साइबर-संक्रियाओं में AI का इस्तेमाल पहले से हो रहा है
राज्य-संबद्ध और आपराधिक पक्ष टोही, अनुवाद, स्क्रिप्टिंग, फ़िशिंग सामग्री, कमज़ोरी-विश्लेषण, और मैलवेयर-संबंधी काम के लिए सामान्य-प्रयोजन AI का उपयोग करते हैं। OpenAI और Microsoft ने 2024 में चीन, रूस, ईरान, और उत्तर कोरिया से जुड़े समूहों द्वारा ऐसे उपयोग की सूचना दी, साथ ही यह भी कहा कि उन्होंने कोई ऐसा महत्वपूर्ण हमला नहीं पहचाना जो केवल उनके मॉडलों के कारण संभव हुआ हो (संयुक्त OpenAI–Microsoft खुलासा)।
नवंबर 2025 में, Anthropic ने रिपोर्ट की कि एक चीनी राज्य-प्रायोजित समूह ने साइबर-जासूसी अभियान में Claude Code का इस्तेमाल किया और ज़्यादातर सामरिक काम का श्रेय मॉडल को दिया। Anthropic ने इसे न्यूनतम मानवीय हस्तक्षेप वाला पहला दस्तावेज़ीकृत बड़े-पैमाने का ऑपरेशन बताया। यह विवरण महत्वपूर्ण कंपनी स्व-रिपोर्टिंग है, कोई स्वतंत्र रूप से पुनर्निर्मित सार्वजनिक घटना नहीं: संवेदनशील विवरण और टेलीमेट्री बाहरी शोधकर्ताओं के लिए अनुपलब्ध हैं, और “80–90 प्रतिशत” स्वचालन के अनुमान इस पर निर्भर करते हैं कि कार्यों को कैसे गिना जाता है (Anthropic खुलासा)।
2026 की International AI Safety Report एक संतुलित निष्कर्ष पर पहुंचती है: साइबर-क्षमता सुधर रही है और हमलावर AI अपना रहे हैं, लेकिन कोई पूरी तरह स्वचालित छोर-से-छोर हमला सार्वजनिक रूप से रिपोर्ट नहीं किया गया है और समग्र हमला-आवृत्ति पर प्रभाव अब भी अस्पष्ट है (International AI Safety Report 2026)।
AI वर्कफ़्लो को कहां बदल सकता है
कोई साइबर-संक्रिया एक शृंखला है, कोई एक प्रॉम्प्ट नहीं। हमलावर लक्ष्य पहचानते हैं, जानकारी इकट्ठा करते हैं, पहुंच हासिल करते हैं, नेटवर्कों के ज़रिए आगे बढ़ते हैं, विशेषाधिकार बढ़ाते हैं, पहचान से बचते हैं, और चोरी या व्यवधान का पीछा करते हैं। AI बड़े कोडबेस खोजकर, वेरिएंट पैदा करके, तकनीकी सामग्री का अनुवाद करके, या दोहराई जाने वाली कार्रवाइयों का समन्वय करके इस शृंखला के हिस्सों को तेज़ कर सकता है।
सबसे मज़बूत क्षमता-सबूत कमज़ोरी-खोज से जुड़ा है। AI सिस्टमों ने वास्तविक सॉफ़्टवेयर-ख़ामियां खोजी हैं, और DARPA के AI Cyber Challenge की टीमों ने ओपन-सोर्स सॉफ़्टवेयर का विश्लेषण करने और पैच करने के लिए AI को पारंपरिक उपकरणों के साथ इस्तेमाल किया (DARPA AIxCC)। खोज दोहरे-उपयोग की है: कोई बचावकर्ता किसी ख़ामी को पैच कर सकता है, जबकि कोई हमलावर उसका शोषण कर सकता है। क्या कोई परिणाम सुरक्षा सुधारता है, यह इस पर निर्भर करता है कि इसे पहले किसने पाया, खुलासे को कैसे संभाला गया, और प्रभावित सिस्टम कितनी जल्दी अपडेट हो सकते हैं।
एजेंट नई विशेषज्ञता पैदा किए बिना भी कौशल और समय की आवश्यकताएं कम कर सकते हैं। कोई सक्षम ऑपरेटर नियमित उप-कार्य सौंप सकता है और बड़े पैमाने पर काम कर सकता है। कोई नौसिखिया प्रशंसनीय दिखने वाला कोड पा सकता है लेकिन उसे डीबग करने या छुपाने का विवेक न रखता हो। बेंचमार्क अक्सर साफ़-सुथरे कैप्चर-द-फ़्लैग अभ्यास या ज्ञात कमज़ोरियां इस्तेमाल करते हैं, इसलिए ऊंचा प्रदर्शन किसी बचाव वाले उद्यम पर स्वतः लागू नहीं होता।
अवसंरचना विशेष ध्यान की हक़दार क्यों है
