ಕಳೆದ ಕೆಲವು ವರ್ಷಗಳಿಂದ, ಅಪ್ಲಿಕೇಶನ್ ಭದ್ರತೆಯು ಸ್ಪಷ್ಟವಾದ ಗಡಿಯನ್ನು ಹೊಂದಿತ್ತು: ರೆಪೊಸಿಟರಿ ಮತ್ತು pipeline. ನಿಯಂತ್ರಣಗಳು ಅಲ್ಲಿಯೇ ಇರುತ್ತವೆ, ಸ್ಕ್ಯಾನ್ಗಳು ನಡೆಯುತ್ತವೆ, ಉತ್ಪಾದನೆಗೆ ಏನನ್ನಾದರೂ ರವಾನಿಸಬೇಕೆ ಎಂದು ತಂಡಗಳು ನಿರ್ಧರಿಸುತ್ತವೆ. ಇದೆಲ್ಲವೂ ಒಂದು ಊಹೆಯ ಮೇಲೆ ನಿಂತಿದೆ: ಡೆವಲಪರ್ ಯಾವ ಕೋಡ್ ಮತ್ತು ಯಾವ ಅವಲಂಬನೆಗಳು ವ್ಯವಸ್ಥೆಯನ್ನು ಪ್ರವೇಶಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಆರಿಸಿಕೊಳ್ಳುತ್ತಾರೆ.
ಆ ಊಹೆ ಇನ್ನು ಮುಂದೆ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ. ಇಂದು ಹೆಚ್ಚುತ್ತಿರುವ ಕೋಡ್ ಪಾಲನ್ನು AI ಏಜೆಂಟ್ ಬರೆಯುತ್ತಾರೆ, ಸೂಚಿಸುತ್ತಾರೆ ಅಥವಾ ಸ್ಥಾಪಿಸುತ್ತಾರೆ, ಆಗಾಗ್ಗೆ ಯಾರೂ ಏನು ಎಳೆಯಲಾಗುತ್ತಿದೆ ಎಂಬುದರ ಹೆಸರನ್ನು ನೋಡದೆಯೇ.cisಕೋಡ್ಗೆ ಪ್ರವೇಶಿಸುವ ಮಾಹಿತಿಯ ಅಯಾನು ಚಲಿಸುತ್ತದೆ, ದಾಳಿಯೂ ಸಹ ಚಲಿಸುತ್ತದೆ. ಇದು ಪ್ರಕ್ರಿಯೆಯ ಮುಂಭಾಗಕ್ಕೆ ಚಲಿಸುತ್ತದೆ: ಕೋಡ್ ಅನ್ನು ರಚಿಸಿದ ಕ್ಷಣ, ಸಹಾಯಕದ ಒಳಗೆ ಮತ್ತು ಅದನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡುವ ಫೈಲ್ಗಳಲ್ಲಿ.
ಇದು ನಿಮ್ಮ AI ದಾಳಿಯ ಮೇಲ್ಮೈ: ಪ್ರತಿಯೊಂದು ಮಾದರಿ, ಏಜೆಂಟ್, MCP ಸರ್ವರ್, ಕೌಶಲ್ಯ ಮತ್ತು AI-ಸೂಚಿಸಿದ ಅವಲಂಬನೆಯು ಈಗ ಮನುಷ್ಯನು ಅದನ್ನು ಪರಿಶೀಲಿಸುವ ಮೊದಲು ಅಪಾಯವನ್ನು ಪರಿಚಯಿಸಬಹುದು. ನಿಮ್ಮ ಡೆವಲಪರ್ಗಳು ನಂಬುವ ಅದೇ AI ಈಗ ಅದರ ಭಾಗವಾಗಿದೆ. ಇದು ಭವಿಷ್ಯದ ಅಪಾಯವಲ್ಲ. ಇದು ಈಗಾಗಲೇ ಸಂಭವಿಸಿದ ಬದಲಾವಣೆಯಾಗಿದೆ ಮತ್ತು ಆಚರಣೆಯಲ್ಲಿ ಅದು ಹೇಗೆ ಕಾಣುತ್ತದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ.
ದಾಳಿಗಳ ಅಲೆ, ಪ್ರತ್ಯೇಕ ಘಟನೆಯಲ್ಲ.
