OpenAI-യും നൂറിലധികം സാങ്കേതിക കമ്പനികളും ചേർന്ന് ഒരു തുറന്ന കത്തിൽ ഒപ്പുവെച്ചു. AI അധിഷ്ഠിത സൈബർ ആക്രമണങ്ങൾ ലാബുകളിൽ നിന്ന് പുറത്തുവന്ന് യഥാർത്ഥ ലോകത്തെ അടിസ്ഥാന സൗകര്യങ്ങളെ ബാധിക്കാൻ പോകുകയാണെന്ന് അവർ മുന്നറിയിപ്പ് നൽകുന്നു. ഹാക്കർമാർ ഉടൻ തന്നെ ലാർജ് ലാംഗ്വേജ് മോഡലുകളും (large language models) ഓട്ടോണമസ് ഏജന്റുകളും ഉപയോഗിച്ച് പിഴവുകൾ കണ്ടെത്തുകയും മെഷീൻ വേഗതയിൽ മൾട്ടി-സ്റ്റേജ് എക്സ്പ്ലോയിറ്റുകൾ (multi-stage exploits) വിന്യസിക്കുകയും ചെയ്യുമെന്നും, ഇത് ആശുപത്രികൾ, പവർ ഗ്രിഡുകൾ, ജലവിതരണ സംവിധാനങ്ങൾ എന്നിവയെ അപകടത്തിലാക്കുമെന്നും സഖ്യം മുന്നറിയിപ്പ് നൽകുന്നു.

ഈ മുന്നറിയിപ്പ് ഇപ്പോൾ എന്തുകൊണ്ട് പ്രസക്തമാകുന്നു

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ ഗവേഷണ താൽപ്പര്യങ്ങളിൽ നിന്ന് സെക്കൻഡുകൾക്കുള്ളിൽ കോഡ് നിർമ്മിക്കാനും ഇമെയിലുകൾ എഴുതാനും ഹാർഡ്‌വെയർ രൂപകൽപ്പന ചെയ്യാനും കഴിയുന്ന സേവനങ്ങളായി അതിവേഗം വളർന്നു കഴിഞ്ഞു. ഈ ഉൽപ്പാദനക്ഷമത വർദ്ധനവ്, മനുഷ്യസഹായമില്ലാതെ തന്നെ നെറ്റ്‌വർക്കുകൾ സ്കാൻ ചെയ്യാനും എക്സ്പ്ലോയിറ്റ് സ്കരിപ്റ്റുകൾ എഴുതാനും ആക്രമണങ്ങൾ ഏകോപിപ്പിക്കാനും കഴിയുന്ന ഉപകരണങ്ങൾ ദുരുപയോഗം ചെയ്യുന്നവർക്ക് നൽകുന്നു. പല ഊർജ്ജ, ജല, നിർമ്മാണ പ്ലാന്റുകളും പ്രവർത്തിപ്പിക്കുന്ന Siemens S7 സീരീസ് പോലുള്ള ഇൻഡസ്ട്രിയൽ കൺട്രോൾ സിസ്റ്റങ്ങളെ ലക്ഷ്യമിട്ട് ആക്രമണകാരികൾ ഇതിനകം തന്നെ AI ഉപയോഗിച്ച് എക്സ്പ്ലോയിറ്റ് കോഡ് നിർമ്മിക്കുന്നുണ്ടെന്ന് മൂന്ന് യുഎസ് ഏജൻസികളുടെ സംയുക്ത മുന്നറിയിപ്പ് സ്ഥിരീകരിച്ചു.

ഭീഷണിയെ നയിക്കുന്നത് എന്താണ്

AI-യെ ഒരു ആയുധമാക്കി മാറ്റുന്ന മൂന്ന് സാങ്കേതിക മാറ്റങ്ങളെ കത്ത് എടുത്തുപറയുന്നു. ഒന്നാമതായി, ലാർജ് ലാംഗ്വേജ് മോഡലുകൾക്ക് ഒരു ലക്ഷ്യത്തെക്കുറിച്ചുള്ള ചെറിയ വിവരണം പോലും പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന കോഡാക്കി മാറ്റാൻ കഴിയും, ഇത് ഒരു പേലോഡ് (payload) നിർമ്മിക്കാൻ ആവശ്യമായ സമയം കുറയ്ക്കുന്നു. രണ്ടാമതായി, റൈൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് ഏജന്റുകൾക്ക് (reinforcement-learning agents) ഒരു സാൻഡ്‌ബോക്സിൽ ആയിരക്കണക്കിന് എക്സ്പ്ലോയിറ്റ് വേരിയന്റുകൾ പരീക്ഷിക്കാനും ഏതാണ് വിജയിക്കുന്നതെന്ന് പഠിക്കാനും കഴിയും. മൂന്നാമതായി, ജനറേറ്റീവ് ടൂളുകൾക്ക് ഇരയുടെ ശൈലി അനുകരിക്കുന്ന ഫിഷിംഗ് സന്ദേശങ്ങൾ നിർമ്മിക്കാൻ കഴിയും, ഇത് ക്രെഡൻഷ്യൽ ചോർച്ചയുടെ നിരക്ക് വർദ്ധിപ്പിക്കുന്നു. ഇവയെല്ലാം ചേരുമ്പോൾ, ഒരു ഓട്ടോമേറ്റഡ് പൈപ്പ്‌ലൈനിന് മിനിറ്റുകൾക്കുള്ളിൽ ഒരു സുരക്ഷാ പിഴവ് കണ്ടെത്താനും, അതിന് അനുയോജ്യമായ എക്സ്പ്ലോയിറ്റ് നിർമ്മിക്കാനും, ഡസൻ കണക്കിന് ഉപകരണങ്ങളിലേക്ക് അത് പ്രയോഗിക്കാനും കഴിയും.

