નવી દિલ્‍હી તા.૨૯: આર્ટિફિશિયલ ઇન્‍ટેલિજન્‍સ (AI) નો ઉપયોગ કરીને થતા સાયબર હુમલાઓએ ભારતની નાની નોન-બેંકિગ ફાઇનાન્‍શિયલ કંપનીઓ (NBFCs) માં ચિતા વધારી છે. છેલ્‍લા બે મહિનામાં સાયબર ગુનેગારોએ આ કંપનીઓ પાસેથી આશરે રૂા.૩૦૦ કરોડની ઉચાપત કરી હોવાના અહેવાલ છે. આ સંદર્ભમાં દેશભરમાં લગભગ ૧૫૦ ફરિયાદો અથવા FIR દાખલ કરવામાં આવી છે.

ધ ઇકોનોમિક ટાઇમ્‍સના એક અહેવાલ મુજબ, છેલ્‍લા દોઢ મહિનામાં સાયબર હુમલાઓ ઝડપથી વધ્‍યા છે. કેટલીક કંપનીઓને વારંવાર નિશાન બનાવવામાં આવી છે. પહેલા સાયબર હુમલામાં દિલ્‍હી સ્‍થિત એક NBFC ને રૂા. ૭.૫ કરોડનું નુકસાન થયું હતું. થોડા દિવસો પછી, કંપની પર ફરીથી હુમલો કરવામાં આવ્‍યો, જેમાં રૂા.૭.૨૫ કરોડનું નુકસાન થયું.

તપાસમાં સામેલ અધિકારીઓના જણાવ્‍યા અનુસાર, સાયબર ગુનેગારો મુખ્‍યત્‍વે રૂા.૧,૦૦૦ કરોડ કે તેથી ઓછા ટર્નઓવર ધરાવતી નાની ફગ્‍જ્‍ઘ્‍ ને નિશાન બનાવી રહ્યા છે. આ કંપનીઓની નબળી સાયબર સુરક્ષા સિસ્‍ટમ હેકર્સને તેમનો ભંગ કરવાની તક પૂરી પાડી રહી છે.

૧૫ ઓક્‍ટોબર સુધીમાં, ભારતમાં ૮,૫૦૨ NBFC નોંધાઈ હતી. અહેવાલ મુજબ, મુંબઈમાં આશરે ૩૦ ફરિયાદો, દિલ્‍હીમાં ૨૫ થી વધુ અને ચેન્નાઈમાં ૧૫-૧૬ ફરિયાદો નોંધાઈ છે. અન્‍ય શહેરોમાં પણ આવા જ કિસ્‍સાઓ નોંધાયા છે.

સાયબર સુરક્ષા એજન્‍સીઓ દ્વારા કરવામાં આવેલી તપાસમાં કેટલાક કિસ્‍સાઓમાં ચાઇનીઝ હેકિગ પ્‍લેટફોર્મ સાયબરસ્‍ટ્રાઇકનો પર્દાફાશ થયો છે. નિષ્‍ણાતોને શંકા છે કે સાયબરસ્‍ટ્રાઇક અને આર્ટેક્‍સ જેવા AI ટૂલકીટ્‍સ, ડીપસેક, અલીબાબાના ક્‍યુવેન, મૂનશોટના કિમી અને ઝીપુના GLM જેવા AI મોડેલ્‍સનો ઉપયોગ સાયબર હુમલાઓમાં થઈ રહ્યો છે. જો કે, આ ટૂલ્‍સના ઉપયોગ અને બધી ઘટનાઓ વચ્‍ચેના જોડાણની હજુ પણ તપાસ ચાલી રહી છે.

અધિકારીઓના જણાવ્‍યા અનુસાર, સાયબર ગુનેગારો પહેલા કંપનીની કાર્યકારી સિસ્‍ટમનો અભ્‍યાસ કરવામાં આશરે ૧૦ થી ૧૨ દિવસ વિતાવે છે. તેઓ નક્કી કરે છે કે ચુકવણી કેવી રીતે પ્રક્રિયા કરવામાં આવે છે, સિસ્‍ટમમાં કયા ડિજિટલ ID ને મંજૂરી છે અને સોફટવેરમાં નબળાઈઓ ક્‍યાં છે. પછી તેઓ હુમલો શરૂ કરે છે. AI ટૂલ્‍સની મદદથી, આ પદ્ધતિઓનો ઉપયોગ પહેલા કરતાં વધુ સરળ બન્‍યો છે.

અહેવાલો અનુસાર, સ્‍ટેટ બેંક ઓફ ઇન્‍ડિયા (SBI) એ તાજેતરમાં ડેટા સુરક્ષા ઘટનાથી પ્રભાવિત વ્‍યક્‍તિગત ગ્રાહકોને ચેતવણીઓ મોકલી હતી. આ ઘટનામાં, ડાર્ક વેબ પર ૩.૭૫ લાખ રેકોર્ડનો ડેટાસેટ લીક થયો હતો.

