मानव से हाइब्रिड तक: एआई-चालित अंदरूनी जोखिम पर एक्साबीम की 2025 रिपोर्ट के अंदर

एक्साबीम का नया अध्ययन, मानव से हाइब्रिड तक: कैसे AI और एनालिटिक्स गैप अंदरूनी जोखिम को बढ़ा रहे हैं इससे यह स्पष्ट होता है कि ख़तरा अब उलट गया है: अब सबसे बड़ा ख़तरा संगठन के भीतर से ही आ रहा है। चार आँकड़े स्पष्ट रूप से सामने आते हैं—64% सुरक्षा पेशेवर अब अंदरूनी लोगों को सबसे बड़ा ख़तरा मानते हैं, 76% रिपोर्ट करते हैं कि शैडो एआई पहले से ही इस्तेमाल में है, केवल 44% के पास व्यवहार-केंद्रित विश्लेषण (UEBA) मौजूद है, और 74% का मानना ​​है कि अधिकारी समस्या को कम आंकते हैं। ये चार कारक मिलकर उस परिदृश्य को परिभाषित करते हैं जिसका रिपोर्ट विस्तार से विश्लेषण करती है।

जोखिम अंदर की ओर मुड़ गया - और इससे संरचना बदल गई

अगर मुख्य ख़तरा अंदर है, तो "ज़्यादा फ़ायरवॉल" समाधान नहीं है। पहचान, पहुँच और व्यवहार ही इसका समाधान है। निरंतर सत्यापन के बारे में सोचें। कौन कर रहा है क्या, साथ में कौन कौन से डेटा, और क्या यह पैटर्न सामान्य है। क्षेत्रीय स्तर पर, अधिकांश बाज़ार अब अंदरूनी लोगों को प्राथमिक चिंता मानते हैं; मुख्य अपवाद एपीजे (एशिया-प्रशांत और जापान) है, जहाँ कई लोग अभी भी बाहरी हमलावरों से ज़्यादा डरते हैं। नेताओं के लिए, व्यावहारिक अनुवाद यह है कि खर्च को इस ओर मोड़ा जाए:

• मजबूत पहचान नियंत्रण (एमएफए जो चिपक जाता है, जोखिम-आधारित पहुंच, न्यूनतम विशेषाधिकार जो वास्तव में लागू होता है)।
• SaaS, एंडपॉइंट्स, स्टोरेज और ईमेल पर डेटा-जागरूक निगरानी ताकि असामान्य गतिविधि दिखाई दे।
• व्यवहार विश्लेषण जो प्रति व्यक्ति, टीम और प्रणाली के सामान्य पैटर्न को सीखता है - और सार्थक विचलन पर चेतावनी देता है।

संगठनात्मक निहितार्थ: सुरक्षा और डेटा स्वामियों को मिलकर काम करना होगा। अगर आप यह जवाब नहीं दे सकते कि "इस हफ़्ते किसने कौन सा संवेदनशील डेटा छुआ और क्या यह उनके लिए सामान्य था?" तो आप आधुनिक उल्लंघन पथ (समझौता किया गया खाता → चुपचाप डेटा स्टेजिंग → त्वरित निष्कासन) से अनजान हैं।

एआई ने "अंदरूनी सूत्र" की परिभाषा को नया रूप दिया है

छाया ए.आई नया शैडो आईटी है। कर्मचारी अस्वीकृत मॉडलों में संवेदनशील संदर्भ वाले कोड, अनुबंध, ग्राहक सूचियाँ या संकेत चिपका देते हैं। यही कारण है कि 76% तक आंकड़ा मायने रखता है: इसका मतलब है कि यह कोई छोटी समस्या नहीं है। GenAI को ऐसे समझें विशेषाधिकार प्राप्त—विशिष्ट उपकरणों को मंज़ूरी दें, जहाँ वैध हो वहाँ उपयोग दर्ज करें, और संरक्षित डेटा वर्गों (विनियमित व्यक्तिगत पहचान संख्या, व्यापार रहस्य) को तृतीय-पक्ष मॉडल में प्रवेश करने से रोकें। नीति को सक्षमता के साथ जोड़ें: लोगों को स्वीकृत AI विकल्प दें ताकि उन्हें गलत रास्ता अपनाने के लिए मजबूर न होना पड़े।

