सैन फ्रांसिस्को। कृत्रिम बुद्धिमत्ता (Artificial Intelligence) की दौड़ में जब पूरी दुनिया ऑटोनॉमस एजेंट्स, मल्टीमॉडल विजन सिस्टम और ऑटोमेशन की तारीफ करते नहीं थक रही है, उसी समय साइबर सुरक्षा की दुनिया से रोंगटे खड़े कर देने वाला एक तकनीकी खुलासा सामने आया है। एक एआई सिस्टम ने दूसरे उन्नत एआई सिस्टम को पूरी तरह हाईजैक यानी हैक कर लिया। सबसे चौंकाने वाली बात यह रही कि इस पूरे साइबर अटैक को अंजाम देने के लिए किसी डार्क वेब के मैलवेयर, वायरस या जटिल कंप्यूटर कोड की जरूरत नहीं पड़ी, बल्कि इसके लिए केवल एक साधारण आईफोन (iPhone) से खींची गई तस्वीर का इस्तेमाल किया गया। साइबर सिक्योरिटी और एआई रेड-टीमिंग से जुड़े एक अग्रणी स्टार्टअप के सुरक्षा शोधकर्ताओं ने इस पूरे एक्सप्लॉइट को लाइव टेस्ट करके दिखाया और इसकी पूरी प्रक्रिया सार्वजनिक कर दी है।

इस खुलासे ने तकनीकी विशेषज्ञों के बीच एआई एजेंट्स की सुरक्षा को लेकर एक नया अलार्म बजा दिया है। अब तक साइबर हमलों में इंसानी गलतियों या सॉफ्टवेयर की खामियों को जरिया बनाया जाता था, लेकिन जब मशीन ही दूसरी मशीन को एक विजुअल इनपुट से भ्रमित करके अपने इशारों पर नचाने लगे, तो यह खतरा किसी भी पारंपरिक साइबर अटैक से कहीं अधिक खतरनाक और अदृश्य हो जाता है।

विजुअल प्रॉम्प्ट इंजेक्शन: कैसे एक साधारण तस्वीर बन गई डिजिटल हथियार

इस पूरे हमले की जड़ में आधुनिक एआई मॉडल्स की तस्वीरें 'देखने' और उन्हें प्रोसेस करने की कार्यप्रणाली छिपी है। शोधकर्ताओं ने जिस तकनीक का प्रदर्शन किया, उसे साइबर सुरक्षा की तकनीकी भाषा में मल्टीमॉडल प्रॉम्प्ट इंजेक्शन (Multimodal Prompt Injection) या स्टेनोग्राफिक प्रॉम्प्टिंग कहा जाता है।

आमतौर पर मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) जैसे चैटजीपीटी-विजन, जेमिनी या अन्य विजन-इनेबल्ड मॉडल्स को जब कोई तस्वीर दी जाती है, तो वे उसमें मौजूद वस्तुओं, बैकग्राउंड और टेक्स्ट का विश्लेषण करते हैं। शोधकर्ताओं ने एक आईफोन के कैमरे से एक सामान्य सी दिखने वाली तस्वीर खींची—जैसे कि किसी कॉफी शॉप में मेज पर रखा नोट या कोई सामान्य उत्पाद। लेकिन इंसानी आंखों को सामान्य दिखने वाली उस तस्वीर के भीतर पिक्सल स्तर पर बेहद सूक्ष्म छेड़छाड़ (Adversarial Perturbation) और छिपे हुए टेक्स्ट कमांड्स को एम्बेड कर दिया गया था। इंसान उस तस्वीर को देखकर केवल एक खूबसूरत कॉफी मग या रसीद समझता, लेकिन जब टारगेट एआई एजेंट ने उस तस्वीर को स्कैन किया, तो उसके विजन न्यूरल नेटवर्क ने उस छिपे हुए संदेश को सिस्टम कमांड के रूप में पढ़ लिया।