નિષ્‍ણાતોના મતે, AI ની મદદથી, બહુવિધ ડિજિટલ એજન્‍ટો એકસાથે કાર્ય કરી શકે છે. આ સિસ્‍ટમને તોડવાથી લઈને નુકસાન પહોંચાડવાનો સમય ઘણા દિવસોથી ઘટાડીને ફક્‍ત થોડા કલાકો સુધી ઘટાડી શકે છે. જે કંપનીઓએ તેમની સિસ્‍ટમની નબળાઈઓને સંપૂર્ણપણે સંબોધિત કરી નથી તેમના પર થોડા દિવસોમાં ફરીથી હુમલો થવાનું જોખમ વધી જાય છે.

ભારતની નોડલ સાયબર સુરક્ષા એજન્‍સી, CERT-In, એ સંસ્‍થાઓને તેમની સાયબર સુરક્ષા સિસ્‍ટમોને મજબૂત બનાવવાની સલાહ આપી છે. એજન્‍સીએ કંપનીઓની રેડ ટીમોને ARTEX અને CyberStrike સંબંધિત ચેતવણીઓને પ્રાથમિકતા આપવા કહ્યું છે.

સાયબર હુમલાનો ભય ફક્‍ત કંપનીઓના બેંક ખાતાઓ સુધી મર્યાદિત નથી. ગ્રાહકોની વ્‍યક્‍તિગત અને નાણાકીય માહિતી પણ જોખમમાં હોઈ શકે છે. સાયબર સુરક્ષા કંપની Cyble ના એક્‍ઝિક્‍યુટિવ વાઇસ પ્રેસિડેન્‍ટ મંદાર પાટીલના મતે, AI ગુનેગારોને હિન્‍દી અને તમિલ જેવી ભાષાઓમાં પણ વિશ્વાસપાત્ર વાતચીત કરવામાં મદદ કરી શકે છે.

ઉદાહરણ તરીકે, જો કોઈ કોલર વ્‍યક્‍તિનું નામ, લોન કંપની અને લોનની રકમ જાણે છે, તો તે એક વાસ્‍તવિક પ્રતિનિધિ દેખાઈ શકે છે. આ રીતે, છેતરપિંડી કરનારાઓ લોકોને બેંકિગ માહિતી અથવા અન્‍ય સંવેદનશીલ વિગતો મેળવવા માટે છેતરવાનો પ્રયાસ કરી શકે છે.

નિષ્‍ણાતોએ સાયબર હુમલાનો ભોગ બનેલી કંપનીઓને સલાહ આપી છે કે તેઓ છેતરપિડીભર્યા કોલ અને સંદેશાઓને રોકવા માટે તેમના ગ્રાહકોને સમયસર ચેતવણી આપે.

નબળા સાયબર ઈન્‍ફ્રાસ્‍ટ્રક્‍ચરને કારણે નાની NBFCs ને નિશાન બનાવવામાં આવે છે, એજન્‍સીઓને શક્‍ય તેટલી વહેલી તકે સુરક્ષા અપગ્રેડ કરવા વિનંતી કરવામાં આવી છે.

છેલ્‍લા ૧.૫ મહિનામાં હુમલાઓ વધ્‍યા છે, સમગ્ર ભારતમાં ૧૫૦ થી વધુ ફરિયાદો નોંધાઈ છે.

છેતરપિંડી કરનારાઓ નબળાઈઓનો ઉપયોગ કરતા પહેલા સંસ્‍થાઓના વ્‍હાઇટલિસ્‍ટેડ ID સુધી પહોંચ મેળવે છે.

ચીની AI ટૂલકીટ્‍સ ARTEX અને CyberStrike નો ઉપયોગ ભારત, જાપાન અને કોરિયાને નિશાન બનાવવા માટે કરવામાં આવે છે.

ARTEX નો ઉપયોગ કરીને વિશ્વભરમાં ૨,૨૫૦ થી વધુ સંસ્‍થાઓને નિશાન બનાવવામાં આવી છે. દર મહિને ૨,૯૦૦ થી વધુ લોગિન પ્રયાસો.

તપાસથી પરિચિત એક અધિકારીએ જણાવ્‍યું હતું કે, કેટલીક નાની NBFCs ને એ પણ ખબર નથી હોતી કે તેમની પાસે કયું ઈન્‍ફ્રાસ્‍ટ્રક્‍ચર હોવું જોઈએ અથવા ક્‍યારે ઓડિટ કરવું જોઈએ. તેમની સિસ્‍ટમ ખૂબ જ નબળી છે. અન્‍ય એક અધિકારીએ સમજાવ્‍યું કે છેતરપિંડી કરનારાઓ પહેલા NBFC ની કામગીરીની સમીક્ષા કરવામાં ૧૦-૧૨ દિવસ વિતાવે છે અને પછી નબળાઈઓ શોધી કાઢ્‍યા પછી હુમલો કરે છે.

જો કોઈ કોલ કરનાર તમારું નામ, તમારી લોન આપતી બેંક/સંસ્‍થાનું નામ અને લોનની રકમ જાણે છે, તો તે વિશ્વસનીય લાગે છે. હિન્‍દી અથવા તમિલ જેવી ભાષાઓમાં આવા કોલ માટે સંપૂર્ણ સ્‍ક્રિપ્‍ટ બનાવવા માટે LLM (લાર્જ લેંગ્‍વેજ મોડેલ) નો ઉપયોગ કરી શકાય છે, સાયબલના એક્‍ઝિક્‍યુટિવ વાઇસ પ્રેસિડેન્‍ટ મંદાર પાટીલે જણાવ્‍યું. (૩૮