बिजली, पानी, संचार, परिवहन, स्वास्थ्य-सिस्टम, और वित्तीय क्लियरिंग परस्पर-जुड़ी डिजिटल और परिचालन तकनीक पर निर्भर करते हैं। कुछ उपकरणों के प्रतिस्थापन-चक्र लंबे, लॉगिंग सीमित, उपलब्धता-आवश्यकताएं नाज़ुक, या पुराने प्रोटोकॉल होते हैं। ऑपरेटर बिना डाउनटाइम और सुरक्षा-प्रभावों का परीक्षण किए कोई सामान्य पैच स्थापित करने में असमर्थ हो सकते हैं।
फिर भी, “महत्वपूर्ण अवसंरचना” समान रूप से उजागर नहीं है। कुछ सिस्टम खंडित हैं, मैनुअल नियंत्रण इस्तेमाल करते हैं, या उनके पास मज़बूत क्षेत्र-विशिष्ट विनियमन है। कई घटनाएं परिचित कमज़ोरियों से शुरू होती हैं — चुराए गए क्रेडेंशियल, बिना-पैच किए इंटरनेट-सामना करने वाले सिस्टम, विक्रेता-पहुंच, ख़राब बैकअप, या सोशल इंजीनियरिंग — किसी विदेशी AI-डिज़ाइन किए गए शोषण के बजाय। AI इन रास्तों को तीव्र कर सकता है, लेकिन बुनियादी सुरक्षा अत्यधिक प्रासंगिक बनी रहती है।
परिणाम भी अलग-अलग होते हैं। व्यावसायिक ईमेल से समझौता भौतिक उपकरणों पर नियंत्रण से अलग है। किसी विनाशकारी अवसंरचना-हमले के दावों को डिजिटल पहुंच से भौतिक नुकसान तक का रास्ता, शामिल सुरक्षा-इंटरलॉक, और पहुंच बनाए रखने की हमलावर की क्षमता समझानी चाहिए। बचाव-स्तर पर उस विवरण से बचना किसी प्रशंसनीय परिदृश्य को एक बिना-सहारा वाली सुर्खी में बदल सकता है।
आक्रमण-बचाव संतुलन अनसुलझा है
यह कहना लुभावना है कि हमलावरों को एक बार सफल होना होता है जबकि बचावकर्ताओं को हर बार सफल होना होता है। यह नारा एक असमानता पकड़ता है लेकिन दूसरी चूक जाता है। बचावकर्ता आर्किटेक्चर, पहचान, पैचिंग, निगरानी, बैकअप, और रिकवरी को नियंत्रित करते हैं। रक्षात्मक AI मानवीय टीमों से कहीं ज़्यादा कोड और टेलीमेट्री जांच सकता है, अलर्टों को प्राथमिकता दे सकता है, रिलीज़ से पहले ख़ामियां खोज सकता है, और सुधार को स्वचालित कर सकता है। हमलावरों को अक्सर छुपा रहना, पहुंच बनाए रखना, और ऐसे वातावरण के अनुकूल होना पड़ता है जिसे वे नियंत्रित नहीं करते।
International AI Safety Report स्पष्ट रूप से कहती है कि यह अस्पष्ट है कि सामान्य-प्रयोजन AI हमलावरों या बचावकर्ताओं में से किसे ज़्यादा फ़ायदा पहुंचाएगा। वह अनिश्चितता ही सटीक पूर्वानुमान है। परिणाम क्षेत्र और समय के अनुसार अलग हो सकते हैं: आक्रमण किसी नई क्षमता से पहले फ़ायदा उठा सकता है, फिर उपकरण और पैच फैलने के बाद बचाव को फ़ायदा मिल सकता है। ओपन-सोर्स घटक कमज़ोरियों और समाधान दोनों को तेज़ी से फैला सकते हैं।
AI सिस्टम नई हमला-सतहें भी पैदा करते हैं। प्रॉम्प्ट इंजेक्शन किसी एजेंट को ईमेल, दस्तावेज़ों, या वेबपेजों में एम्बेडेड दुर्भावनापूर्ण निर्देशों का पालन करवा सकता है। अत्यधिक उपकरण-अनुमतियां किसी मॉडल-त्रुटि को डेटा-हानि में बदल सकती हैं। मॉडल आपूर्ति-श्रृंखलाओं, प्लगइनों, स्मृति-भंडारों, और क्रेडेंशियलों को अन्य सॉफ़्टवेयर जैसे ही न्यूनतम-विशेषाधिकार और पृथक्करण सिद्धांत चाहिए — साथ में मॉडल-विशिष्ट व्यवहार के लिए नया परीक्षण।
अच्छे सबूत कैसे दिखते हैं
