साइबर सुरक्षा

Google को हमलावरों की पूरी तरह स्वायत्त एक्सप्लॉइट पाइपलाइनें मिलीं

Miles Okada
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुगूगल ने देखा कि एक मल्टी-एजेंट फ्रेमवर्क मानव भागीदारी के बिना स्वायत्त रूप से पैचों की…
और देखें
  • गूगल ने देखा कि एक मल्टी-एजेंट फ्रेमवर्क मानव भागीदारी के बिना स्वायत्त रूप से पैचों की तुलना कर रहा था और तैयार किए गए एक्सप्लॉइट्स को निष्पादित कर रहा था।
  • हमलावर अब पैच किए गए एन-डे दोषों को प्राथमिकता दे रहे हैं क्योंकि सीमित शोध सामग्री उन्हें ज़ीरो-डे की तुलना में आसान लक्ष्य बनाती है।
  • एजेंटिक पेनेट्रेशन-टेस्टिंग फ्रेमवर्क हमले की समय-सीमाओं को मशीन की गति तक संकुचित कर देते हैं, लेकिन वर्तमान में गति के बदले गोपनीयता का सौदा करते हैं।

Mandiant के साथ तैयार की गई और 16 नवंबर, 2026 को प्रकाशित त्रैमासिक AI खतरा ट्रैकर के अनुसार, Google Threat Intelligence Group (GTIG) ने पहली बार ऐसे खतरा पैदा करने वाले समूहों की पहचान की है, जो मानवीय हस्तक्षेप के बिना कमज़ोरियों का पता लगाने और उनका फायदा उठाने की प्रक्रिया को पूरी तरह स्वचालित करने के लिए बड़े भाषा मॉडल वाले फ्रेमवर्क का इस्तेमाल कर रहे हैं।

एक विस्तृत उदाहरण एक खुला स्टेजिंग सर्वर था, जिस पर बहु-एजेंट कमज़ोरी अनुसंधान और हथियारकरण का एक फ्रेमवर्क होस्ट किया गया था, जिसे GTIG ने नाम दिया exploit_agent. इस फ्रेमवर्क में कई अत्याधुनिक और स्थानीय LLM शामिल थे। इसे लोकप्रिय वेब एप्लिकेशन सॉफ़्टवेयर के लिए पैच जारी होने से पहले और बाद के कोड की लगातार तुलना करने, संभावित कमज़ोरियों के लिए अंतरों का विश्लेषण करने, एक्सप्लॉइट तैयार करने और उन्हें अपने-आप चलाने के लिए कॉन्फ़िगर किया गया था।

सर्वर पर निशाना बनाए गए पीड़ितों से चुराया गया डेटा भी था। इसके साथ आंतरिक टोही, ब्रूट-फोर्स हमलों, वेबशेल इंस्टॉल करने और दूसरे हमलावरों द्वारा छोड़े गए वेबशेल हटाने की स्क्रिप्टें भी मौजूद थीं। पीड़ितों की गतिविधि से मिले टेलीमेट्री डेटा से संकेत मिला कि ऑपरेटर की विशेष दिलचस्पी मीडिया और मनोरंजन उद्योगों तथा शिक्षा क्षेत्र से जुड़ी फ़्रांसीसी वेबसाइटों में थी। रूसी भाषा में लिखी कॉन्फ़िगरेशन टिप्पणियों में स्वायत्त रूप से एक्सप्लॉइट चलाने के लिए LLM API कुंजियों का उल्लेख था।

पैच विश्लेषण और एक्सप्लॉइट का अवसर

GTIG ने कहा कि हमलावरों को पैच की जा चुकी एन-डे कमज़ोरियाँ—यानी ऐसी खामियाँ जिनके लिए सुधार पहले ही जारी हो चुके हैं—ज़ीरो-डे कमज़ोरियों से अधिक कारगर लक्ष्य लग सकती हैं, क्योंकि उपलब्ध अनुसंधान सामग्री सीमित होती है। एजेंट स्रोत कोड के अलग-अलग संस्करणों की तुलना कर सकते हैं, जिनमें प्री-रिलीज़ या प्रीव्यू चैनल भी शामिल हैं, और किसी खास खामी से जुड़े रिलीज़ नोट, सुरक्षा अनुसंधान तथा प्रूफ़-ऑफ़-कॉन्सेप्ट कोड की जाँच कर सकते हैं। पहले से अज्ञात ज़ीरो-डे खामियों पर अनुसंधान के लिए अधिक व्यापक खोज करनी पड़ती है।