अंदर एक नया अभिनेता भी है: एआई एजेंटटीमें वास्तविक क्रेडेंशियल्स और API कुंजियों के साथ एजेंटों को वर्कफ़्लो में शामिल कर रही हैं। ये "गैर-मानव अंदरूनी सूत्र" हैं। ये थकते नहीं हैं, और शायद ही कभी शिकायत करते हैं—जब तक कि वे भटक न जाएँ। इसके लिए दो नियंत्रणों की आवश्यकता है जिन्हें अधिकारियों को समझना चाहिए:

• विस्तारप्रत्येक एजेंट को एक मालिक, एक स्पष्ट कार्य और न्यूनतम अनुमतियों की आवश्यकता होती है।
• observability: प्रत्येक एजेंट को उसी प्रकार की ऑडिट ट्रेल और विसंगति का पता लगाने की सुविधा मिलनी चाहिए जो एक मानव को मिलती है।

UEBA (उपयोगकर्ता और इकाई व्यवहार विश्लेषण) यह पता लगाना है जो इस पर केंद्रित है व्यवहारकेवल हस्ताक्षरकर्ताओं और अधिकारियों को ही नहीं, बल्कि सभी को इससे परिचित होना चाहिए। यह प्रत्येक उपयोगकर्ता या संस्था (बॉट्स, सेवा खातों और एजेंटों सहित) के लिए एक आधार रेखा तैयार करता है, जिसके लिए निम्नलिखित बातें सीखी जाती हैं:

• समय-श्रृंखला मानदंड: सामान्य लॉगिन समय, डेटा वॉल्यूम, या गंतव्य.
• सहकर्मी-समूह संदर्भ: एक वित्त विश्लेषक अन्य वित्त विश्लेषकों के मुकाबले कैसा व्यवहार करता है।
• अनुक्रम पैटर्न: असामान्य क्रम (उदाहरण के लिए, पहली बार VPN लॉगिन → तत्काल विशेषाधिकार परिवर्तन → बल्क डाउनलोड)।
  जब गतिविधि सीखे गए पैटर्न से भटक जाती है, तो UEBA जोखिम का आकलन करता है और आउटलायर्स को सामने लाता है। तकनीकी रूप से, यह सांख्यिकी और मशीन लर्निंग (अन-सुपरवाइज्ड और सेमी-सुपरवाइज्ड विधियों) पर निर्भर करता है, जो बिना किसी सटीक लेबल की आवश्यकता के लॉग डेटा पर काम करते हैं। सरल शब्दों में: UEBA घटनाओं के ढेर को "क्या यह सामान्य है?" में बदल देता है। उन अभी?"

विश्लेषण अंतराल को पाटें—और संस्कृति अंतराल को भी

यहाँ वास्तविक प्रदर्शन है: केवल 44% तक हालाँकि अंदरूनी जोखिम अब मुख्य समस्या बन गया है, फिर भी कई संगठन UEBA का इस्तेमाल करते हैं। साथ ही, 74% तक कई विशेषज्ञों का कहना है कि नेता अंदरूनी खतरों को कम आंकते हैं। यह सांस्कृतिक अंतर नियुक्ति, उपकरण और नीति निर्माण को धीमा कर देता है। दोनों अंतरों को पाटने का तरीका इस प्रकार है:

व्यवहार को एक उत्कृष्ट संकेत बनाएँ। पहचान, एंडपॉइंट, SaaS एडमिन, ईमेल और डेटा मूवमेंट लॉग को एक साथ लाएँ ताकि एक व्यक्ति (या एजेंट) के पास सभी सिस्टम में एक ही कहानी हो। डैशबोर्ड से पहले सहसंबंध में निवेश करें। अगर SOC सभी टूल्स में पहचान को एक साथ नहीं जोड़ पाता, तो वे चुपचाप दुरुपयोग और धीमी गति से होने वाले निष्कासन से चूक जाएँगे।

