता है; हर चरण के लिए केवल एक मॉडल पर निर्भर नहीं रहता। 12

कंपनी के अनुसार, सिस्टम को मॉडलों की साइबर-केंद्रित रीजनिंग, कोड लिखने और बहु-चरणीय वर्कफ़्लो संभालने की क्षमताओं के साथ सतत परीक्षण के लिए बनाया गया है। व्यावहारिक तौर पर सेवा का मकसद यह है कि वह:

• ग्राहक के तकनीकी वातावरण में कमजोरियां और एक्सपोजर खोजे;
• संभावित हमला-मार्गों की पड़ताल करे;
• जांचे कि कोई मार्ग वास्तविक वातावरण में काम कर सकता है या नहीं; और
• सामने आए जोखिम के आधार पर सुधारों की प्राथमिकता तय करने में मदद करे। 29

Palo Alto ने मॉडलों के प्रदर्शन की पूरी स्वतंत्र बेंचमार्क तुलना या यह सार्वभौमिक दर प्रकाशित नहीं की है कि खोजे गए निष्कर्षों में से कितने काम करने वाले एक्सप्लॉइट बनते हैं। इसलिए सेवा की प्रभावशीलता संबंधी दावों को कंपनी के उत्पाद-दावों के रूप में देखना चाहिए, न कि स्वतंत्र रूप से ऑडिट किए गए सुरक्षा परिणामों के रूप में।

मानव विशेषज्ञ अब भी क्यों जरूरी हैं?

इन मॉडलों को सुरक्षा पेशेवरों का पूरी तरह बिना निगरानी वाला विकल्प नहीं बताया गया है। Unit 42 के ऑफेंसिव-सिक्योरिटी विशेषज्ञ और थ्रेट इंटेलिजेंस सेवा का हिस्सा हैं। वे AI से मिले निष्कर्षों को संदर्भ देते हैं, हमला-मार्गों की पुष्टि करते हैं और ग्राहकों को परिणामों के आधार पर सुधारात्मक कदम तय करने में मदद करते हैं। 210

Palo Alto के मुताबिक, आउटपुट में प्राथमिकता-आधारित, कोड-स्तर के सुधार निर्देश और वर्चुअल पैचिंग की सिफारिशें शामिल हो सकती हैं। मानवीय भागीदारी इसलिए महत्वपूर्ण है क्योंकि तकनीकी रूप से सही निष्कर्ष का कारोबारी असर, परिचालन बाधाएं और सुधार के विकल्प हर ग्राहक के वातावरण में अलग हो सकते हैं। 2

ग्राहक वास्तव में क्या खरीद रहे हैं?

यह पेशकश वैश्विक स्तर पर वार्षिक सब्सक्रिप्शन मॉडल में उपलब्ध है। Palo Alto कहती है कि इसे उन एंटरप्राइज़ ग्राहकों के लिए बनाया गया है जो एक बार के एक्सपोजर रिव्यू के बजाय अपने पूरे तकनीकी ढांचे में निरंतर परीक्षण और सुधार सहायता चाहते हैं। 116

यह उत्पाद हमलावरों की बदलती गति का भी जवाब है। सुरक्षा कंपनियों का तर्क है कि उन्नत AI मॉडल कमजोरियों की खोज, एक्सप्लॉइट-चेन पर विचार और प्रूफ-ऑफ-कॉन्सेप्ट बनाने की प्रक्रिया तेज कर सकते हैं। हालांकि, संरक्षित प्रोडक्शन वातावरण में ये क्षमताएं कितनी भरोसेमंद ढंग से सफल हमला करा पाती हैं, यह अलग प्रश्न है। 414243

AI-सुरक्षा निवेश बहस में इसका महत्व

यह घोषणा ऐसे समय आई जब साइबरसिक्योरिटी शेयरों में तेजी देखी गई। निवेशक AI-सुरक्षा चेतावनियों और तेजी से बदलते साइबर खतरों को अधिक एंटरप्राइज़ सुरक्षा खर्च की संभावना से जोड़कर देख रहे थे। CNBC के अनुसार, प्रमुख AI नेताओं द्वारा मॉडल विकास की गति धीमी करने की अपील के बाद कुछ AI-संबंधित शेयर गिरे, जबकि साइबरसिक्योरिटी शेयरों में बढ़त दर्ज हुई। 18

आशावादी तर्क सीधा है: जैसे-जैसे संगठन अधिक AI सिस्टम और स्वायत्त एजेंट तैनात करेंगे, उन्हें एप्लिकेशन, पहचान, डेटा एक्सेस और इन्फ्रास्ट्रक्चर की अधिक सुरक्षा की जरूरत पड़ सकती है। यदि ग्राहक तेज होती कमजोरी-खोज और एक्सप्लॉइटेशन चक्रों के साथ तालमेल के लिए इसे जरूरी मानते हैं, तो निरंतर एक्सपोजर परीक्षण एक आवर्ती सुरक्षा श्रेणी बन सकता है। 217

लेकिन इस विचार को टिकाऊ राजस्व कहानी साबित करने के लिए अधिक ठोस सबूत चाहिए। निवेशक देखेंगे कि क्या एंटरप्राइज़ ग्राहक इसे अतिरिक्त खर्च के रूप में अपनाते हैं, वार्षिक सब्सक्रिप्शन का नवीनीकरण करते हैं और समय के साथ उपयोग बढ़ाते हैं। Palo Alto ने उत्पाद की घोषणा की है, पर उपलब्ध स्रोत इसकी कीमत, बुकिंग, नवीनीकरण प्रदर्शन या नई मांग के आंकड़े स्थापित नहीं करते। 116

निष्कर्ष

Unit 42 Continuous Frontier AI Defense, एंटरप्राइज़ एक्सपोजर को लगातार खोजने, उसके वास्तविक शोषण की संभावना जांचने और उसे ठीक करने में मदद के लिए मल्टी-मॉडल AI सिस्टम को विशेषज्ञ-नेतृत्व वाली ऑफेंसिव सिक्योरिटी के साथ जोड़ती है। इसका मुख्य प्रस्ताव यह है कि AI के कारण कमजोरी खोजने और हमला-मार्ग समझने की रफ्तार बढ़ने पर रक्षकों को केवल समय-समय पर स्कैन नहीं, बल्कि लगातार परीक्षण चाहिए। 12

रणनीतिक तर्क विश्वसनीय दिखता है, लेकिन व्यावसायिक निष्कर्ष अभी सिद्ध नहीं है। AI-सक्षम हमलों की बढ़ती चिंता सुरक्षा उपकरणों की मांग बढ़ा सकती है, मगर अपनाने और नवीनीकरण के आंकड़े ही बताएंगे कि यह सेवा एंटरप्राइज़ सुरक्षा खर्च का स्थायी स्रोत बनती है या नहीं।