Vedere Labs ने दाखवून दिले की Claude, एक AI मॉडेल, एका WAGO programmable logic controller (PLC) कडून दुसऱ्या PLC कडे remote-code-execution exploit पोर्ट करू शकते. मानवी संशोधकांनी अजूनही या प्रक्रियेचे मार्गदर्शन केले, ज्यामुळे हे सिद्ध झाले की कृत्रिम बुद्धिमत्ता (AI) औद्योगिक सायबर हल्ल्यांसाठी एक व्यावहारिक साधन बनत आहे. या proof-of-concept ने Nucleus FTP सर्व्हरमधील buffer-overflow त्रुटीविरुद्ध एक कार्यरत exploit प्रदर्शित केला.

हे महत्त्वाचे का आहे

औद्योगिक नियंत्रण प्रणाली (Industrial control systems) कारखाने, वीज प्रकल्प आणि जलशुद्धीकरण सुविधा चालवतात. अशी त्रुटी (vulnerability) ज्यामुळे हल्लेखोर PLC वर कोड कार्यान्वित करू शकतो, प्रक्रियेत अडथळा आणू शकते, डेटा चोरू शकते किंवा कायमस्वरूपी backdoors स्थापित करू शकते. Exploit च्या अनुकूलनाचे (adaptation) ऑटोमेशन करून, AI अशा त्रुटींचे शस्त्रात रूपांतर करण्यासाठी आवश्यक असलेले कौशल्य कमी करते, ज्यामुळे संभाव्य हल्लेखोरांची संख्या वाढते.

AI ने हे कसे केले

Vedere टीमने Claude ला open-source reverse-engineering suite Ghidra सोबत जोडले. त्यांनी AI ला मूळ exploit च्या shellcode चे विश्लेषण करण्यास—जो buffer overflow नंतर चालणारा एक छोटा प्रोग्राम आहे—आणि दुसऱ्या PLC मॉडेलच्या firmware मर्यादांमध्ये बसण्यासाठी तो पुन्हा लिहिण्यास सांगितले. Claude ने:

  • लक्ष्यित मेमरी लेआउट बायपास करण्यासाठी shellcode मध्ये बदल केले.
  • कोड कार्यान्वित करून तयार केलेले नेटवर्क पॅकेट्स पाठवले, ज्यामुळे हा exploit पूर्णपणे (end-to-end) कार्यरत असल्याचे सिद्ध झाले.
  • command-and-control implant समाविष्ट करण्याचा प्रयत्न केला; त्या प्रयोगामुळे PLC कायमचा निकामी (bricked) झाला, ज्यामुळे मोठ्या प्रमाणावर trial-and-error करण्यातील धोक्याची जाणीव झाली.

संशोधकांनी अजूनही प्रक्रियेचे नियंत्रण केले, निकालांची पडताळणी केली आणि हार्डवेअरमधील बिघाड हाताळला. या प्रयोगामुळे विश्लेषण आणि कोड जनरेशनसाठी आवश्यक असलेल्या API calls च्या उच्च खर्चाचाही खुलासा झाला.

व्यापक इशारा

Cybersecurity and Infrastructure Security Agency (CISA) आणि FBI या दोघांनीही इशारा दिला आहे की AI-generated scripts मुळे औद्योगिक नियंत्रण प्रणाली हे अधिकाधिक आकर्षक लक्ष्य बनत आहेत. मुख्य चिंता अशी आहे की, प्रगत हल्ल्यांसाठी लागणारी प्रवेशातील अडथळे (barrier to entry) कमी होत आहेत; ज्यांच्याकडे सखोल reverse-engineering कौशल्ये नाहीत, असे घटक आता कार्यात्मक exploits तयार करण्यासाठी AI सहाय्यकांवर अवलंबून राहू शकतात.

मर्यादा आणि प्रतिवाद

हा प्रयोग म्हणजे तयार शस्त्र (turnkey weapon) नाही. प्रॉम्प्ट्स सेट करण्यासाठी, Ghidra समाकलित करण्यासाठी आणि आउटपुटचा अर्थ लावण्यासाठी एका कुशल टीमची आवश्यकता होती. PLC च्या अपघाती विनाशावरून असे दिसून येते की ही प्रक्रिया अजूनही नाजूक आणि त्रुटीपूर्ण आहे. Large-language-model APIs वापरण्याचा खर्च अनधिकृत गैरवापर रोखू शकतो.

काय लक्ष ठेवावे

  • AI टूल्स अधिक सुलभ होत असताना सरकारी सायबर-सुरक्षा संस्थांकडून येणारे सततचे इशारे.

Vedere Labs च्या प्रकरणावरून हे स्पष्ट होते की AI आता हल्लेखोरांसाठी केवळ एक सैद्धांतिक मदत नाही—ते नवीन हार्डवेअरसाठी घातक कोड सक्रियपणे पुन्हा लिहू शकते, ज्यामुळे महत्त्वपूर्ण औद्योगिक प्रणालींच्या धोक्याचे स्वरूप (threat profile) बदलू शकते.