साइबर-दावों का आरोपण करना कठिन है। कोई ख़तरा-ख़ुफ़िया कंपनी या AI डेवलपर केवल अपनी ही टेलीमेट्री देखता है और उसके व्यावसायिक प्रोत्साहन हो सकते हैं। पीड़ित घटनाओं का खुलासा न करें। हमलावर कई मॉडल और पारंपरिक उपकरण इस्तेमाल कर सकते हैं, जिससे AI के सीमांत प्रभाव को अलग करना कठिन हो जाता है।
बेंचमार्क संदूषण या अवास्तविक स्कैफ़ोल्डिंग के ज़रिए क्षमता को बढ़ा-चढ़ाकर दिखा सकते हैं और ख़राब निष्कासन के ज़रिए कम करके दिखा सकते हैं। रिपोर्टों में मॉडल-संस्करण, एजेंट-उपकरण, कार्य-नवीनता, मानवीय सहायता, सफलता-मानदंड, दोहराए गए परीक्षण की दर, और यह खुलासा करना चाहिए कि लक्ष्य सिम्युलेटेड था या वास्तविक। स्वतंत्र पुनरुत्पादन और ज़िम्मेदार खुलासा भरोसा बढ़ाते हैं।
सबसे महत्वपूर्ण, देखे गए अपनाव को कारणात्मक प्रभाव से अलग करें। “किसी हमलावर ने AI इस्तेमाल किया” यह साबित नहीं करता कि AI ने सेंध को सक्षम किया, नुकसान बढ़ाया, या अभियान के परिणाम को बदला। साथ ही, सार्वजनिक आरोपण की कमी अनुपस्थिति साबित नहीं करती। विश्वास-लेबल श्रेणीबद्ध दावों से ज़्यादा ईमानदार होते हैं।
बचाव जो हर क्षमता-परिदृश्य में काम करते हैं
अवसंरचना-ऑपरेटरों को संपत्तियों और निर्भरताओं की सूची बनानी चाहिए, परिचालन-तकनीक को खंडित करना चाहिए, फ़िशिंग-प्रतिरोधी मल्टीफ़ैक्टर प्रमाणीकरण की मांग करनी चाहिए, स्थायी विशेषाधिकार न्यूनतम रखने चाहिए, और दूरस्थ व विक्रेता-पहुंच की निगरानी करनी चाहिए। परखे गए ऑफ़लाइन बैकअप और मैनुअल रिकवरी-प्रक्रियाएं AI-सक्षम हमलों और सामान्य रैनसमवेयर दोनों के प्रभाव को सीमित करती हैं। ख़रीद को सुरक्षित विकास और समयबद्ध कमज़ोरी-प्रबंधन की मांग करनी चाहिए।
AI एजेंटों को सीमित अनुमतियां, पृथक निष्पादन, लॉगिंग, और अपरिवर्तनीय कार्रवाइयों के लिए मानवीय प्राधिकरण चाहिए। अविश्वसनीय स्रोतों से इनपुट को शत्रुतापूर्ण माना जाना चाहिए। संगठनों को प्रोडक्शन सिस्टम से एजेंट जोड़ने से पहले प्रॉम्प्ट इंजेक्शन, क्रेडेंशियल-लीक, और उपकरण-दुरुपयोग की रेड-टीमिंग करनी चाहिए।
सरकारें क्षेत्रीय सूचना-साझाकरण, न्यूनतम साइबर-सुरक्षा मानकों, समन्वित खुलासे, कार्यबल-विकास, और भौतिक रिकवरी शामिल करने वाले अभ्यासों का समर्थन कर सकती हैं। मॉडल डेवलपर्स दुरुपयोग की निगरानी कर सकते हैं, सबूत सुरक्षित रख सकते हैं, संकेतक ज़िम्मेदारी से साझा कर सकते हैं, और योग्य बाहरी मूल्यांकनकर्ताओं को साइबर-क्षमता परीक्षणों तक पहुंच दे सकते हैं।
संतुलित निष्कर्ष
AI काल्पनिक साइबर-प्रासंगिकता से दस्तावेज़ीकृत उपयोग तक पहुंच चुका है। यह संक्रियाओं के सार्थक हिस्सों को स्वचालित कर सकता है और कमज़ोरी-खोज सुधार सकता है। सबसे मज़बूत सार्वजनिक सबूत अभी तक पूरी तरह स्वायत्त छोर-से-छोर साइबर-अभियान नहीं दिखाता, और न ही यह स्थापित करता है कि निकट भविष्य में आक्रमण बचाव से आगे निकल जाएगा।
जोखिम गंभीर है क्योंकि क्षमता स्केल कर सकती है, अवसंरचना में स्थायी कमज़ोरियां हैं, और एजेंट मानवीय समीक्षा से तेज़ी से कार्रवाई कर सकते हैं। अवसर भी उतना ही ठोस है: वही सिस्टम कमज़ोरियां खोज और मरम्मत कर सकते हैं। नीति को परिणाम मापने चाहिए, सिस्टमों को मज़बूत करना चाहिए, और रक्षात्मक पहुंच सुरक्षित रखनी चाहिए, न कि किसी विवादित आक्रमण-बचाव संतुलन को तय कानून मानना चाहिए।