جیسا کہ آپ جان سکتے ہو ، جدید سافٹ ویئر فن تعمیر پہلے سے کہیں زیادہ بہتر کام کرتا ہے۔ اس میں کوئی شک نہیں کہ اس سے پہلے والے افراد سے کہیں زیادہ موافقت پذیر ، ڈیٹا سے متعلق اور تیز ہے۔ تاہم ، آن لائن خطرات (جسے سائبرٹیکس بھی کہا جاتا ہے) سے اسی سافٹ ویئر کی حفاظت کرنا - خاص طور پر جدید دور میں ، یہ ایک حقیقی چیلنج ہے۔ چونکہ آج کل سافٹ ویر سسٹم ہر چیز کو طاقت دیتا ہے - موبائل ڈیوائس سے لے کر سیفٹی کیمرے تک ، سمارٹ کاروں سے لے کر اسمارٹ ہومز تک ، اور مینوفیکچرنگ پلانٹس سے لیکر نیوکلیئر پاور اسٹیشنوں تک ، جدید سوفٹ ویئر کی بریک یا ہیک ہونے کے لئے بہت ضروری ہے۔

مثال کے طور پر ، اکتوبر 2019 میں ہندوستان کے کڈنکلام میں ایک ایٹمی بجلی گھر کو ہیک کیا گیا تھا۔ اس حملے میں ڈیٹا نکالنے کے لئے پروگرام کیے جانے والے مالویئر کا استعمال کیا گیا تھا ، لیکن خوش قسمتی سے اس پلانٹ کا داخلی نیٹ ورک بلاامتیاز تھا۔ اگر مالویئر اندرونی نیٹ ورک کی خلاف ورزی کرسکتا ہے تو ، اس سے بجلی گھر کے بارے میں اہم اعداد و شمار چوری ہوسکتے تھے ، اس طرح ملک کے اہم انفراسٹرکچر میں دخل اندازی ہوسکتی ہے۔ مزید برآں ، اگر اس حملے کا مقصد پاور پلانٹ پر قابو پانا ہوتا اور وہ اپنے منصوبے میں کامیاب ہوتا تو یہ پلانٹ کو زیادہ طاقت دے کر بہت زیادہ نقصان پہنچا سکتا تھا۔

خوش قسمتی سے، کوئی اہم نقصان نہیں ہوا. تاہم، ہندوستان - یا اس معاملے میں کوئی بھی ملک - مستقبل میں اتنا خوش قسمت نہیں ہوسکتا ہے۔ یہی وجہ ہے کہ جدید سافٹ ویئر کو زمینی سطح سے اس کی سیکورٹی کو مدنظر رکھتے ہوئے بنایا جانا چاہیے۔ نیز، حفاظتی کیڑے اور کمزوریوں کے لیے اسے باقاعدگی سے جانچنا چاہیے۔ تاہم، ایپلیکیشن سیکیورٹی ٹیسٹنگ ایک مہنگا عمل ہے، اور اس طرح، خودکار جانچ وقت کی ضرورت ہے ۔ خودکار جانچ کی حکمت عملیوں میں، سب سے زیادہ عام اور مؤثر حلوں میں سے ایک خودکار دخول ٹیسٹنگ کے نام سے جانا جاتا ہے۔

خودکار دخول کی جانچ

سیکیورٹی کیڑے اور کمزوریاں ڈھونڈنے کے ل automatically خود بخود کسی نیٹ ورک یا سسٹم پر مصنوعی حملے شروع کرنے کے عمل کا حوالہ دیتے ہیں۔ اس کا مقصد یہ ہے کہ سائبر جرائم پیشہ افراد کے بارے میں جاننے اور ان کا استحصال کرنے سے پہلے ان خطرات کو ڈھونڈنا اور ان کو ٹھیک کرنا ہے۔ یہ عام طور پر سائبرسیکیوریٹی کے مکمل آڈٹ کا ایک حصہ ہوتا ہے ، جس کی تعمیل اور قانونی وجوہات کی بناء پر ضرورت پڑسکتی ہے۔ مثال کے طور پر ، پی سی آئی ڈی ایس ایس (ادائیگی کارڈ انڈسٹری ڈیٹا سیکیورٹی اسٹینڈرڈ) تنظیموں سے باقاعدہ نظام الاوقات پر پینٹیسٹنگ انجام دینے کو کہتے ہیں۔