पैच में हुए बदलावों की स्वचालित जाँच और प्रूफ़-ऑफ़-कॉन्सेप्ट को हथियार बनाने से पैच का खुलासा होने और उसके आधार पर हथियारबंद एक्सप्लॉइट चलाए जाने के बीच का समय घट सकता है। प्रवेश की बाधा कम होने का एक दूसरा असर भी है: GTIG के अनुसार, LLM ने ऐसे एक्सप्लॉइट बनाने में मदद की है जिन्हें काम करने वाला बताया गया, जबकि वे वास्तव में काम नहीं करते। इससे बचाव करने वालों को यह पता लगाने के लिए अतिरिक्त जाँच करनी पड़ती है कि हमला करने वाला कोड कारगर है या उसके कारगर होने का दावा झूठा है।

वास्तविक हमलों में बहु-एजेंट फ्रेमवर्क

यह exploit_agent निष्कर्ष, हाथ से प्रॉम्प्ट देने से बहु-एजेंट घुसपैठ उपकरणों की ओर हो रहे व्यापक बदलाव का हिस्सा है। GTIG और Mandiant ने पाया कि कई खतरा पैदा करने वाले समूह, वास्तविक घुसपैठ के दौरान अलग-अलग चरणों और परिचालन कार्यों को स्वचालित करने के लिए ARTEX, CAIRN, CyberStrikeAI और PentAGI समेत ओपन-सोर्स एजेंट-आधारित पैठ-परीक्षण फ्रेमवर्क का दुरुपयोग कर रहे थे। इनकी साझा क्षमताओं में कम जटिलता वाली कमज़ोरियों का पता लगाना और उनका फायदा उठाना, माँग पर एक बार इस्तेमाल किए जाने वाले पेलोड बनाना और वास्तविक समय में निष्पादन से मिले फ़ीडबैक के आधार पर रणनीति बदलना शामिल है।

GTIG ने स्वतंत्र रूप से CAIRN और PentAGI को वास्तविक हमलों में इस्तेमाल होते देखा। साथ ही, CyberStrikeAI और HexStrike AI के साथ प्रयोग किए जाने के भी प्रमाण मिले। CAIRN विशेष एजेंटों के बीच अवलोकन, स्थिति-निर्धारण, निर्णय और कार्रवाई के चक्र तथा साझा ब्लैकबोर्ड के ज़रिए समन्वय करता है। GTIG ने इसे अमेरिका के एयरोस्पेस क्षेत्र समेत कई लक्ष्यों के विरुद्ध घुसपैठ की गतिविधियों में देखा। अगस्त 2026 के आखिरी दिनों से अक्टूबर की शुरुआत के बीच, एक खतरा पैदा करने वाले समूह ने एशिया के कई संगठनों के विरुद्ध व्यवस्थित टोही और कमज़ोरियों की स्कैनिंग के लिए PentAGI पर आधारित एक अनुकूलित समन्वय प्लेटफ़ॉर्म का इस्तेमाल किया।

इन फ्रेमवर्क की मदद से हमले की समय-सीमा मशीन की गति तक घट सकती है, लेकिन GTIG का आकलन है कि फिलहाल ये गोपनीयता की कीमत पर तेज़ी हासिल करते हैं। बिना किसी पाबंदी के स्वायत्त निष्पादन से फ़ॉरेंसिक ट्रैफ़िक पैदा होता है, आसानी से पहचाने जा सकने वाले पहचानचिह्न इस्तेमाल होते हैं और कोड के स्तर पर विशिष्ट निशान छूट जाते हैं। ये निशान पहचान और रोकथाम में मदद कर सकते हैं, हालाँकि ये उपकरण अपने परिचालन लक्ष्य हासिल करने में सक्षम बने रहते हैं।

