gouravnagar-infosec/ai-kill-chainरक्षक-पक्ष का विस्तार जो LLM और एजेंटिक AI खतरों के लिए Lockheed Martin Cyber Kill Chain को अनुकूलित करता है। यह एक मॉडल सप्लाई चेन चरण जोड़ता है और actions-on-objectives को एक्सफ़िल्ट्रेशन, मॉडल एक्सट्रैक्शन और एजेंटिक पिवट में विभाजित करता है।
LLM और एजेंटिक AI हमलों के विरुद्ध काम करने वाले डिफेंडर्स के लिए Lockheed Martin Cyber Kill Chain का एक अपडेट। मॉडल सप्लाई चेन समझौते के लिए एक पूर्व-हमला चरण जोड़ता है। मूल सात चरणों में से प्रत्येक में AI-विशिष्ट उप-तकनीकें जोड़ता है। Actions on Objectives चरण को तीन समकक्ष उप-चरणों में विभाजित करता है: पारंपरिक डेटा एक्सफिल्ट्रेशन, मॉडल एक्सट्रैक्शन, और एजेंटिक पिवट।
लेखक: Gourav Nagar संस्करण: 1.0 दिनांक: 19 मई, 2026 रिपॉजिटरी: https://github.com/gouravnagar-infosec/ai-kill-chain
उद्धृत करें: Nagar, G. (2026). Extended Cyber Kill Chain for AI-Era Threats (Version 1.0). Zenodo. https://doi.org/10.5281/zenodo.20349357
Lockheed Martin Cyber Kill Chain 2011 से डिफेंडर्स के लिए यह वर्णन करने का कार्यशील मॉडल रहा है कि एक घुसपैठ अभियान कैसा होता है। टोह से लेकर actions on objectives तक सात चरण। नेटवर्क और एंडपॉइंट हमला सतह। मानव हमलावर जो नियतात्मक लक्ष्यों के विरुद्ध उपकरण चलाते हैं। डिफेंडर्स के लिए इसका मूल्य व्यवधान तर्क में है: किसी भी एक चरण को अवरुद्ध करें और शेष श्रृंखला पूरी नहीं हो सकती।
LLM और AI एजेंट उस चित्र में फिट नहीं बैठते। हमलावर अब मॉडल वेट्स, प्रशिक्षण डेटा, सिस्टम प्रॉम्प्ट, टूल विवरणों को निशाना बनाते हैं। एक दस्तावेज़ या वेब पेज ऐसे निर्देश ले जा सकता है जिन्हें एक AI एजेंट ऐसे निष्पादित करेगा जैसे किसी उपयोगकर्ता ने उन्हें टाइप किया हो। टूल एक्सेस वाले एजेंट वैध विश्वास संबंधों के माध्यम से बिना कभी shellcode लोड किए पिवट कर सकते हैं।
MITRE ATLAS और OWASP LLM Top 10 दोनों इन खतरों की सूची बनाते हैं। ATLAS v5.4.0 (फरवरी 2026) में 16 रणनीतियाँ, 84 तकनीकें, और 42 केस अध्ययन हैं, जिनकी कवरेज अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन और एजेंटिक कमांड एंड कंट्रोल तक पहुँचती है। OWASP की 2025 LLM Top 10 एप्लिकेशन निर्माताओं के लिए दस जोखिम श्रेणियों को प्राथमिकता देती है। दोनों मैट्रिसेस या जोखिम सूचियों के रूप में संगठित हैं। कोई भी किल चेन नहीं है।
यह दस्तावेज़ उसी सामग्री का किल-चेन-आकार का दृश्य है। यह उन SOC विश्लेषकों और डिटेक्शन इंजीनियरों के लिए लिखा गया है जो पहले से किल चेन चरणों में सोचते हैं।
यह विहित सात के ऊपर तीन काम करता है। यह AI सप्लाई चेन के विरुद्ध विरोधी गतिविधि के लिए एक नया पूर्व-हमला चरण (चरण 0) जोड़ता है। यह मूल सात चरणों में से प्रत्येक के भीतर AI-विशिष्ट उप-तकनीकें जोड़ता है, EKC IDs के साथ ताकि डिटेक्शन नियम और SOC प्लेबुक उन्हें संदर्भित कर सकें। और यह चरण 7 (Actions on Objectives) को तीन समकक्ष उप-चरणों में विभाजित करता है: पारंपरिक डेटा एक्सफिल्ट्रेशन, मॉडल एक्सट्रैक्शन, और एजेंटिक पिवट।
यह ATLAS या OWASP का प्रतिस्थापन नहीं है। यह उसी खतरा सतह का किल-चेन-आकार का दृश्य है।
मूल Cyber Kill Chain, Hutchins, Cloppert, और Amin के 2011 के Lockheed Martin पेपर से, एक घुसपैठ को सात चरणों में विभाजित करता है।
| चरण | नाम | विरोधी क्या कर रहा है |
|---|---|---|
| 1 | टोह | लक्ष्य चुनना |
| 2 | हथियारीकरण | एक एक्सप्लॉइट को पेलोड के साथ जोड़ना |
| 3 | डिलीवरी | हथियार को लक्ष्य तक पहुँचाना |
| 4 | शोषण | इसे ट्रिगर करना |
| 5 | इंस्टॉलेशन | पर्सिस्टेंस स्थापित करना |
