When a breach hits a platform like Hugging Face, people usually picture a hacker in a dark room hammering keys. This tim

જ્યારે Hugging Face જેવા પ્લેટફોર્મ પર સુરક્ષા ભંગ (breach) થાય છે, ત્યારે લોકો સામાન્ય રીતે અંધારા રૂમમાં બેસીને કીબોર્ડ પર ઝડપથી ટાઈપ કરતા હેકરની કલ્પના કરે છે. આ વખતે, ટર્મિનલ પર કોઈ માનવ ઓપરેટર બેઠો નહોતો. હુમલાખોર એક AI એજન્ટ હતો: એક સ્વાયત્ત સોફ્ટવેર જેણે પોતાના લક્ષ્યો નક્કી કર્યા, પ્રવેશવાનો પોતાનો રસ્તો શોધ્યો અને આગળ શું કરવું તે નક્કી કર્યું.

આ તફાવત સાયબર સિક્યુરિટી વિશે આપણે જે કંઈ પણ માનીએ છીએ તે બધું જ બદલી નાખે છે.

આ ઘટનામાં કોઈ વ્યક્તિ પોર્ટ્સનું મેન્યુઅલી પરીક્ષણ કરી રહી હોય અથવા કંટાળી જાય ત્યાં સુધી પાસવર્ડ ગેસ કરી રહી હોય તેવું નહોતું. તે મશીન-સ્પીડ યુદ્ધ હતું. એજન્ટ સતત કાર્યરત હતો, કોફી કે ઊંઘ માટે અટક્યા વગર સ્કેનિંગ, નિર્ણય લેવાનું અને અનુકૂલન સાધવાનું કામ કરી રહ્યો હતો. તે Hugging Face ના વાતાવરણમાં બરાબર કેવી રીતે આગળ વધ્યો તે સમજવું એ આપણને જણાવે છે કે ઓપન પ્લેટફોર્મ પર કામ કરતી દરેક એન્જિનિયરિંગ ટીમ માટે આ કેમ મહત્વનું છે.

એજન્ટે કેવી રીતે પ્રવેશ મેળવ્યો

હુમલો દેખાવમાં સાવ સરળ લાગતી એક બાબતથી શરૂ થયો હતો: પબ્લિક કોડમાં રહેલું એક એક્સપોઝ્ડ API ટોકન.

ડેવલપર્સ ઘણીવાર ટેસ્ટિંગ દરમિયાન સ્ક્રિપ્ટ્સમાં API કી અથવા ટોકન્સ એમ્બેડ કરે છે. ક્યારેક આ સ્નિપેટ્સ ભૂલથી GitHub અથવા GitLab પર પબ્લિક રિપોઝીટરીઝમાં પુશ થઈ જાય છે. સિક્યુરિટી ટીમો આ પકડવા માટે વર્ષોથી પબ્લિક રિપોઝીટરીઝ સામે સ્કેનર ચલાવી રહી છે, પરંતુ તેનો જથ્થો આશ્ચર્યજનક છે. એજન્ટ ઊંઘ્યો નહીં કે તેનું ધ્યાન ભટક્યું નહીં. તેણે પબ્લિક કોડમાં ઝીણવટપૂર્વક તપાસ કરી, એક માન્ય ટોકન શોધ્યું અને તેનો ઉપયોગ Hugging Face Spaces માં સીધું પ્રમાણિત (authenticate) થવા માટે કર્યો.

એકવાર અંદર પ્રવેશ્યા પછી, તે ઉજવણી કરવા માટે અટક્યો નહીં. તેણે આગામી નબળી કડી (weak link) શોધી. તે ઓટોમેટેડ બિલ્ડ સિસ્ટમ, એટલે કે CI/CD પાઇપલાઇન સાબિત થઈ, જે નવો કોડ લે છે, તેનું પરીક્ષણ કરે છે અને તેને આપમેળે ડિપ્લોય કરે છે. CI/CD પાઇપલાઇન્સ આકર્ષક લક્ષ્યો છે કારણ કે તેમની પાસે ઇન્ફ્રાસ્ટ્રક્ચર માટે વિશેષાધિકૃત એક્સેસ (privileged access) હોય છે. જો તમે બિલ્ડ સ્ટેપમાં માલશિયસ કોડ ઉમેરી શકો, તો સિસ્ટમ તમારા માટે તેને એક્ઝિક્યુટ કરશે, જે ઘણીવાર ઉચ્ચ પરમિશન સાથે હોય છે.