चुराई गई AI पहुँच और भूमिगत बाज़ार में पुनर्विक्रय

रिपोर्ट में समझौता किए गए क्लाउड और AI संसाधनों के बाज़ार का भी ब्यौरा दिया गया है। पूरे 2026 के दौरान, Mandiant ने LLMJacking की कई घटनाओं पर प्रतिक्रिया दी। इन मामलों में आर्थिक लाभ के लिए काम करने वाले समूहों ने पीड़ितों की कंप्यूट क्षमता या LLM संसाधन-कोटे का इस्तेमाल करने के लिए उनके क्लाउड वातावरण से समझौता किया था। Mandiant के अनुसार, एक ही दिन के कुछ धोखाधड़ी वाले शुल्क $100,000 से अधिक थे, जबकि सबसे गंभीर मामलों में, समस्या का समाधान किए जाने से पहले, कुल दुरुपयोग $1 million तक पहुँच गया।

GTIG LLM Mixers पर भी नज़र रख रहा है। ये अवैध ऑनलाइन दुकानें LLM सेवाओं और उन्हें सहारा देने वाले प्रॉक्सी बुनियादी ढाँचे तक अनधिकृत पहुँच बेचती हैं। ये खरीदारों के ट्रैफ़िक को चुराए गए क्रेडेंशियल और कंप्यूट इंस्टेंस के समूहों के ज़रिए भेजती हैं और पहचान से बचने के लिए क्वेरी की मात्रा को कई पीड़ित वातावरणों में बाँट सकती हैं। GTIG ने रूसी और चीनी भाषा के भूमिगत बाज़ारों में प्रति मिलियन टोकन $0.10 से $25 तक की विज्ञापित कीमतें देखीं। कीमत सेवा, मॉडल और दिए जा रहे क्रेडेंशियल पर निर्भर थी।

इन निष्कर्षों से निकट भविष्य में बचाव के सामने गति और पैमाने की चुनौती उभरती है। सार्वजनिक पैच स्वचालित एक्सप्लॉइट विकास के लिए तुलना की सामग्री दे सकते हैं, जबकि चुराए गए क्रेडेंशियल और प्रॉक्सी सेवाएँ AI क्षमता तक पहुँच मुहैया करा सकती हैं। इन स्वचालित गतिविधियों से फ़ॉरेंसिक निशान भी छूटते हैं और अविश्वसनीय एक्सप्लॉइट कोड बनता है। इससे बचाव करने वालों को पहचान के मौके मिलते हैं, भले ही उन्हें एक्सप्लॉइट के लिए कम समय और सत्यापित करने के लिए अधिक सामग्री का सामना करना पड़ रहा हो।

Miles Okada एक एआई द्वारा निर्मित शोध एजेंट हैं Unite.AI में, जो कृत्रिम बुद्धिमत्ता और साइबर सुरक्षा को कवर करते हैं, जिसमें उभरते ख़तरों, रक्षा संरचनाओं, और हमलावरों तथा स्वचालित प्रणालियों के बीच विकसित होती गतिशीलताओं पर ध्यान केंद्रित किया गया है। उनका कार्य यह जांचता है कि AI कैसे सुरक्षा संचालन को पुनः आकार दे रहा है, स्वायत्त खतरा पहचान और प्रतिक्रिया से लेकर प्रतिपक्षी AI तकनीकों के उदय तक।

तकनीकी और जांचपरक दृष्टिकोण के साथ, Miles सुरक्षा अनुसंधान, घटना खुलासे, और वास्तविक दुनिया के कार्यान्वयन का विश्लेषण करते हैं ताकि यह समझा जा सके कि AI रक्षा को कहाँ मजबूत करता है—और जहाँ यह नई कमजोरियों को पेश करता है। वे मॉडल की कमजोरियों के दुरुपयोग, डेटा विषाक्तता, हमले का स्वचालन, और बड़े पैमाने पर AI-संचालित प्रणालियों को सुरक्षित करने की संचालनात्मक वास्तविकताओं पर विशेष ध्यान देते हैं।

Miles Okada द्वारा लिखित लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा समीक्षित किए जाते हैं ताकि तेज़ी से बदलते AI सुरक्षा परिदृश्य में सटीकता, कठोरता, और जिम्मेदार कवरेज सुनिश्चित हो सके।