ಈ ಕೆಳಗಿನವುಗಳಲ್ಲಿ ಯಾವುದೂ ಪ್ರಯೋಗಾಲಯದ ವ್ಯಾಯಾಮವಲ್ಲ.cisಇ ಅಥವಾ ಒಂದು ಕಾಲ್ಪನಿಕ. ಇವು ಸಾರ್ವಜನಿಕ, ದಾಖಲಿತ ಘಟನೆಗಳು, ಬಹುತೇಕ ಎಲ್ಲವೂ ಕಳೆದ ವರ್ಷದಿಂದ, ಮತ್ತು ಪ್ರತಿಯೊಂದೂ AI ಏಜೆಂಟ್ಗೆ ಸ್ವಲ್ಪ ಹತ್ತಿರದಲ್ಲಿದೆ:
- ಆಗಸ್ಟ್ 2025, s1ngularity: ದಾಳಿಕೋರರು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಬಿಲ್ಡ್ ಸಿಸ್ಟಮ್ಗಳಲ್ಲಿ ಒಂದಾದ Nx ನಿಂದ ಪ್ರಕಾಶನ ಟೋಕನ್ ಅನ್ನು ಕದ್ದಿದ್ದಾರೆ ಮತ್ತು ಡೆವಲಪರ್ಗಳ ಯಂತ್ರಗಳಲ್ಲಿ ರಹಸ್ಯಗಳನ್ನು ಬೇಟೆಯಾಡಲು AI ಪರಿಕರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ದುರುದ್ದೇಶಪೂರಿತ ಆವೃತ್ತಿಗಳನ್ನು npm ಗೆ ತಳ್ಳಿದ್ದಾರೆ.
- ಸೆಪ್ಟೆಂಬರ್ 2025, ಸೀಮೆಸುಣ್ಣ/ಡೀಬಗ್: npm ನ ಅತಿದೊಡ್ಡ ಹೊಂದಾಣಿಕೆಗಳಲ್ಲಿ ಒಂದಾದ, ಎರಡು ಬಿಲಿಯನ್ಗಿಂತಲೂ ಹೆಚ್ಚು ವಾರದ ಡೌನ್ಲೋಡ್ಗಳನ್ನು ಹೊಂದಿರುವ 18 ಪ್ಯಾಕೇಜ್ಗಳು, ಒಬ್ಬನೇ ನಿರ್ವಹಣಾದಾರನ ಖಾತೆಯ ಅಪಹರಣದ ಮೂಲಕ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡವು.
- ಸೆಪ್ಟೆಂಬರ್ 2025, ಶೈ-ಹುಲುದ್: npm ಮೂಲಕ ಸ್ವಯಂ-ಪ್ರಸರಣ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಮೊದಲ ದಾಖಲಿತ ಹುಳುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ನವೆಂಬರ್ನಲ್ಲಿ ನಡೆದ ಅದರ ಎರಡನೇ ಅಲೆಯು ಹೆಚ್ಚು ಆಕ್ರಮಣಕಾರಿಯಾಗಿತ್ತು ಮತ್ತು 25,000 ಕ್ಕೂ ಹೆಚ್ಚು ರೆಪೊಸಿಟರಿಗಳಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸಿದ ರಹಸ್ಯಗಳೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿತ್ತು.
- ಅಕ್ಟೋಬರ್ 2025, ಬಳಸದ-ಆಮದುಗಳು: ಫ್ಯಾಂಟಮ್ರಾವೆನ್ ಅಭಿಯಾನದ ಒಂದು ಭಾಗ, ಅಲ್ಲಿ AI ಭ್ರಮೆಯು ಸ್ಲೋಪ್ಸ್ಕ್ವಾಟಿಂಗ್ ತಂತ್ರದ ಮೂಲಕ ನಿಜವಾದ ಮಾಲ್ವೇರ್ ಅನ್ನು npm ಗೆ ಪರಿಚಯಿಸಿತು.
- ಈ ವರ್ಷ, ಕ್ಲಾಹಬ್: ಹೆಚ್ಚು ಡೌನ್ಲೋಡ್ ಮಾಡಲಾದ ಏಳು ಕೌಶಲ್ಯಗಳಲ್ಲಿ ಐದು ಮಾಲ್ವೇರ್ ಆಗಿದ್ದ ವಿಷಪೂರಿತ AI ಕೌಶಲ್ಯ ನೋಂದಾವಣೆ.