ആക്രമിക്കപ്പെടാൻ സാധ്യതയുള്ള ലക്ഷ്യങ്ങൾ

ഡിജിറ്റൽ നിയന്ത്രണവും ഭൗതിക പ്രക്രിയകളും ഒത്തുചേരുന്നതിനാൽ നിർണ്ണായക അടിസ്ഥാന സൗകര്യങ്ങൾ (Critical infrastructure) പ്രധാന ശ്രദ്ധാകേന്ദ്രമാകുന്നു. ഒരു ജലശുദ്ധീകരണ പ്ലാന്റ് ഹാക്ക് ചെയ്യപ്പെട്ടാൽ രാസവസ്തുക്കളുടെ അളവ് തെറ്റായി നൽകിയേക്കാം; ഒരു പവർ സബ്‌സ്റ്റേഷൻ ഹാക്ക് ചെയ്യപ്പെട്ടാൽ ഒരു പ്രദേശം ഇരുട്ടിലാകാം; ഒരു ആശുപത്രി നെറ്റ്‌വർക്ക് തകരാറിലായാൽ ജീവൻരക്ഷാ ഉപകരണങ്ങൾ പ്രവർത്തനരഹിതമാക്കിയേക്കാം. ആശുപത്രികൾ, ജലവിതരണ സംവിധാനങ്ങൾ, ഊർജ്ജ ഗ്രിഡുകൾ, രാസ നിർമ്മാതാക്കൾ എന്നിവയാണ് ഏറ്റവും കൂടുതൽ അപകടസാധ്യതയുള്ള മേഖലകളായി കത്ത് ചൂണ്ടിക്കാണിക്കുന്നത്. ഇവയിൽ പലരും വേഗത്തിൽ പരിഹരിക്കാൻ കഴിയാത്ത പഴയ (legacy) ഉപകരണങ്ങളാണ് ഉപയോഗിക്കുന്നത്, ഇത് AI അധിഷ്ഠിത സ്ക്രിപ്റ്റുകൾക്ക് വലിയ തോതിലുള്ള ആക്രമണ സാധ്യത നൽകുന്നു.

പ്രതിരോധകർക്ക് എങ്ങനെ വേഗത നിലനിർത്താം

പ്രതിരോധകരുടെ മുൻതൂക്കം (defender’s edge) ഇപ്പോഴുമുണ്ട്, എന്നാൽ അത് കുറഞ്ഞുവരികയാണെന്ന് ഒപ്പുവെച്ചവർ വാദിക്കുന്നു. അത് നിലനിർത്തുന്നതിനായി അവർ മൂന്ന് നടപടികൾ നിർദ്ദേശിക്കുന്നു:

  • കോർപ്പറേറ്റ് ഉത്തരവാദിത്തം – സുരക്ഷയെ ബോർഡ്റൂം മുൻഗണനയാക്കി മാറ്റുക, AI ഭീഷണിയുടെ വ്യാപ്തിക്ക് അനുസൃതമായി ബജറ്റുകളും മേൽനോട്ടവും ക്രമീകരിക്കുക.
  • സർക്കാർ പിന്തുണ – ഗവേഷണത്തിനുള്ള ഫണ്ട് വർദ്ധിപ്പിക്കുക, ഭീഷണികളെക്കുറിച്ചുള്ള വിവരങ്ങൾ (threat intelligence) പരസ്യമായി പങ്കിടുക, സ്വകാര്യ ഓപ്പറേറ്റർമാരുമായി ചേർന്ന് പ്രതികരണ പദ്ധതികൾ ഏകോപിപ്പിക്കുക.
  • സുരക്ഷാ സൗകര്യങ്ങൾ എല്ലാവർക്കും ലഭ്യമാക്കുക – ചെറുകിട യൂട്ടിലിറ്റികൾക്കും മുനിസിപ്പൽ സേവനങ്ങൾക്കും പിന്നിലായിപ്പോകാതിരിക്കാൻ കുറഞ്ഞ ചിലവിൽ എളുപ്പത്തിൽ ഉപയോഗിക്കാവുന്ന AI അധിഷ്ഠിത പ്രതിരോധ ഉപകരണങ്ങൾ നിർമ്മിക്കുക.

