পরবর্তী প্রজন্মের উদ্ভাবন ও সাইবার নিরাপত্তার গ্লোবাল লিডার সফোস সম্প্রতি নতুন এক রিপোর্ট প্রকাশ করেছে। বর্তমানে জনপ্রিয় চ্যাটজিপিটি ফ্রেমওয়ার্কের ল্যাঙ্গুয়েজ মডেল জিপিটিথ্রি কীভাবে সাইবার আক্রমণকারীদের প্রতিরোধ করতে সাহায্যকারী হিসেবে সাইবার সিকিউরিটি ইন্ডাস্ট্রিতে কাজ করতে পারে এ রিপোর্টে দেখানো হয়েছে।
‘জিপিটি ফর ইউ অ্যান্ড মি : অ্যাপ্লায়িং এআই ল্যাঙ্গুয়েজ প্রসেসিং টু সাইবার ডিফেন্স’ নামক সাম্প্রতিক এ রিপোর্টে দেখানো হয়েছে, জিপিটিথ্রির বড় ধরনের ল্যাংগুয়েজ মডেলগুলো কীভাবে নিরাপত্তা সফটওয়্যার থেকে ডেটাসেটে ক্ষতিকারক কার্যকলাপ আরও সহজে খোঁজ করতে পারে। এমনকি এ ল্যাঙ্গুয়েজ মডেলগুলো দিয়ে স্প্যাম ফিল্টার করা এবং ‘লিভিং অব দ্য ল্যান্ড’ বাইনারি (এলওএলবিন) আক্রমণ বিশ্লেষণও দ্রুততার সঙ্গে করা যায়। সফোসের প্রিন্সিপাল থ্রেট রিসার্চার, শন গ্যালাঘের বলেন, ওপেনএআই হিসেবে চ্যাটজিপিটি উন্মোচনের পর, সিকিউরিটি কমিউনিটি নতুন এ প্রযুক্তির সম্ভাব্য ঝুঁকির ওপর খুব বেশি নজর রাখছে। কারণ এআই কী সম্ভাব্য আক্রমণকারীদের ম্যালওয়্যার লিখতে কিংবা সাইবার অপরাধীদের ফিশিং ইমেইল লিখতে সাহায্য করবে? সফোসে আমরা দীর্ঘদিন ধরে এআইকে শত্রুর পরিবর্তে সহযোগী হিসেবেই দেখছি। এটিকে সফোসের জন্য একটি ভিত্তিপ্রস্তর হিসেবেও দেখা হচ্ছে। সিকিউরিটি প্রতিষ্ঠানগুলোর শুধু সম্ভাব্য ঝুঁকির ওপর মনোযোগ দেওয়া উচিত হবে না, কেননা জিপিটিথ্রি অবারিত অনেক দ্বার উন্মোচন করছে।
সফোসএআইর প্রধান ডেটা বিজ্ঞানী ইয়াংহু লি-সহ সফোস এক্স-অপস গবেষকরা তিনটি প্রোটোটাইপ প্রকল্প নিয়ে কাজ করছেন। এআই মডেলকে কয়েকটি ডেটা নমুনার মাধ্যমে প্রশিক্ষণ দেওয়ার জন্য এই তিনটি প্রকল্প ‘ফিউ-শট লার্নিং’ নামে একটি কৌশল ব্যবহার করেছে, যা অনেক পরিমাণে আগের শ্রেণিবদ্ধ ডেটা সংগ্রহের প্রয়োজনীয়তা কমিয়ে আনে। সফোস প্রথম অ্যাপ্লিকেশনটি কয়েকটি শট লার্নিং পদ্ধতির পরীক্ষা করে। যেখানে নিরাপত্তা সফটওয়্যার টেলিমেট্রিতে ক্ষতিকারক কার্যকলাপের মাধ্যমে শিফটিংয়ের জন্য এটি একটি প্রাকৃতিক ভাষা ক্যোয়ারি ইন্টারফেস ছিল। বিশেষভাবে, সোফোস মডেলটিকে তার এন্ডপয়েন্ট শনাক্ত এবং প্রোডাক্ট রেসপন্সের বিরুদ্ধে তার পরীক্ষা করেছে।
চ্যাটজিপিটি ব্যবহার করে সফোস একটি নতুন স্প্যাম ফিল্টার পরীক্ষা করেছে। সেখানে দেখা গেছে, স্প্যাম ফিল্টারিংয়ের জন্য অন্যান্য মেশিন লার্নিং মডেলের সঙ্গে তুলনা করলে জিপিটিথ্রির ব্যবহার করা ফিল্টারগুলো উল্লেখযোগ্য পরিমাণে সঠিক ছিল। সবশেষে, সোফোস গবেষকরা এলওএলবিনসের কমান্ড লাইনের বিপরীত বা রিভার্স-ইঞ্জিনিয়ারিং প্রক্রিয়াটিকে সহজ করার জন্য একটি প্রোগ্রাম তৈরি করতে সক্ষম হন। এ ধরনের রিভার্স-ইঞ্জিনিয়ারিং সবসময়ই কঠিন হয়ে থাকে। কিন্তু এলওএলবিনসের আচরণ বোঝার জন্য এবং ভবিষ্যতে এই ধরনের আক্রমণ বন্ধ করার জন্য এটি গুরুত্বপূর্ণ।