ಉದ್ಯಮವು ಅದೇ ತೀರ್ಮಾನವನ್ನು ಔಪಚಾರಿಕಗೊಳಿಸುತ್ತಿದೆ. LLM ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗಾಗಿ OWASP ಟಾಪ್ 10 ಪ್ರಾಂಪ್ಟ್ ಇಂಜೆಕ್ಷನ್ ಅನ್ನು ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿ ಇರಿಸುತ್ತದೆ. OWASP MCP ಟಾಪ್ 10 (ಪ್ರಸ್ತುತ ಬೀಟಾದಲ್ಲಿದೆ) ಪ್ರೋಟೋಕಾಲ್ ಏಜೆಂಟ್ಗಳು ಪರಿಕರಗಳೊಂದಿಗೆ ಮಾತನಾಡಲು ಬಳಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಹೊಸ ಇನ್ಕ್ಯುಬೇಟರ್-ಹಂತದ ಯೋಜನೆಯಾದ OWASP ಏಜೆಂಟ್ ಸ್ಕಿಲ್ಸ್ ಟಾಪ್ 10, ದುರುದ್ದೇಶಪೂರಿತ ಕೌಶಲ್ಯಗಳನ್ನು ಅದರ ಪ್ರಮುಖ ಅಪಾಯವೆಂದು ಹೆಸರಿಸುತ್ತದೆ. OWASP ಸಾಮಾನ್ಯವಾಗಿ ಎಚ್ಚರಿಕೆಯಿಂದ ಚಲಿಸುತ್ತದೆ; ಮೂರು ರಂಗಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ತೆರೆಯುತ್ತದೆ, ಅವುಗಳಲ್ಲಿ ಒಂದು ತುರ್ತಾಗಿ, ಇದು ಎಷ್ಟು ವೇಗವಾಗಿ ಚಲಿಸುತ್ತಿದೆ ಎಂಬುದರ ಕುರಿತು ಏನನ್ನಾದರೂ ಹೇಳುತ್ತದೆ.
ಮೂರೂ ಒಂದೇ ಕಲ್ಪನೆಯ ಮೇಲೆ ಒಮ್ಮುಖವಾಗುತ್ತವೆ: ಮಾದರಿಯ ಸುತ್ತಲಿನ ಸೂಚನೆಗಳು, ಪರಿಕರಗಳು ಮತ್ತು ಸಂರಚನೆಗಳು ಈಗ AI ದಾಳಿ ಮೇಲ್ಮೈಯ ಭಾಗವಾಗಿದೆ ಮತ್ತು ಅವು ಸಾಮಾನ್ಯವಾಗಿ ನಿಮ್ಮ ಸ್ವಂತ ಭಂಡಾರದೊಳಗೆ ವಾಸಿಸುತ್ತವೆ. ನಿಮ್ಮ ತಂಡಗಳನ್ನು ಕೇಳಲು ಯೋಗ್ಯವಾದ ಮೊದಲ ಪ್ರಶ್ನೆಯನ್ನು ಇದು ಹುಟ್ಟುಹಾಕುತ್ತದೆ: ನಿಮ್ಮ ರೆಪೊದಲ್ಲಿ ವಾಸಿಸುವ ನಿಯಮಗಳ ಫೈಲ್ಗಳು, ಕೌಶಲ್ಯಗಳು ಮತ್ತು MCP ಸಂರಚನೆಗಳನ್ನು ಯಾರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ?
ವೆಕ್ಟರ್ 1: ವಿಷಪೂರಿತ ಕೌಶಲ್ಯ
ಕೌಶಲ್ಯವು ಸೂಚನೆಗಳು ಮತ್ತು ಸಾಮರ್ಥ್ಯಗಳ ಫೈಲ್ ಆಗಿದ್ದು ಅದು AI ಏಜೆಂಟ್ಗೆ ಕಾರ್ಯವನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬೇಕೆಂದು ಕಲಿಸುತ್ತದೆ. ಏಜೆಂಟ್ನ ನಡವಳಿಕೆಯನ್ನು ರೂಪಿಸಲು ಇದು ಏಕೈಕ ಮಾರ್ಗವಲ್ಲ (ನಿಯಮ ಫೈಲ್ಗಳು, hooks, ಮತ್ತು MCP ಸಂರಚನೆಗಳು ಅದೇ ರೀತಿ ಮಾಡುತ್ತವೆ), ಆದರೆ ಅವೆಲ್ಲವೂ ಒಂದು ಆಸ್ತಿಯನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ: ಅವು ಕೋಡ್ನೊಂದಿಗೆ ರೆಪೊಸಿಟರಿಯೊಳಗೆ ಪ್ರಯಾಣಿಸುತ್ತವೆ.
ಈ ವರ್ಷದ ಸಂಶೋಧನೆಯು ಈ ಕೆಳಗಿನ 4,000 ಕೌಶಲ್ಯಗಳನ್ನು ಪರಿಶೀಲಿಸಿದೆ:
- 36% ಜನರು ಕನಿಷ್ಠ ಒಂದು ಭದ್ರತಾ ದೋಷವನ್ನು ಹೊಂದಿದ್ದರು.
