AI से लैस साइबर हमले तेज़ हुए हैं, लेकिन पूरी तरह स्वायत्त हैकिंग अभी आम नहीं

Google, Anthropic और Microsoft की रिपोर्टों का साझा निष्कर्ष यह नहीं है कि AI ने सेंधमारी के बिल्कुल नए रूप पैदा कर दिए हैं। असल बदलाव यह है कि AI ने पहले से प्रचलित साइबर तकनीकों को दोहराने योग्य, कई चरणों वाले वर्कफ़्लो में बदलना शुरू कर दिया है। मॉडल हमलावरों को योजना बनाने, सामग्री और कोड तैयार करने, परीक्षण करने, त्रुटियां सुधारने और अभियान को बड़े पैमाने पर चलाने में मदद कर सकते हैं—वह भी कम विशेषज्ञ श्रम और कम ‘हैंड्स-ऑन’ समय में। उपलब्ध साक्ष्य मुख्यतः पुराने हमलों की रफ्तार और समन्वय बढ़ने का है, न कि ऐसे सिस्टमों का जो सार्थक मानवीय दिशा के बिना पूरी तरह स्वतंत्र रूप से हमले कर रहे हों। 107

एक सहायक से ऑपरेटर-जैसे वर्कफ़्लो तक

Google के थ्रेट ट्रैकर ने एकल प्रॉम्प्ट के प्रयोग से एकीकृत, एजेंटिक वर्कफ़्लो की ओर बढ़त का वर्णन किया। इनमें स्वचालित स्कैनिंग, क्रेडेंशियल हार्वेस्टिंग, समस्या-निवारण और इन्फ्रास्ट्रक्चर या IP रोटेशन जैसे काम शामिल हो सकते हैं। इसका असर यह है कि पहले जिन कामों के लिए कई टूल और ऑपरेटरों की जरूरत पड़ती थी, वे तेज़ी से दोहराए जाने वाले पाइपलाइन-जैसे ढांचे में सिमट सकते हैं। 11

फिर भी ‘एजेंटिक’ का अर्थ यह नहीं कि हर हमला पूरी तरह मशीन द्वारा चलाया जा रहा है। रिपोर्टों में दिखता पैटर्न यह है कि इंसान लक्ष्य चुनते हैं, निर्देश और संसाधन देते हैं, जबकि AI कई जुड़े हुए उप-कार्यों को तेज़ कर देती है।

हमलावर AI का इस्तेमाल किन कामों में कर रहे हैं?

रिपोर्टों में लक्ष्य पर शोध और प्रोफाइलिंग, अलग-अलग भाषाओं में स्पीयर-फ़िशिंग संदेश, मैलवेयर और स्क्रिप्ट तैयार करना या डीबग करना, इन्फ्रास्ट्रक्चर की शुरुआती तैयारी, चुराए गए डेटा का सारांश, और सोशल-इंजीनियरिंग सामग्री बनाना जैसे उपयोग सामने आए। Microsoft का आकलन है कि दुर्भावनापूर्ण AI उपयोग का बड़ा हिस्सा अब भी टेक्स्ट, कोड या मीडिया बनाने पर केंद्रित है—न कि स्वायत्त रूप से शुरू से अंत तक किसी सिस्टम में सेंध लगाने पर। 10

इससे फ़िशिंग और प्रतिरूपण का जोखिम खास तौर पर बढ़ता है। भरोसेमंद दिखने वाले सहायता-पृष्ठ, संदेश, चैट उत्तर, कई भाषाओं के संस्करण, और आवाज़ या दृश्य सामग्री की नकल अपेक्षाकृत कम लागत में बनाई और बदली जा सकती है। नतीजतन, रक्षकों के सामने संदेशों की मात्रा, निजीकरण और विविधता बढ़ती है; केवल खराब व्याकरण या पहले से ज्ञात टेम्पलेट देखकर फ़िशिंग पकड़ना कम प्रभावी हो सकता है। Microsoft ने फ़िशिंग लुभावनों के निर्माण और अनुवाद में AI उपयोग देखा है। 10

राज्य-संबद्ध समूह और साइबर अपराधी: रिपोर्टों में क्या सामने आया?

Anthropic ने कहा कि उसने रूसी, चीनी और ईरानी संबंधों वाले अभिनेताओं के साथ-साथ वित्तीय लाभ के लिए काम करने वाले समूहों की गतिविधियां बाधित कीं। इन मामलों में साइबर ऑपरेशन, प्रभाव अभियान, निगरानी, धोखाधड़ी, जैविक दुरुपयोग, पारंपरिक हथियार संबंधी काम और मॉडल डिस्टिलेशन शामिल थे। Reuters के अनुसार, Anthropic के मामलों में यूक्रेनी अधिकारियों को निशाना बनाने वाला रूस-संबद्ध अभियान और Claude के कथित दुरुपयोग से जुड़े चीनी AI-कंपनी मामले भी थे। ये कंपनी के आरोप और केस स्टडी हैं; इन्हें पूरे साइबर खतरे के परिमाण का माप नहीं मानना चाहिए। 724