خودکار پینٹسٹنگ سافٹ ویئر کا استعمال کرتے ہوئے کی جاتی ہے ، دستی دخول کی جانچ کے برعکس جو سائبر سیکیورٹی ماہرین کے ذریعے کی جاتی ہے۔ چونکہ یہ سافٹ ویئر کے ذریعہ انجام دیا جاتا ہے، یہ دیئے گئے سافٹ ویئر کے دائرہ کار سے محدود ہے، جو سافٹ ویئر کو ڈیزائن کرنے والے سیکیورٹی پیشہ ور افراد کے علم اور مہارت سے محدود ہے۔ مزید برآں، یہ نئے خطرات کے لیے کم موثر ثابت ہوتا ہے کیونکہ یہ صرف معلوم کمزوریوں کی شناخت یا جانچ کرتا ہے، جو اسے نامعلوم افراد کے خلاف غیر موثر بناتا ہے۔

" یہی وہ جگہ ہے جہاں مصنوعی ذہانت آتی ہے - وہ آٹومیشن جو آپ مصنوعی ذہانت کے ذریعے حاصل کر سکتے ہیں مسلسل اور پیمانے پر پینٹسٹنگ کو بہت آسان بنانے میں اچھی طرح سے مدد کر سکتی ہے۔ اس کے نتیجے میں، اس سے تنظیموں کو مہارت اور ثقافت کے دونوں مسائل سے نمٹنے میں مدد ملے گی، اور اپنی سائبرسیکیوریٹی حکمت عملیوں کے بارے میں سنجیدہ ہو جائیں گے، " Packt Hub نے لکھا ۔ مصنوعی ذہانت نامعلوم کمزوریوں کے لیے اسکیننگ کی خصوصیات کو بڑھاتے ہوئے خودکار پینٹسٹنگ کے عمل کو پیمانے میں مدد کرتی ہے۔

مصنوعی ذہانت اور اس کے اثرات

حالیہ دہائیوں میں مصنوعی ذہانت کی پیشرفت کے ساتھ ، آٹومیشن کے ماہرین اور کمپیوٹر سائنس دان سائبر ڈیفنس ٹیکنالوجیز کے ساتھ ہر چیز کو خود کار بنانے کی کوشش کر رہے ہیں۔ مثال کے طور پر ، بہت سے خودکار ٹولز موجود ہیں جو ذہانت کی اطلاع فراہم کرنے کے لئے دخول جانچ کے آلات کی تکمیل کرتے ہیں۔ ان خودکار حلوں میں مصنوعی ذہانت کی کچھ بنیادی صلاحیتیں ہیں ، لیکن یہ جاری تحقیق اور کھلی مقابلوں کی بدولت آہستہ آہستہ بڑھتی جارہی ہے۔

مثال کے طور پر ، سائبر گرینڈ چیلنج 2016 - ایک DARPA کے زیر اہتمام مقابلہ - نے لوگوں کو ہیکنگ بوٹس کی تیاری اور مقابلہ کرنے کا چیلنج کیا۔ یہ مصنوعی طور پر ذہین بوٹس مقابلہ ٹیمیں ان کا استحصال کرنے سے پہلے سیکیورٹی کے خطرات کو تلاش کرنے اور ان کی پیچیدگی کے ل penet دخول جانچ کرتے ہیں۔ اس کا فاتح May جسے میہیم کے نام سے جانا جاتا ہے - مسابقتی نظاموں میں سیکیورٹی کے خطرات کو ڈھونڈنے اور ان کا استحصال کرنے کے دوران اپنے میزبان نظام میں مداخلتیں ڈھونڈنے ، حل کرنے اور تلاش کرنے کی صلاحیت رکھتا ہے۔

اس نے کہا ، مصنوعی ذہانت سائبر دفاعی حل کی کارکردگی کو بہتر بنانے میں مدد کرتی ہے - خاص طور پر دخول جانچ کے حل۔ اس کی وجہ یہ ہے کہ ذیل میں بتایا گیا ہے کہ خودکار دخول جانچ کے مختلف مراحل کو بہتر بنانے میں مدد ملتی ہے۔