- 13.4% ರಷ್ಟು ನಿರ್ಣಾಯಕವಾಗಿದ್ದವು.
- ಸುಮಾರು 100 ಕ್ಕೂ ಹೆಚ್ಚು ಪೇಲೋಡ್ಗಳು ದುರುದ್ದೇಶಪೂರಿತ ಪೇಲೋಡ್ಗಳನ್ನು ಹೊಂದಿದ್ದವು.
ಮೂಲ ಬದಲಾವಣೆ: ಆಕ್ರಮಣಕಾರರು ಇನ್ನು ಮುಂದೆ ನಿಮ್ಮ ಕೋಡ್ ಅನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಅವರು ನಿಮ್ಮ ಕೋಡ್ ಬರೆಯುವ ಏಜೆಂಟ್ ಅನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಳ್ಳುತ್ತಾರೆ, ಮಾದರಿಯು ಓದುವ ಮತ್ತು ಕಾರ್ಯಕಾರಿ ಎಂದು ಪರಿಗಣಿಸುವ ಗುಪ್ತ ಸೂಚನೆಗಳನ್ನು (ಕೆಲವೊಮ್ಮೆ ಅದೃಶ್ಯ ಅಕ್ಷರಗಳನ್ನು ಬಳಸಿ) ನೆಡುತ್ತಾರೆ. ಮಾನವ ವಿಮರ್ಶಕರು ಅನುಮೋದಿಸುತ್ತಾರೆ pull request ಏಕೆಂದರೆ ಅವರ ಕಣ್ಣಿಗೆ ಫೈಲ್ ಸ್ವಚ್ಛವಾಗಿ ಕಾಣುತ್ತದೆ. ಮಾದರಿಯು ವಿಮರ್ಶಕರು ಎಂದಿಗೂ ನೋಡದ ಸೂಚನೆಗಳನ್ನು ಅರ್ಥೈಸುತ್ತದೆ.
ಇದು ಸೈದ್ಧಾಂತಿಕವಲ್ಲ. CVE-2025-59536 (CVSS 8.7) ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲದ ರೆಪೊಸಿಟರಿಯಿಂದ ಕ್ಲೌಡ್ ಕೋಡ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು, ಅಲ್ಲಿ ಬಳಕೆದಾರರು ವಿಶ್ವಾಸಾರ್ಹ ಸಂವಾದವನ್ನು ಸ್ವೀಕರಿಸುವ ಮೊದಲು ದುರುದ್ದೇಶಪೂರಿತ ಸಂರಚನೆಯು ಆಜ್ಞೆಗಳನ್ನು ಚಲಾಯಿಸಬಹುದು. ಎರಡನೇ ದುರ್ಬಲತೆ, CVE-2026-21852, ಬಳಕೆದಾರರು ಏನನ್ನೂ ಅನುಮೋದಿಸದೆ, ಪ್ರಾಜೆಕ್ಟ್-ನಿಯಂತ್ರಿತ ಸಂರಚನೆಯ ಮೂಲಕ API ಕೀಲಿಯನ್ನು ಹೊರಹಾಕಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು.
H2: ವೆಕ್ಟರ್ 2: ಸ್ಲೋಪ್ಸ್ಕ್ವಾಟಿಂಗ್
ಈ ಹೆಸರು "ಸ್ಲಾಪ್" (AI ಕೆಲವೊಮ್ಮೆ ಉತ್ಪಾದಿಸುವ ಜಂಕ್) ಅನ್ನು ಕ್ಲಾಸಿಕ್ ಟೈಪೋಸ್ಕ್ವಾಟಿಂಗ್ ದಾಳಿಯೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ. ಟೈಪೋಸ್ಕ್ವಾಟಿಂಗ್ ಮಾನವ ದೋಷವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ: ಆಕ್ರಮಣಕಾರರು ಜನಪ್ರಿಯ ಒಂದಕ್ಕೆ ಹತ್ತಿರವಿರುವ ಪ್ಯಾಕೇಜ್ ಹೆಸರನ್ನು ನೋಂದಾಯಿಸುತ್ತಾರೆ ಮತ್ತು ಮುದ್ರಣದೋಷಕ್ಕಾಗಿ ಕಾಯುತ್ತಾರೆ. ಇದು ಯಾದೃಚ್ಛಿಕವಾಗಿದೆ.