ShinyHunters का उदाहरण बताता है कि यह बदलाव वास्तविक अभियानों में कैसा दिख सकता है। Microsoft ने कॉर्पोरेट Microsoft 365 खातों के खिलाफ पासकी और सिंगल साइन-ऑन (SSO) विषय वाले सोशल-इंजीनियरिंग अभियानों को ShinyHunters, Helix और संबंधित उगाही समूहों से जुड़े अभिनेताओं के नाम किया। पैटर्न में पहले टोही, फिर IT सहायता-कर्मी बनकर कर्मचारियों को फंसाना, पहुंच हासिल करना और क्लाउड डेटा चुराना शामिल था। यह बेहतर लक्ष्यीकरण और बड़े पैमाने पर लुभावने संदेशों से मजबूत हुई पारंपरिक क्रेडेंशियल चोरी का उदाहरण है—न कि इस बात का प्रमाण कि AI ने पूरा हमला अपने-आप चला दिया। 3

मैलवेयर को बदलने और API कुंजियां चुराने का खतरा

Anthropic के रिपोर्ट किए गए मामलों में एजेंटिक इस्तेमाल की परिचालन अहमियत साफ दिखती है। कोई हमलावर सुरक्षा उत्पाद द्वारा कोड चिह्नित किए जाने पर मॉडल से उसे बदलने या दोबारा बनाने के लिए कह सकता है। चुराए गए क्रेडेंशियल या API कुंजियों का उपयोग सस्ते कंप्यूट संसाधन की तरह भी किया जा सकता है। असली जोखिम किसी एक दुर्भावनापूर्ण प्रॉम्प्ट से अधिक उस चक्र में है: बनाइए, जांचिए, संशोधित कीजिए और तैनात कीजिए—फिर इसे मशीन की गति से दोहराइए। 87

Gemini और Claude को निशाना बनाने वाला मॉडल डिस्टिलेशन

AI मॉडल स्वयं भी हमले का लक्ष्य बन रहे हैं। Google ने Gemini की क्षमताओं को व्यवस्थित ढंग से प्रश्न पूछकर निकालने की कोशिशों को ‘डिस्टिलेशन’ या मॉडल-एक्सट्रैक्शन हमला बताया है। यह सिर्फ सामान्य साइबर अपराध नहीं, बल्कि बौद्धिक संपदा और क्षमता-सुरक्षा का मुद्दा है। इसमें वैध API पहुंच के जरिये बड़ी संख्या में सावधानी से तैयार किए गए प्रॉम्प्ट भेजे जाते हैं, ताकि मॉडल के उपयोगी व्यवहार या तर्क-संबंधी क्षमताओं को समझकर किसी दूसरे मॉडल को बेहतर बनाया जा सके। सार्वजनिक रिपोर्टिंग में बहुत बड़े प्रॉम्प्ट-वॉल्यूम वाले अभियान बताए गए हैं। 118

Anthropic ने भी कहा कि उसने DeepSeek, Moonshot और MiniMax नामक तीन AI प्रयोगशालाओं से जुड़े औद्योगिक स्तर के अभियानों की पहचान की, जिनमें Claude की क्षमताएं निकालने की कथित कोशिश हुई। 7 ऐसे मामलों में प्रदाताओं के सामने दुरुपयोगपूर्ण क्वेरी-पैटर्न पहचानने, खातों और API पहुंच नियंत्रित करने तथा अपने मॉडल की क्षमताओं और सुरक्षा उपायों की रक्षा करने की चुनौती है।

रक्षकों के लिए लागत का समीकरण क्यों बदला?

AI ड्राफ्टिंग, स्थानीय भाषा में रूपांतरण, लक्ष्य-शोध, कोड सहायता और लगातार बदलती धोखाधड़ी की सीमांत लागत घटाती है। इससे कम संसाधन वाले अपराधियों और हैक्टिविस्टों को भी उन क्षमताओं का कुछ हिस्सा मिल सकता है जो पहले बड़ी टीमों से जोड़ी जाती थीं। रक्षकों को अब अधिक व्यक्तिगत, बार-बार बदली गई दुर्भावनापूर्ण सामग्री को वैध संचार से अलग करना पड़ता है। निष्कर्ष गति और पैमाने की असमानता का है—यह नहीं कि AI-सक्षम हर हमला अवश्य सफल होगा। 610

जिम्मेदार AI का सवाल केवल फ़िशिंग तक सीमित नहीं

यह मुद्दा साइबर अपराध से आगे जाता है। Anthropic की रिपोर्ट में जैविक हथियारों के विकास में संभावित सहायता और पारंपरिक हथियारों से जुड़े दुरुपयोग के प्रयास भी शामिल थे। इसलिए नीति और सुरक्षा चर्चा केवल फ़िशिंग रोकने तक सीमित नहीं है; इसमें दुरुपयोग निगरानी, अकाउंट और API नियंत्रण, रेट-लिमिट, मॉडल-एक्सट्रैक्शन की पहचान, घटना-साझाकरण और उच्च-जोखिम वाले क्षेत्रों के लिए सुरक्षा उपाय शामिल हैं। 162

महत्वपूर्ण सावधानी: ये प्रकाशन पकड़े गए और बाधित किए गए मामलों का दस्तावेज़ीकरण करते हैं। वे क्षमता और उभरते ऑपरेशनल पैटर्न दिखाते हैं, लेकिन केवल इनके आधार पर यह नहीं कहा जा सकता कि पूरी तरह स्वायत्त हमले अब साइबर अपराध का प्रमुख रूप बन चुके हैं। 7