സാധ്യമായ എതിർപ്പുകൾ

AI-യെ ഒരു പുതിയ അപകടമായി മാത്രം കാണുന്നത് സോഫ്റ്റ്‌വെയർ അപ്‌ഡേറ്റുകൾ ഇല്ലാത്ത അവസ്ഥ, ദുർബലമായ പാസ്‌വേഡുകൾ, മോശം നെറ്റ്‌വർക്ക് സെഗ്മെന്റേഷൻ തുടങ്ങിയ കാലങ്ങളായുള്ള പോരായ്മകളിൽ നിന്ന് ശ്രദ്ധ തിരിക്കാൻ കാരണമായേക്കാമെന്ന് ചില വിദഗ്ധർ മുന്നറിയിപ്പ് നൽകുന്നു. ആക്രമണത്തിനായി ഉപയോഗിക്കുന്ന അതേ AI സാങ്കേതികവിദ്യകൾ തന്നെ പ്രതിരോധത്തിനും ഉപയോഗിക്കാം എന്ന് അവർ ചൂണ്ടിക്കാട്ടുന്നു—ഓട്ടോമേറ്റഡ് കോഡ് റിവ്യൂ, അനോമലി ഡിറ്റക്ഷൻ (anomaly detection), വേഗത്തിലുള്ള ഇൻസിഡന്റ് റെസ്പോൺസ് എന്നിവ ഇതിന് ഉദാഹരണങ്ങളാണ്. പ്രതിരോധകർ ഇതിനകം തന്നെ AI ഉപയോഗിക്കുന്നുണ്ടെന്ന് കത്തിൽ പറയുന്നുണ്ടെങ്കിലും, അടിസ്ഥാനപരമായ സുരക്ഷാ ക്രമീകരണങ്ങളിൽ (basic hygiene) നിക്ഷേപം കുറയ്ക്കുകയും പുതിയ ഉപകരണങ്ങളെക്കുറിച്ച് അമിതമായി വാഗ്ദാനം നൽകുകയും ചെയ്തേക്കാം എന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു.

ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • നയപരമായ സംരംഭങ്ങൾ – AI കേന്ദ്രീകൃതമായ സൈബർ സുരക്ഷാ ഗവേഷണത്തിനായുള്ള പ്രത്യേക ഫണ്ട് സ്രോതസ്സുകൾക്കും ശക്തമായ ജനറേറ്റീവ് മോഡലുകളുടെ വിതരണത്തെ നിയന്ത്രിക്കുന്ന മാനദണ്ഡങ്ങൾക്കുമുള്ള നിർദ്ദേശങ്ങൾ പ്രതീക്ഷിക്കാം.
  • ഉപകരണങ്ങളുടെ പുറത്തിറക്കൽ – കത്തിൽ സൂചിപ്പിച്ച മേഖലകളെ ലക്ഷ്യമിട്ട് AI സഹായത്തോടെയുള്ള വൾനറബിലിറ്റി സ്കാനറുകളും ഇൻട്രൂഷൻ ഡിറ്റക്ഷൻ സിസ്റ്റങ്ങളും വിപണിയിൽ വരാൻ സാധ്യതയുണ്ട്.
  • ഇൻസിഡന്റ് റിപ്പോർട്ടുകൾ – നിർണ്ണായക അടിസ്ഥാന സൗകര്യ സംവിധാനങ്ങളിൽ AI വഴി നടന്ന ആദ്യത്തെ വലിയ സൈബർ ആക്രമണം പുറത്തുവരുന്നത് ഈ സഖ്യത്തിന്റെ മുന്നറിയിപ്പിന്റെ ഗൗരവം തെളിയിക്കുകയും നിയന്ത്രണപരമായ നടപടികൾക്ക് കാരണമാവുകയും ചെയ്യും.

ഇത്രയധികം എതിരാളികൾ ഒരുമിച്ച് ഒരു പൊതുവായ ഭീഷണിയെക്കുറിച്ച് സംസാരിക്കുന്നത് ആദ്യമായാണ്. ഈ ഐക്യത്തെ പ്രായോഗികമായ സുരക്ഷാ സംവിധാനങ്ങളാക്കി മാറ്റാൻ വ്യവസായത്തിന് കഴിയുമോ എന്നതാണ് AI അടുത്ത സൈബർ തകർച്ചയ്ക്ക് കാരണമാകുമോ അതോ സുരക്ഷിതമായ ഒരു ലോകം കെട്ടിപ്പടുക്കാനുള്ള ഉപകരണമാകുമോ എന്ന് തീരുമാനിക്കുന്നത്.