ಸ್ಲೋಪ್ಸ್ಕ್ವಾಟಿಂಗ್ ತಪ್ಪುಗಾಗಿ ಕಾಯುವುದಿಲ್ಲ. ಈ ಅವಧಿಯಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾದ ಅಧ್ಯಯನದಲ್ಲಿ, AI ಮಾದರಿಗಳಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪ್ಯಾಕೇಜ್ ಉಲ್ಲೇಖಗಳಲ್ಲಿ 19.7% ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಪ್ಯಾಕೇಜ್ಗಳತ್ತ ಗಮನಸೆಳೆದಿವೆ. ಮಾದರಿಗಳು ಒಂದೇ ಹೆಸರುಗಳನ್ನು ಪದೇ ಪದೇ ಭ್ರಮೆಗೊಳಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಆಕ್ರಮಣಕಾರನು AI ಯಾವ ಹೆಸರುಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದೆ ಎಂಬುದನ್ನು ವೀಕ್ಷಿಸುತ್ತಾನೆ, ಆ ಹೆಸರುಗಳನ್ನು ದುರುದ್ದೇಶಪೂರಿತ ಕೋಡ್ನೊಂದಿಗೆ ನೋಂದಾಯಿಸುತ್ತಾನೆ ಮತ್ತು ಅದನ್ನು ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ಗೆ ಎಳೆಯಲು ಮುಂದಿನ AI-ಸೂಚಿಸಿದ ಸ್ಥಾಪನೆಗಾಗಿ ಕಾಯುತ್ತಾನೆ.
ಪ್ರಮಾಣವು ಚಿಕ್ಕದಲ್ಲ: 2025 ರಲ್ಲಿ 450,000 ಕ್ಕೂ ಹೆಚ್ಚು ಹೊಸ ದುರುದ್ದೇಶಪೂರಿತ ಪ್ಯಾಕೇಜ್ಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ. ಎರಡು ಉದಾಹರಣೆಗಳು ಇದನ್ನು ಕಾಂಕ್ರೀಟ್ ಮಾಡುತ್ತವೆ:
- ಒಬ್ಬ ಸಂಶೋಧಕನು "ಒಂದು ನಿರುಪದ್ರವ ಪರೀಕ್ಷಾ ಪ್ಯಾಕೇಜ್" ಅನ್ನು ನೆಟ್ಟನು, ಅದು " ಅಪ್ಪುಗೆಯ ಮುಖ-ಕ್ಲೈ ವಿಷಯವನ್ನು ಸಾಬೀತುಪಡಿಸಲು. ಅದು ಲಾಗ್ ಮಾಡಿದೆ ಮೂರು ತಿಂಗಳಲ್ಲಿ 30,000 ಕ್ಕೂ ಹೆಚ್ಚು ಡೌನ್ಲೋಡ್ಗಳು.
- ಬಳಸದ ಆಮದುಗಳುಮೇಲಿನ ಟೈಮ್ಲೈನ್ನಿಂದ, ಮಾಲ್ವೇರ್ ಅನ್ನು ದೃಢಪಡಿಸಲಾಗಿದೆ, ಸಾರ್ವಜನಿಕ ನೋಂದಾವಣೆಯಲ್ಲಿ ವಾಸಿಸುತ್ತಿದೆ, ನಿಖರವಾಗಿ ಈ ತಂತ್ರವನ್ನು ಬಳಸುತ್ತಿದೆ. ಅದು ಪರೀಕ್ಷೆಯಾಗಿರಲಿಲ್ಲ.
ಪ್ರಶ್ನೆ ನಿಮ್ಮ ತಂಡಕ್ಕೂ ಇದು ಸಂಭವಿಸಬಹುದೇ ಎಂಬುದು ಅಲ್ಲ. ಇಂದು ಎಷ್ಟು AI-ಸೂಚಿಸಲಾದ ಪ್ಯಾಕೇಜ್ಗಳು ಯಾರೂ ನೋಡದೆ ನಿಮ್ಮ ಕೋಡ್ ಅನ್ನು ನಮೂದಿಸುತ್ತಿವೆ ಎಂಬುದು ಮುಖ್ಯ.
ಪ್ರತಿಕ್ರಿಯೆ: standardಗಳು ಹಿಡಿಯುತ್ತಿವೆ
ಎರಡು ಶಕ್ತಿಗಳು ಸಮಾನಾಂತರವಾಗಿ ಓಡುತ್ತವೆ. ದಾಳಿಗಳು ವೇಗಗೊಳ್ಳುತ್ತಿರುವಾಗ, standardದೇಹಗಳು ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತವೆ:
- NIST SP 800-218A ಸಮಗ್ರತೆ ಮತ್ತು ಮೂಲದ ಪುರಾವೆಗಳನ್ನು ಒಳಗೊಂಡಂತೆ AI ಮಾದರಿಗಳಿಗೆ ನಿರ್ದಿಷ್ಟವಾದ ಅಭ್ಯಾಸಗಳೊಂದಿಗೆ ಸುರಕ್ಷಿತ ಸಾಫ್ಟ್ವೇರ್ ಅಭಿವೃದ್ಧಿ ಚೌಕಟ್ಟನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ.