गोपनीयता और पहचान में संतुलन बनाएँ—डिज़ाइन के अनुसार। इनसाइडर प्रोग्राम्स में सबसे आम बाधा गोपनीयता का प्रतिरोध है। इसे उद्देश्य-सीमित विश्लेषण, टेलीमेट्री तक भूमिका-आधारित पहुँच, स्पष्ट अवधारण विंडो, और आप क्या और क्यों विश्लेषण करते हैं, इसके पारदर्शी दस्तावेज़ीकरण के साथ हल करें। सही तरीके से किए जाने पर, गोपनीयता सुरक्षा मज़बूत पहचान को सक्षम बनाती है क्योंकि वे टीमों के लिए आवश्यक डेटा प्रवाह को खोलती हैं।

परिणामों को मापें, उपकरणों की संख्या को नहीं। अधिकारियों को मासिक आधार पर तीन संख्याएं मांगनी चाहिए:

1. पता लगाने का समय असामान्य व्यवहार
2. नियंत्रित करने का समय अंदरूनी घटनाएँ
3. घटनाओं का प्रतिशत व्यवहार विश्लेषण बनाम भाग्य या तथ्य के बाद के ऑडिट द्वारा पकड़ा गया।

बजट को उन मेट्रिक्स को बेहतर बनाने से जोड़ें, न कि इस बात से कि कितने पॉइंट उत्पादों को "तैनात" किया गया है।

GenAI को एक उत्पादन प्रणाली की तरह समझें। अनुमति-सूचियाँ, रेड-लाइन डेटा श्रेणियाँ, और जहाँ वैध हो, प्रॉम्प्ट और आउटपुट के लिए लॉगिंग स्थापित करें। उत्पाद और कानूनी पहलुओं को भी ध्यान में रखें ताकि "तेज़ी से आगे बढ़ने" का मतलब कभी भी "डेटा को ब्लैक बॉक्स में स्प्रे करना" न हो।

सभी और हर चीज़ के लिए आधार रेखा बनाएँ। लोग, सेवा खाते, RPA स्क्रिप्ट और AI एजेंट, सभी को अपनी-अपनी आधार रेखा मिलती है। आप बदलाव की तलाश में हैं—नया डेटा छुआ गया, दिन का असामान्य समय, अजीबोगरीब गंतव्य, या ऐसे क्रम जो किए जाने वाले काम से मेल नहीं खाते।

सारांश

से मानव से हाइब्रिड तक: कैसे AI और एनालिटिक्स गैप अंदरूनी जोखिम को बढ़ा रहे हैं यह आज के जोखिमों का एक स्नैपशॉट मात्र नहीं है—यह एक पूर्वावलोकन है कि सुरक्षा को आगे कहाँ जाना चाहिए। एआई द्वारा बढ़ाए गए अंदरूनी खतरे अब अपवाद नहीं, बल्कि आधारभूत धारणा बन गए हैं। सीआईएसओ और सीईओ के लिए, आगे का रास्ता परिधि सुरक्षा से हटकर पहचान-केंद्रित रणनीतियों की ओर बढ़ना है, जनरल एआई के साथ विशेषाधिकार प्राप्त खातों के समान सावधानी बरतना है, और मनुष्यों और एआई एजेंटों, दोनों को अपनी-अपनी व्यवहारिक आधार रेखाएँ प्रदान करना है। सफल होने वाले संगठन वे होंगे जो टेलीमेट्री को एकीकृत करेंगे, परिणाम-संचालित मेट्रिक्स को अपनाएँगे, और नेतृत्व को संचालन के साथ संरेखित करेंगे। इस अर्थ में, एक्साबीम की रिपोर्ट एक चेतावनी कम और एआई-परिभाषित भविष्य में लचीलापन बनाने के लिए एक मार्गदर्शिका ज़्यादा है।