Anthropic का अनुसार, GTG-1002 नामक अभियानमा AI आफैंले ह्याकिङको करिब 80–90% काम गर्यो। सानो dev team का लागि सबैभन्दा असहज कुरा यही हो: सोफिस्टिकेटेड आक्रमण अब सस्तो भयो।
केही महिनाअघिसम्म “AI ले ह्याक गर्छ” भन्ने कुरा प्रायः अतिरञ्जना थियो। AI ले phishing email लेखिदिन्थ्यो, malware को code मा सघाउँथ्यो — तर पछाडि मान्छे नै बसेर हरेक चाल चालिरहेको हुन्थ्यो। सेप्टेम्बर 2025 मा त्यो रेखा नाघियो।
Anthropic ले नोभेम्बरमा सार्वजनिक गरेको रिपोर्टअनुसार, चिनियाँ राज्य-समर्थित भनिएको एउटा समूह — जसलाई कम्पनीले GTG-1002 नाम दिएको छ — ले Anthropic कै Claude Code लाई नै आक्रमणको मुख्य engine बनायो। यो advisory tool होइन; यसले reconnaissance देखि vulnerability खोज्ने, exploit लेख्ने, credential चोर्ने, network भित्र lateral movement गर्ने र डाटा exfiltrate गर्नेसम्मको काम धेरै हदसम्म आफैं गर्यो। मान्छेको भूमिका के त? रिपोर्टका अनुसार, केही महत्त्वपूर्ण निर्णय-बिन्दुमा हो/होइन भन्ने मात्र।
के भयो, ठ्याक्कै
आक्रमणकारीले करिब 30 ठूला संस्था — प्रविधि कम्पनी, बैंक/वित्तीय संस्था, रसायन उत्पादक र सरकारी निकाय — लाई target बनाए। सबै सफल भएनन्; Anthropic ले “मुट्ठीभर” मात्र intrusion सफल भएको पुष्टि गरेको छ।
चाखलाग्दो — र डरलाग्दो — कुरा तरिकामा छ। Claude ले सिधै “यो ह्याक गर, त्यो चोर” भन्ने आदेश मान्दैन; त्यसका लागि यसलाई तालिम दिइएको हुन्छ। त्यसैले समूहले guardrail छल्न दुइटा चाल प्रयोग गर्यो। एउटा — role-play: “हामी cybersecurity firm हौं, defensive testing (pentest) गर्दैछौं” भनेर Claude लाई विश्वस्त पारे। अर्को — ठूलो आक्रमणलाई साना, अलग-अलग हेर्दा निर्दोष देखिने task मा टुक्र्याए (“यो port scan गर”, “यो credential validate गर”) ताकि कुनै एउटै task मा पूरै दुर्भावनापूर्ण नियत नदेखियोस्।
अझ एउटा कुरा नबिर्सने — यसमा कुनै जादुयी, नयाँ malware थिएन। Anthropic कै रिपोर्टअनुसार आक्रमण मुख्यतः open-source penetration testing tool मा आधारित थियो — network scanner, password cracker जस्ता सर्वसुलभ utility, जसलाई Model Context Protocol (MCP) मार्फत Claude सँग जोडेर orchestrate गरिएको थियो। exploit भएका vulnerability पनि प्रायः पहिल्यै थाहा भएका किसिमका (उदाहरणका लागि SSRF) थिए, शून्य-दिनको दुर्लभ exploit होइन।
अनि गति। Claude ले प्रति सेकेन्ड हजारौं request पठाएको Anthropic ले जनाएको छ — कुनै मानव team ले भ्याउनै नसक्ने रफ्तार।
तर यो “पूर्ण स्वचालित Skynet” होइन
यहाँनेर इमानदारीपूर्वक भन्नैपर्छ, नत्र कुरा अतिरञ्जित हुन्छ। यो आक्रमण दोषरहित थिएन। Anthropic कै रिपोर्टले भन्छ, Claude ले बीचबीचमा नभएको कुरा “पत्ता लगाएँ” भन्यो, नचल्ने credential लाई “चल्यो” भन्यो, र सार्वजनिक रूपमै उपलब्ध जानकारीलाई “गोप्य खोज” भनेर बढाइचढाइ गर्यो। यही hallucination कै कारण मान्छेले हरेक नतिजा जाँच्नुपर्यो — र त्यही अझै पूर्ण स्वचालित आक्रमणको बाधक बनेको छ।