مرحلہ 1: منصوبہ بندی

پہلا مرحلہ - منصوبہ بندی اور جاسوسی - ہدف کے بارے میں معلومات جمع کررہی ہے۔ اور آپ کو جتنی زیادہ معلومات جمع کرتے ہیں اس میں بہت سارے وسائل درکار ہوتے ہیں ، آپ کے کامیاب ہونے کا موقع اتنا ہی زیادہ ہوتا ہے۔ اس مرحلے پر ، اے آئی کا استعمال وسائل کی کم مقدار کے ساتھ بہتر نتائج فراہم کرنے میں مدد کرتا ہے۔ کمپیوٹر وژن اور نیچرل لینگویج پروسیسنگ کے ساتھ اے آئی ہدف تنظیم اور اس کے ملازمین ، نیٹ ورک ، سیکیورٹی کرنسی ، وغیرہ کے بارے میں مکمل پروفائل بنانے میں معاون ثابت ہوسکتی ہے۔

مرحلہ 2: اسکین کرنا

دوسرے مرحلے میں ہدف نظاموں کی جامع کوریج کا مطالبہ کیا گیا ہے۔ یعنی ، آپ کو سیکڑوں کے ل scan اسکین کرنا چاہئے اگر ہزاروں نہیں کمپیوٹر اور دوسرے آلات اور نتائج کا تجزیہ کریں۔ اے آئی کا استعمال کرتے ہوئے ، آلات کو ذہانت سے اسکین کرنے اور تجزیہ کے عمل کو آسان بنانے کے ، مطلوبہ نتائج اکٹھا کرنے کے ل twe ٹویچ کیا جاسکتا ہے۔

مرحلہ 3: رسائی حاصل کرنا

تیسرا مرحلہ کسی ایک ہدف نیٹ ورک یا سسٹم تک رسائی حاصل کر رہا ہے۔ اس کے بعد یہ سمجھوتہ کرنے والا نظام ڈیٹا نکالنے یا نیٹ ورک میں موجود دوسرے سسٹمز پر حملے شروع کرنے کے لئے استعمال کیا جاسکتا ہے۔ اے آئی کا استعمال کرتے ہوئے ، ٹولز تک رسائی حاصل کرنے کے ل a کئی طرح کے حملوں اور پاس ورڈ کے متعدد مجموعے آزما سکتے ہیں۔ تب ، وہ کمزور نمونوں یا رجحانات کو سمجھنے کے ل al الگورتھم کا استعمال بھی کرسکتے ہیں جس سے سمجھوتہ ہوسکتا ہے۔

مرحلہ 4: رسائی کو برقرار رکھنا

چوتھا مرحلہ سمجھوتہ کرنے والے نظام تک رسائی کو برقرار رکھنا ہے۔ اے آئی کا استعمال کرتے ہوئے ، ٹولز معروف یا نامعلوم گھر کے دروازوں ، خفیہ کردہ چینلز کو تلاش کرسکتے ہیں ، اور مشکوک یا غیر مجاز سرگرمیوں کا پتہ لگانے اور ان کی اطلاع دہندگی کے ل log اکاؤنٹس اور لاگوں پر نظر رکھ سکتے ہیں۔ مثال کے طور پر ، نیا منتظم اکاؤنٹ یا نیٹ ورک تک رسائی چینل کسی سمجھوتہ کرنے والے نظام اور / یا غیر مجاز رسائی کی طرف رہنمائی کرسکتا ہے۔

مرحلہ 5: تجزیہ اور رپورٹنگ

آخری مرحلے میں جانچ کی جارہی ہے کہ کیا غیر مجاز ادارہ اپنے سسٹم سے پٹریوں کو ڈھک سکتا ہے ، یعنی تاریخ اور لاگ کو حذف کرسکتا ہے ، جس سے حملوں کا پتہ لگانا ناممکن ہے۔ اے آئی کا استعمال کرتے ہوئے ، ٹولز چھپے ہوئے دروازوں ، غیر مجاز رسائی کے نقطوں ، وغیرہ کا پتہ لگاسکتے ہیں۔ نیز ، یہ اوزار غلطیوں ، گمشدہ اندراجات ، یا دیگر مشکوک سرگرمیوں کو تلاش کرنے کے لئے خرابی کے پیغامات اور سسٹم کے لاگز کا بہتر تجزیہ کرسکتے ہیں۔ آخر میں ، اس تجزیے کو ہدف کے مکمل امتحان کے نتائج کی تفصیل سے پڑھنے میں آسانی سے رپورٹ دی گئی ہے۔