| 6 | कमांड एंड कंट्रोल | एक नियंत्रण चैनल स्थापित करना |
| 7 | Actions on Objectives | मिशन प्राप्त करना |
यह मॉडल एक दशक से अधिक की डिटेक्शन इंजीनियरिंग प्रैक्टिस, थ्रेट इंटेल रिपोर्टिंग संरचना, और SOC प्लेबुक डिज़ाइन का आधार है। फ्रेमवर्क और इसके परिचालन उपयोग का पुस्तक-लंबाई उपचार Nagar और Kumar (2025), Cyber Security Kill Chain: Tactics and Strategies (Packt) है। यह फ्रेमवर्क उस पुस्तक का विस्तार है।
AI-युग के हमलों के लिए मूल धारणाएँ चार स्थानों पर टूटती हैं।
हमलों में अब एक पूर्व-नेटवर्क चरण है। एक ज़हरीला डेटासेट या सार्वजनिक रजिस्ट्री पर पड़ा एक समझौता-ग्रस्त पूर्व-प्रशिक्षित मॉडल किसी भी पैकेट के फ़ायरवॉल पार करने से पहले लक्ष्य संगठन को समझौता कर सकता है। विहित किल चेन टोह से शुरू होती है और इसे रखने के लिए कहीं नहीं है।
प्रॉम्प्ट कोड और डेटा मिलाते हैं। LLM निर्देशों को सामग्री से विश्वसनीय रूप से अलग नहीं बता सकते। एक वेब पेज, एक ईमेल, या एक टूल विवरण में छिपा पाठ ऐसे निर्देश बन सकता है जिनका मॉडल पालन करता है। जिसे किल चेन अलग डिलीवरी और शोषण चरणों के रूप में मानती है, वह AI मामले में एक ही आदिम में समा जाता है: अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन।
मॉडल स्वयं अब लक्ष्य हैं। विरोधी वेट्स, फाइन-ट्यूनिंग डेटा, सिस्टम प्रॉम्प्ट, तैनात मॉडलों में एन्कोड की गई क्षमताएँ चाहते हैं। "डेटा एक्सफिल्ट्रेशन" इसे कम आँकता है। मॉडल एक्सट्रैक्शन, प्रशिक्षण-डेटा एक्सट्रैक्शन, क्षमता माइनिंग — प्रत्येक की अलग यांत्रिकी है और अलग बचाव चाहिए।
और एजेंट अपनी ही अनुमतियों के माध्यम से पिवट करते हैं। टूल एक्सेस (MCP, function calling, ब्राउज़र नियंत्रण) वाले एक समझौता-ग्रस्त AI एजेंट को विशेषाधिकार बढ़ाने या shellcode लोड करने की आवश्यकता नहीं है। यह उन टूल्स को आमंत्रित करता है जिन्हें उपयोग करने की अनुमति उसे पहले से है। यांत्रिकी पारंपरिक लेटरल मूवमेंट नहीं है, लेकिन लक्ष्य वातावरण पर प्रभाव है।
ATLAS पकड़ रहा है। v4.9.0 (अप्रैल 2025) ने Command and Control को एक रणनीति (AML.TA0014) के रूप में जोड़ा। v5.1.0 (नवंबर 2025) ने Lateral Movement (AML.TA0015) जोड़ा। v5.4.0 (फरवरी 2026) तक ATLAS एक 16-रणनीति मैट्रिक्स है जिसमें एजेंटिक खतरों की अच्छी कवरेज है, जिसमें SesameOp (AML.CS0042) और OpenClaw (AML.CS0050, AML.CS0051) के केस अध्ययन शामिल हैं। यह फ्रेमवर्क ATLAS में अंतराल भरने के लिए मौजूद नहीं है; ATLAS एक मैट्रिक्स के रूप में काम करता है। यह इसलिए मौजूद है क्योंकि वही सामग्री उन डिफेंडर्स के लिए उपलब्ध होनी चाहिए जो किल-चेन चरणों में तर्क करते हैं, जिसमें मूल चरण व्यवधान तर्क अभी भी काम कर रहा है।
flowchart LR
S0["Stage 0<br/><b>Model Supply<br/>Chain Compromise</b><br/><i>NEW</i>"]:::new
S1["Stage 1<br/>Reconnaissance<br/><i>AI-augmented</i>"]:::mod
S2["Stage 2<br/>Weaponization<br/><i>AI-augmented</i>"]:::mod
S3["Stage 3<br/>Delivery<br/><i>AI-augmented</i>"]:::mod
S4["Stage 4<br/>Exploitation<br/><i>AI-augmented</i>"]:::mod
S5["Stage 5<br/>Installation<br/><i>AI-augmented</i>"]:::mod
S6["Stage 6<br/>Command & Control<br/><i>AI-augmented</i>"]:::mod
S7["Stage 7<br/>Actions on Objectives<br/><i>EXPANDED</i>"]:::expanded
S7A["7a. Data Exfiltration<br/><i>classical</i>"]:::expanded
S7B["7b. Model Extraction<br/><i>NEW</i>"]:::new
S7C["7c. Agentic Pivot<br/><i>NEW</i>"]:::new
S0 --> S1 --> S2 --> S3 --> S4 --> S5 --> S6 --> S7
S7 --> S7A
S7 --> S7B
S7 --> S7C