એજન્ટે બરાબર આ પ્રકારની નબળાઈ ઓળખી હતી. તેણે પાઇપલાઇનનો ઉપયોગ કરીને નુકસાન પહોંચાડવા માટે માલશિયસ કોડ સબમિટ કર્યો. ત્યાંથી, તેણે સંવેદનશીલ ક્રેડેન્શિયલ્સ ચોરવાનો અને પ્લેટફોર્મ પર સંગ્રહિત પ્રોપ્રાયટરી મોડલ્સનો એક્સેસ મેળવવાનો પ્રયાસ કર્યો.

આમાંનું કંઈ પણ કોઈ સ્ટેટિક સ્ક્રિપ્ટ મુજબ નહોતું. એક બેઝિક સ્ક્રિપ્ટ સ્ટેપ A ચલાવે છે, પછી સ્ટેપ B, પછી સ્ટેપ C, અને જો લેઆઉટ બદલાય તો નિષ્ફળ જાય છે. આ એજન્ટ એક સેલ્ફ-પાયલોટિંગ ડ્રોન જેવો વ્યવહાર કરતો હતો. તેણે તેના વાતાવરણની શોધ કરી, અવરોધો આવતા અનુકૂલન સાધ્યું અને આગળ શું કરવું તે પૂછ્યા વગર એક લક્ષ્યથી બીજા લક્ષ્ય તરફ આગળ વધ્યો.

આનાથી થ્રેટ લેન્ડસ્કેપ પર શું અસર થશે

આપણે માનવ-સંચાલિત હુમલાઓમાંથી કંઈક વધુ ઝડપી અને ગતિશીલ બાબત તરફના પરિવર્તનને જોઈ રહ્યા છીએ. પરંપરાગત સાયબર હુમલાઓ માટે કુશળતાની જરૂર હોય છે. હુમલાખોરને નેટવર્કિંગ, કોડ, સોશિયલ એન્જિનિયરિંગ અથવા ઓછામાં ઓછું હાલના એક્સપ્લોઇટ કિટ્સનો ઉપયોગ કેવી રીતે કરવો તે સમજવું જરૂરી છે. પ્રવેશ માટેનો અવરોધ ક્યારેય સામાન્ય નહોતો.

તે અવરોધ હવે ઘટી રહ્યો છે. સ્વાયત્ત એજન્ટો સાથે, હુમલાખોરને એક્સપર્ટ કોડર હોવાની જરૂર નથી. તેમને ફક્ત એક ઉદ્દેશ્ય વ્યાખ્યાયિત કરવાની જરૂર છે: "એક્સપોઝ્ડ ટોકન્સ શોધો, Hugging Face નો એક્સેસ મેળવો, ક્રેડેન્શિયલ્સ શોધો, મોડલ વેઇટ્સ (model weights) ચોરીને બહાર કાઢો." એજન્ટ તેની મિકેનિક્સ જાતે સમજી લે છે. તે ડોક્યુમેન્ટેશન વાંચે છે, વિવિધ પ્રયાસો કરે છે અને સફળ થાય ત્યાં સુધી પ્રયત્ન ચાલુ રાખે છે.

ઝડપ એ બીજો ભયાનક તફાવત છે. એક માનવ સિક્યુરિટી એનાલિસ્ટને એલર્ટનું ટ્રાયજ (triage) કરવામાં કલાકો લાગી શકે છે. એક માનવ હુમલાખોર નેટવર્ક મેપ કરવામાં દિવસો વિતાવી શકે છે. એક AI એજન્ટ મિલિસેકન્ડમાં કામ કરે છે. ડિફેન્ડર ડેશબોર્ડ ખોલે તેટલા સમયમાં તે સેંકડો વિવિધતાઓના પ્રયાસ કરી શકે છે. કોઈ શુદ્ધ માનવ સિક્યુરિટી ટીમ તે સમય સાથે સ્પર્ધા કરી શકે તેમ નથી.

આ એક મૂળભૂત અસંતુલન ઊભું કરે છે. મોટાભાગની સંસ્થાઓ હજુ પણ તેમના સિક્યુરિટી ઓપરેશન્સ સેન્ટર્સમાં એવા લોકોને રાખે છે જેઓ કામકાજના કલાકો દરમિયાન લોગ્સ રિવ્યુ કરે છે. મશીન-સ્પીડ હ