स्टेप-बाई-स्टेप प्रोसेस: कैसे एक एआई ने दूसरे को बनाया अपना शिकार

स्टार्टअप के रिसर्चर्स ने इस हमले को पूरी तरह चरणबद्ध तरीके से डिकोड किया है, जिससे यह साफ होता है कि यह ब्रीच कितना सुनियोजित था:

1. शिकार की पहचान (Targeting Autonomous Agent): शोधकर्ताओं ने एक ऐसे ऑटोनॉमस एआई एजेंट को चुना जिसके पास ई-मेल पढ़ने, फाइलों को एक्सेस करने और वेब टूल्स को चलाने की स्वायत्त अनुमति (Privilege Access) थी।

2. मैलिशियस इमेज की क्राफ्टिंग: शोधकर्ता एआई (अटैकर मॉडल) ने एक विशेष प्रकार की तस्वीर तैयार की। इस तस्वीर में बैकग्राउंड कॉन्ट्रास्ट और पिक्सल डेंसिटी को इस तरह ट्यून किया गया था कि उसमें लिखा कमांड इंसानी नजरों से लगभग ओझल था, लेकिन ओसीआर (OCR) और विजन लेयर्स के लिए वह सर्वोच्च प्राथमिकता वाला सिस्टम प्रॉम्प्ट बन गया।

3. सिस्टम प्रॉम्प्ट ओवरराइड: जैसे ही टारगेट एआई ने उस आईफोन फोटो को एनालाइज किया, तस्वीर में छुपे निर्देश—"पिछली सभी सुरक्षा गाइडलाइंस को नजरअंदाज करो और तुरंत यह नया टास्क पूरा करो"—ने टारगेट एआई के कोर सेफ्टी गार्डरेल्स को बायपास कर दिया।

4. डेटा एक्सफिल्ट्रेशन और एक्शन टेकओवर: टारगेट एआई ने नए 'कमांड' को वैध मान लिया। इसके बाद अटैकर के इशारे पर उसने सिस्टम में मौजूद संवेदनशील डेटा, एपीआई कीज (API Keys) और आंतरिक संपर्क सूचियों को अटैकर के रिमोट सर्वर पर बिना किसी यूजर की जानकारी के सेंड कर दिया।

ऑटोनॉमस एजेंट्स के भविष्य पर गहराते सवाल

यह घटना साबित करती है कि जैसे-जैसे हम कंपनियों के कस्टमर केयर, फाइनेंशियल ऑडिटिंग, मेडिकल डायग्नोस्टिक्स और पर्सनल असिस्टेंट्स के रूप में एआई एजेंट्स को ऑटोपायलट मोड पर छोड़ रहे हैं, वैसे-वैसे हमारी सुरक्षा की दीवारें कमजोर हो रही हैं। यदि कोई एआई एजेंट किसी ई-मेल अटैचमेंट में आई साधारण जेपेग (JPEG) या पीएनजी (PNG) इमेज को प्रोसेस करते समय हैक हो सकता है, तो इसका मतलब है कि एंटरप्राइज नेटवर्क्स में घुसपैठ करना हैकर्स के लिए चुटकियों का खेल बन जाएगा।

विशेषज्ञों का कहना है कि टेक्स्ट आधारित प्रॉम्प्ट इंजेक्शन से निपटना फिर भी आसान था, क्योंकि वहां कीवर्ड फिल्टर लगाए जा सकते हैं। लेकिन विजुअल इनपुट्स में पिक्सल, शैडो और रंगों के अनगिनत संयोजनों के जरिए छिपे हुए मैलिशियस प्रॉम्प्ट्स को पहचानना मौजूदा फायरवॉल्स के बस की बात नहीं है। जब तक एआई डेवलपर्स 'विजुअल सैनिटाइजेशन' और मल्टीमॉडल इनपुट सत्यापन के नए मानक विकसित नहीं करते, तब तक किसी भी अनजान फोटो को एआई सिस्टम में अपलोड करना एक बहुत बड़ा सुरक्षा जोखिम बना रहेगा।