अमेरिकी साइबरसुरक्षा और अवसंरचना सुरक्षा एजेंसी (CISA), फेडरल ब्यूरो ऑफ इन्वेस्टिगेशन (FBI) और नेशनल सिक्योरिटी एजेंसी (NSA) ने चेतावनी दी है कि कई चीनी आर्टिफिशियल इंटेलिजेंस कंपनियों ने कथित तौर पर महीनों तक “डिस्टिलेशन अटैक” चलाकर प्रमुख अमेरिकी AI मॉडलों की स्वामित्व वाली क्षमताओं को निकालने की कोशिश की। इस सलाह में DeepSeek, MoonshotAI, Alibaba, MiniMax, StepFun और Z.AI के नाम शामिल हैं। संभावित रूप से प्रभावित अमेरिकी कंपनियों में Anthropic, OpenAI, Google और xAI शामिल हैं।
इस गतिविधि में उन्नत AI मॉडलों को बड़ी संख्या में सावधानी से तैयार किए गए प्रॉम्प्ट भेजे जाते हैं, ताकि उनकी क्षमताओं, तर्क-पद्धतियों और सुरक्षा सीमाओं को दोहराया जा सके। इन मॉडलों से मिले जवाबों का इस्तेमाल किसी अन्य मॉडल को प्रशिक्षित करने या बेहतर बनाने में किया जा सकता है। CISA ने कहा कि इस गतिविधि के कुछ हिस्से चीनी सरकार की जानकारी में संचालित हुए हो सकते हैं। एजेंसी का अनुमान है कि निकाली गई क्षमताएं अमेरिकी अनुसंधान एवं विकास पर खर्च किए गए अरबों डॉलर के बराबर हो सकती हैं।
प्रॉक्सी नेटवर्क और फर्जी खातों से निगरानी कठिन
सलाह के मुताबिक, ऑपरेटरों ने अपनी वास्तविक उत्पत्ति छिपाने के लिए प्रॉक्सी सर्वरों का इस्तेमाल किया और फर्जी उपयोगकर्ताओं के बड़े नेटवर्क बनाए। इन खातों से बहुत बड़ी संख्या में क्वेरी भेजी गईं, ताकि प्लेटफॉर्म की निगरानी और एक्सेस-कंट्रोल से बचा जा सके। कुछ अभियानों के महीनों तक चलने की आशंका है। इनका उद्देश्य किसी एक जवाब को हासिल करना नहीं, बल्कि अलग-अलग कार्यों, विषयों और सुरक्षा सीमाओं पर मॉडल के व्यवहार का व्यवस्थित नक्शा तैयार करना था।
हमलावरों ने मॉडल को उसके मौजूदा नियमों की अनदेखी करने के लिए तैयार करने वाले प्रॉम्प्ट इंजेक्शन का भी इस्तेमाल किया। सितंबर 2026 की एक खतरा-रिपोर्ट में Anthropic ने मॉडल डिस्टिलेशन गतिविधियों से जुड़े कई प्रॉम्प्ट का वर्णन किया। इनमें से एक में मॉडल को निर्देश दिया गया कि वह इसे “रीजनिंग एक्सट्रैक्शन के रूप में चिह्नित न करे।” दूसरे में उपयोगकर्ता ने खुद को सिस्टम डीबग करने वाला बताया और मॉडल से पहले की तर्क-प्रक्रिया को शब्दशः दोहराने को कहा। कुछ अन्य प्रॉम्प्ट सिस्टम निर्देशों के रूप में छिपाए गए थे और उनमें <thinking></thinking> टैग के भीतर छिपी पूरी सामग्री मांगने की कोशिश की गई।
डिस्टिलेशन अपने आप में गैरकानूनी नहीं है। शोधकर्ता तकनीकी अनुसंधान के वैध उद्देश्यों के लिए किसी मॉडल के आउटपुट का अध्ययन कर सकते हैं और अलग-अलग जवाबों की तुलना करके अपने सिस्टम में सुधार कर सकते हैं। अमेरिकी साइबर सुरक्षा एजेंसियां और AI कंपनियां ऐसे अनुसंधान तथा उन अभियानों के बीच अंतर करती हैं, जिनमें बड़ी संख्या में फर्जी खाते बनाए जाते हैं, सेवा की शर्तों को दरकिनार किया जाता है या मॉडल से प्रतिबंधित सामग्री उजागर कराने की कोशिश की जाती है। उनके अनुसार, बाद वाली गतिविधि सामान्य अनुसंधान से आगे जाती है।
बदलती रणनीतियों के बीच AI कंपनियों ने नियंत्रण कसे
फिलहाल कोई एक तकनीकी उपाय इन हमलों को पूरी तरह रोकने में सक्षम नहीं है। Anthropic और अन्य AI कंपनियां असामान्य क्वेरी पैटर्न की पहचान, ग्राहक की पहचान की जांच और एक्सेस-कंट्रोल को बेहतर बना रही हैं। साथ ही, वे गतिविधि के प्रकार के अनुसार अधिक लक्षित प्रतिक्रिया लागू कर रही हैं। कंपनियां खतरे से जुड़ी सूचनाएं साझा करने पर भी काम कर रही हैं, ताकि मिलते-जुलते खातों के नेटवर्क और क्वेरी पैटर्न का जल्दी पता लगाया जा सके।
CISA ने पूरे AI इकोसिस्टम के लिए समन्वित प्रतिक्रिया की मांग की है। इसमें मॉडल डेवलपर, क्लाउड प्रदाता, पहचान-सत्यापन सेवाएं और अमेरिकी सरकार शामिल होंगे। इसका उद्देश्य यह है कि ऐसी गतिविधियों को रोकने की जिम्मेदारी केवल अलग-अलग कंपनियों पर निर्भर न रहे।