- In ಮೇ 2026, CISಎ ಮತ್ತು ಅದರ ಅಂತರರಾಷ್ಟ್ರೀಯ ಜಿ7 ಪಾಲುದಾರರು AI ಗಾಗಿ ಸಾಫ್ಟ್ವೇರ್ ಸಾಮಗ್ರಿಗಳ ಮಸೂದೆಯ ಕುರಿತು ಮಾರ್ಗದರ್ಶನವನ್ನು ಪ್ರಕಟಿಸಲಾಗಿದೆ, ಆ ದಾಸ್ತಾನುಗಳಲ್ಲಿ ಏನು ಸೇರಿದೆ ಎಂಬುದನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ: ಮಾದರಿಗಳು, ಡೇಟಾಸೆಟ್ಗಳು, ಘಟಕಗಳು, ಪೂರೈಕೆದಾರರು ಮತ್ತು ಅವಲಂಬನೆಗಳು.
ನಿರ್ದೇಶನ ಸ್ಪಷ್ಟವಾಗಿದೆ: ದಿ SBOM AI-BOM ಆಗಿ ವಿಸ್ತರಿಸುತ್ತಿದೆ. ನೀವು ದಾಸ್ತಾನು ಮಾಡಲು ಸಾಧ್ಯವಾಗದ ವಸ್ತುಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ಅಥವಾ ದೃಢೀಕರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮತ್ತು ಇಂದು, ಹೆಚ್ಚಿನ ಸಂಸ್ಥೆಗಳು ಇವುಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ:
- 43% ಅವರು ಈಗಾಗಲೇ ಬಳಸುತ್ತಿರುವ AI ಪರಿಕರಗಳನ್ನು ಆಡಿಟ್ ಮಾಡಲು ಅಥವಾ ದಾಸ್ತಾನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ.
- 79% ತಮ್ಮದೇ ಆದ ಪರಿಸರದಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿರುವ AI ಏಜೆಂಟ್ಗಳು ಮತ್ತು MCP ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಯಾವುದೇ ಗೋಚರತೆಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ.
ನಿಯಂತ್ರಿತ ಪರಿಸರದಲ್ಲಿ, ಈ ದಾಸ್ತಾನು ಉತ್ತಮ ಅಭ್ಯಾಸದಿಂದ ಒಪ್ಪಂದದ ನಿರೀಕ್ಷೆ ಅಥವಾ ಅನುಸರಣೆ ಬಾಧ್ಯತೆಗೆ ಚಲಿಸುತ್ತಿದೆ. ಆದರೆ ದಾಸ್ತಾನು ನಿಮ್ಮ ಬಳಿ ಏನಿದೆ ಎಂಬುದನ್ನು ಮಾತ್ರ ನಿಮಗೆ ತಿಳಿಸುತ್ತದೆ. ಅದು ತನ್ನದೇ ಆದ ಮೇಲೆ ದಾಳಿಯನ್ನು ನಿರ್ಬಂಧಿಸುವುದಿಲ್ಲ.
ಅಂತರ: AppSec ಗಾಗಿ EDR
SAST ಮತ್ತು SCA ಪರಿಕರಗಳನ್ನು ಕೋಡ್ ಮತ್ತು ಅವಲಂಬನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಏಜೆಂಟ್ನ ನಡವಳಿಕೆ ಅಥವಾ ಅದರ ಸಂರಚನೆಯನ್ನು ಅಲ್ಲ. ಇಡಿಆರ್ ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು ನೆಟ್ವರ್ಕ್ ಸಂಪರ್ಕಗಳನ್ನು ನೋಡುತ್ತದೆ, ಆದರೆ ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಅವಲಂಬನೆ ಅಥವಾ ಏಜೆಂಟ್ ಕಾನ್ಫಿಗರೇಶನ್ ಅನ್ನು ಅರ್ಥೈಸಲು ಅಪ್ಲಿಕೇಶನ್-ಭದ್ರತಾ ಸಂದರ್ಭವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ಆ ಎರಡು ವರ್ಗಗಳ ಪರಿಕರಗಳ ನಡುವೆ ಒಂದು ಅಂತರವಿದೆ, ನಿಖರವಾಗಿ ಕೋಡ್ ಈಗ ರಚಿಸಲ್ಪಡುತ್ತಿರುವ ಸ್ಥಳ ಮತ್ತು ನಿಖರವಾಗಿ AI ದಾಳಿ ಮೇಲ್ಮೈ ಎಲ್ಲಿ ವಾಸಿಸುತ್ತದೆ.