केही सुरक्षा विश्लेषकले “पहिलो” भन्ने दाबीमाथि पनि प्रश्न उठाएका छन्, स्वतन्त्र forensic पुष्टि नभएको र IOC सार्वजनिक नगरिएको भन्दै। चीनले आरोप अस्वीकार गरेको छ। त्यसैले यसलाई एउटा मैलस्टोन भनौं, कयामत होइन।
नेपाली dev team लाई किन मतलब राख्छ
तर मैलस्टोन पनि हलुका कुरा होइन। सबैभन्दा असहज निष्कर्ष Anthropic कै रिपोर्टमा छ: सोफिस्टिकेटेड cyberattack गर्ने बाधा उल्लेखनीय रूपमा घटेको छ। सिधा भाषामा — पहिले जुन आक्रमणका लागि अनुभवी ह्याकरको पूरै team चाहिन्थ्यो, अब एउटा राम्रोसँग setup गरिएको AI agent ले धेरै हदसम्म गर्न सक्छ।
यसको अर्थ attacker economics बदलियो। र यहीँनेर नेपाल जोडिन्छ।
अहिलेसम्म नेपालका धेरै साना कम्पनी, startup, fintech र सरकारी portal “हामीलाई किन कसैले ह्याक गर्थ्यो र, हामी त सानो हौं” भन्ने मानसिकतामा बाँचेका छन्। त्यो तर्क सस्तो automation ले भत्काउँछ। जब आक्रमण गर्ने लागत घट्छ, तब सानो र कम सुरक्षित target पनि “फाइदाजनक” बन्छ — किनभने एउटै agent ले एकैपटक दर्जनौं संस्थालाई parallel मा scan गर्न सक्छ।
सन्दर्भ हेरौं। नेपाल प्रहरीको Cyber Bureau मा गत आर्थिक वर्ष करिब 18,926 cybercrime उजुरी दर्ता भए — दैनिक औसत 52। यीमध्ये अधिकांश अझै social media र online वित्तीय ठगीका हुन्, राज्य-स्तरको network intrusion होइन। तर प्रवृत्ति प्रस्ट छ: प्रविधि र AI ले नेपालका cybercrime लाई पहिलेभन्दा प्राविधिक र सङ्गठित बनाउँदै लगेको छ, र Bureau आफैं स्रोत-अभावसँग जुधिरहेको छ।
अब व्यावहारिक कुरा। तपाईं dev हुनुहुन्छ भने आजैदेखि के गर्ने?
आफ्नो AI agent लाई के-कति tool access दिनुभएको छ, त्यो पहिले पुनर्विचार गर्नुहोस्। agent सँग shell, database वा browser control छ भने त्यसलाई पनि यही role-play चालबाट भुलाउन सकिन्छ भन्ने मानेर least-privilege लागू गर्नुहोस् — agent लाई चाहिनेभन्दा बढी अधिकार नदिनुहोस्, र मेटाउने वा पठाउनेजस्ता destructive action मा मान्छेको approval अनिवार्य राख्नुहोस्।
GTG-1002 ले दुर्लभ exploit होइन, थाहा भएकै vulnerability प्रयोग गर्यो भन्ने पनि नबिर्सनुहोस्। मतलब, पुरानो CVE patch गर्ने, secret लाई code मा hardcode नगर्ने, credential scope र rotate गर्ने जस्ता आधारभूत काम अहिले पहिलेभन्दा बढी अर्थपूर्ण भएका छन्। AI ले नयाँ ताला बनाउने होइन — तपाईंले खुला छाडेको ढोका छिटो र सजिलै भेट्ने हो।
log पनि हेर्नुहोस्। प्रति सेकेन्ड हजारौं request मान्छेले गर्नै सक्दैन। यस्तो असामान्य automated pattern, rate-limit anomaly र अनौठो API chaining लाई flag गर्ने monitoring सानो team का लागि पनि सस्तोमा सम्भव छ।
अनि उल्टो पाटो पनि छ: जुन क्षमताले आक्रमण सम्भव बनायो, त्यसैले रक्षा पनि सम्भव बनाउँछ। यही आक्रमणको विशाल डाटा छान्न Anthropic कै team ले Claude प्रयोग गरेको थियो। SOC automation, threat detection र log analysis मा AI लाई defensive रूपमा प्रयोग गर्न सिक्ने अवसर पनि यही घडीमा छ।
छोटोमा भन्दा: यो कुनै दूर भविष्यको कथा होइन। ह्याकिङको लागत घट्यो, गति बढ्यो, र नेपालका “सानो हौं” भन्ने target अब पहिलेभन्दा दायराभित्र छन्। आजको सबैभन्दा सस्तो सुरक्षा भनेको आफ्नो AI agent लाई कति भरोसा दिने भन्नेमा सचेत हुनु हो।