AI सेवाओं का आर्थिक ढांचा इस चुनौती को और जटिल बनाता है। प्रतिस्पर्धा के कारण कीमतें घट रही हैं और बड़ी संख्या में मॉडल कॉल करने की लागत कम हो रही है। इससे बड़े पैमाने पर आउटपुट इकट्ठा करने की बाधा भी कम हो सकती है। इसलिए प्लेटफॉर्म पर असामान्य उपयोग की निगरानी करने, ग्राहकों की पहचान सत्यापित करने और मॉडल के प्रतिबंधित व्यवहार की सुरक्षा करने का दबाव बना हुआ है, जबकि वैध उपयोगकर्ताओं की पहुंच बाधित न हो।
सुरक्षा चिंता कारोबारी रहस्यों से आगे
अमेरिकी सुरक्षा एजेंसियों को चिंता है कि उन्नत AI क्षमताओं की बड़े पैमाने पर नकल का असर केवल चीनी और अमेरिकी कंपनियों के बीच प्रतिस्पर्धा तक सीमित नहीं रहेगा। इससे ऐसे मॉडलों की उपलब्धता भी बढ़ सकती है जिनमें कमजोर सुरक्षा नियंत्रण हों। फरवरी 2026 की डिस्टिलेशन हमलों पर एक रिपोर्ट में Anthropic ने चेतावनी दी कि मूल मॉडल के सुरक्षा उपाय कमजोर या हटाए जाने के बाद भी खतरनाक क्षमताएं निकाले गए मॉडल में बनी रह सकती हैं।
कंपनी ने कहा कि ऐसे सिस्टम जैविक हथियारों के विकास, उन्नत सैन्य उपकरणों के डिजाइन, बड़े पैमाने के साइबर हमलों या अन्य अत्यधिक विघटनकारी स्वचालित अभियानों में मदद कर सकते हैं। Anthropic ने यह भी चेताया कि मजबूत राजनीतिक नियंत्रण वाली सरकारें इसी तरह के सिस्टम का इस्तेमाल आक्रामक साइबर हथियार विकसित करने, दुष्प्रचार अभियान चलाने और बड़े पैमाने पर निगरानी के लिए कर सकती हैं।
AI कंपनियों के लिए यह मुद्दा इसलिए केवल स्वामित्व वाली तकनीक के नुकसान तक सीमित नहीं है। यदि किसी मॉडल की क्षमताओं और उसकी सुरक्षा सीमाओं की नकल हो जाती है, तो मूल डेवलपर का इस बात पर नियंत्रण कम हो सकता है कि उन क्षमताओं को कैसे इस्तेमाल किया जाएगा और सुरक्षा उपाय वास्तव में लागू रहेंगे या नहीं।
DeepSeek की बताई गई लागत पर सवाल
यह विवाद चीन की कम लागत वाली AI मॉडल रणनीति को लेकर निवेशकों के आकलन को भी प्रभावित कर रहा है। DeepSeek ने तब बाजार का खास ध्यान खींचा था, जब उसने दावा किया कि उसने प्रमुख अमेरिकी मॉडलों की तुलना में बहुत कम लागत पर एक उन्नत सिस्टम विकसित किया। CISA ने अपनी सलाह में कहा कि DeepSeek द्वारा सार्वजनिक रूप से बताई गई 5.6 मिलियन डॉलर की प्रशिक्षण लागत अधूरी थी, क्योंकि इसमें बड़े पैमाने पर कथित दुरुपयोग वाली डिस्टिलेशन के जरिए डेटा और क्षमताएं हासिल करने की पूरी लागत शामिल नहीं थी।
सलाह में कहा गया कि DeepSeek ने अमेरिकी AI टूल से चरण-दर-चरण तर्क-प्रक्रिया उजागर करने वाले प्रॉम्प्ट भेजे, जिससे अपने मॉडलों में सुधार का रास्ता तैयार हुआ। यदि यह आकलन सही है, तो बताई गई प्रशिक्षण लागत सिस्टम विकसित करने के लिए जरूरी कुल निवेश को नहीं दर्शाती। इसकी तुलना उन मॉडलों से सीधे नहीं की जा सकेगी, जिनके लिए स्वामित्व वाली चिप्स खरीदी गईं, डेटा सेंटर बनाए गए, बिजली की व्यवस्था की गई और शोध टीमों को नियुक्त किया गया।
इसी दौरान पूरे AI उद्योग में कीमतों की प्रतिस्पर्धा तेज हो रही है। छोटे और अधिक दक्ष मॉडल डेवलपरों तथा कारोबारी ग्राहकों को कम शुल्क पर आकर्षित करने की कोशिश कर रहे हैं। DeepSeek समेत चीनी मॉडल अमेरिकी बाजार में अपनी मौजूदगी बढ़ा रहे हैं।
निवेशकों के लिए अहम सवाल केवल मॉडल कॉल की कीमत तक सीमित नहीं हैं। यह भी देखना होगा कि कंपनियां अपने प्रशिक्षण डेटा और मॉडल क्षमताओं के स्रोत को किस तरह प्रमाणित करती हैं, प्लेटफॉर्म डिस्टिलेशन हमलों से पैदा होने वाली छिपी लागत को कितना कम कर पाते हैं और क्या नियामक पूरे AI इकोसिस्टम में व्यापक सहयोग को प्रोत्साहित करेंगे।