ಆ ಅಂತರವು ಮೂರು ಕುರುಡು ಕಲೆಗಳನ್ನು ಹೊಂದಿದೆ:
- AI ಸ್ವತ್ತುಗಳು. ಮಾಡೆಲ್ಗಳು, ಏಜೆಂಟ್ಗಳು ಮತ್ತು MCP ಸರ್ವರ್ಗಳು ನಿಮ್ಮಲ್ಲಿ ಕಾಣಿಸುವುದಿಲ್ಲ SASTಅಥವಾ SCAನ ರಾಡಾರ್. ನೀವು ನೋಡಲಾಗದದನ್ನು ನೀವು ದಾಸ್ತಾನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ.
- ಸಂರಚನಾ ಕಡತಗಳು. ಕೌಶಲ್ಯಗಳು, ನಿಯಮಗಳು ಮತ್ತು MCP ಸಂರಚನೆಗಳು ಏಜೆಂಟ್ ನಡವಳಿಕೆಯನ್ನು ರೂಪಿಸುತ್ತವೆ ಆದರೆ ಅವುಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ನಿರುಪದ್ರವ ಸರಳ ಪಠ್ಯದಂತೆ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
- ಪ್ಯಾಕೇಜ್ ಸ್ಥಾಪನೆಗಳು. A ದುರುದ್ದೇಶಪೂರಿತ ಅವಲಂಬನೆಯು ದುರುದ್ದೇಶಪೂರಿತ ಎಂದು ತಿಳಿಯುವ ಮೊದಲೇ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು., ನಂತರ ಯಾರೂ ಅನುಮೋದಿಸದ ಹೊರತು ರಹಸ್ಯಗಳು ಮತ್ತು ಟೋಕನ್ಗಳನ್ನು ಹೊರಹಾಕಿ.
ಕ್ಸಿಜೆನಿ ಅದನ್ನು ಹೇಗೆ ಮುಚ್ಚುತ್ತದೆ
ಎಂಡ್ಪಾಯಿಂಟ್ಗಳಿಗೆ EDR ಏನು ಮಾಡುತ್ತದೆ, ಕ್ಸಿಜೆನಿ ಶೀಲ್ಡ್ AI- ನೆರವಿನ ಅಭಿವೃದ್ಧಿ ಜೀವನಚಕ್ರಕ್ಕಾಗಿ ಮಾಡುತ್ತದೆ: ಅಪ್ಲಿಕೇಶನ್-ಭದ್ರತಾ ಸಂದರ್ಭವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಾಗ ಕೋಡ್ ಅನ್ನು ಎಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಇದು ರಕ್ಷಿಸುತ್ತದೆ.
- ಗೋಚರತೆ ಎಲ್ಲಿ SAST ಮತ್ತು SCA ತಲುಪಬೇಡಿ. Xygeni ದುರುದ್ದೇಶಪೂರಿತ ಕೌಶಲ್ಯಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಫೈಲ್ಗಳನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ, MCP ಸಂರಚನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಆಡಿಟ್-ಸಿದ್ಧವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ. AI-BOM, OWASP LLM, MCP, ಮತ್ತು ಏಜೆಂಟ್ ಸ್ಕಿಲ್ಸ್ ಟಾಪ್ 10 ಗಳಿಗೆ ಮ್ಯಾಪ್ ಮಾಡಲಾಗಿದೆ.
- ಬುದ್ಧಿವಂತಿಕೆ, ಸಹಿಗಳು ಮಾತ್ರ ಅಲ್ಲ. MEW (ಮಾಲ್ವೇರ್ ಆರಂಭಿಕ ಎಚ್ಚರಿಕೆ) ಒಂದು CVE, ಸಲಹಾ ಅಥವಾ ಸಾರ್ವಜನಿಕ ಸಹಿ ಇರುವ ಮೊದಲು ಅದನ್ನು ನಿರ್ಬಂಧಿಸಲು ಪ್ಯಾಕೇಜ್ನ ನಡವಳಿಕೆ ಮತ್ತು ಅಪಾಯವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ನವೀಕೃತ ನೆಟ್ವರ್ಕ್ ಗುಪ್ತಚರವು ತಿಳಿದಿರುವ-ದುರುದ್ದೇಶಪೂರಿತ ಮೂಲಸೌಕರ್ಯಕ್ಕೆ ಸಂಪರ್ಕಗಳನ್ನು ಕಡಿತಗೊಳಿಸುತ್ತದೆ.
- ಕೋಡ್ನಿಂದ ಎಂಡ್ಬಿಂದುವಿನವರೆಗೆ ಒಂದು ನಿಯಂತ್ರಣ ಬಿಂದು. ಯುರೋಪಿಯನ್ ದತ್ತಾಂಶ ಸಾರ್ವಭೌಮತ್ವ ಮತ್ತು ಅನುಸರಣೆ ಪುರಾವೆಗಳನ್ನು ಒಳಗೊಂಡ ಪರಿಸರವನ್ನು ಮರು-ವಾಸ್ತುಶಿಲ್ಪ ಮಾಡದೆ ನಿಯೋಜಿಸಲಾದ ಏಕೈಕ ಏಜೆಂಟ್.
ನೇರ ಪ್ರದರ್ಶನದಲ್ಲಿ, ಈ ನೀತಿ ಜಾರಿಯು ಅನುಸ್ಥಾಪನೆಯು ಪೂರ್ಣಗೊಳ್ಳುವ ಮೊದಲು ಮೂರು ವಿಭಿನ್ನ ಅನುಸ್ಥಾಪನಾ ಮಾರ್ಗಗಳಲ್ಲಿ (ವರ್ಚುವಲ್ ಪರಿಸರ, ಪ್ಯಾಕೇಜ್ ವ್ಯವಸ್ಥಾಪಕ ಮತ್ತು ನೇರ ಡೌನ್ಲೋಡ್) ದುರುದ್ದೇಶಪೂರಿತ ಪ್ಯಾಕೇಜ್ ಅನ್ನು ಸ್ಥಾಪಿಸಲು AI ಏಜೆಂಟ್ ಮಾಡಿದ ಪ್ರಯತ್ನವನ್ನು ನಿರ್ಬಂಧಿಸಿತು, ಎಲ್ಲವೂ ನೈಜ ಸಮಯದಲ್ಲಿ ಲಾಗ್ ಇನ್ ಆಗುತ್ತವೆ ಮತ್ತು SOC ಗೆ ರಫ್ತು ಮಾಡಬಹುದು. ಮೊದಲ ಯೋಜನೆಯನ್ನು ಆನ್ಬೋರ್ಡಿಂಗ್ ಮಾಡಲು ಸಾಮಾನ್ಯವಾಗಿ ಸುಮಾರು ಒಂದು ಗಂಟೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ; ಪೂರ್ಣ ಸಂಸ್ಥೆಯಾದ್ಯಂತ ವ್ಯಾಪ್ತಿಯನ್ನು ವಿಸ್ತರಿಸುವುದು ಸಾಮಾನ್ಯವಾಗಿ ರಚನೆಯನ್ನು ಅವಲಂಬಿಸಿ ಒಂದರಿಂದ ಎರಡು ವಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
FAQ
ಒಂದು ಪ್ಯಾರಾಗ್ರಾಫ್ನಲ್ಲಿ AI ದಾಳಿಯ ಮೇಲ್ಮೈ ಏನು?
AI ದಾಳಿಯ ಮೇಲ್ಮೈ ಎಂದರೆ ಮಾದರಿಗಳು, ಏಜೆಂಟ್ಗಳು, MCP ಸರ್ವರ್ಗಳು, ಕೌಶಲ್ಯಗಳು, ನಿಯಮಗಳ ಫೈಲ್ಗಳು ಮತ್ತು AI-ಸೂಚಿಸಿದ ಅವಲಂಬನೆಗಳ ಗುಂಪಾಗಿದ್ದು, ಇದರ ಮೂಲಕ ಅಪಾಯವು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಪ್ರವೇಶಿಸಬಹುದು, ಆಗಾಗ್ಗೆ ಮಾನವನು ಅದನ್ನು ಪರಿಶೀಲಿಸುವ ಮೊದಲು. ಇದು ಸಾಂಪ್ರದಾಯಿಕ ಕೋಡ್ ಮತ್ತು ಅವಲಂಬನೆಗಳನ್ನು ಮೀರಿ AI ಏಜೆಂಟ್ ಹೇಗೆ ವರ್ತಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ರೂಪಿಸುವ ಕಾನ್ಫಿಗರೇಶನ್ ಫೈಲ್ಗಳು ಮತ್ತು ಸೂಚನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ನನ್ನ AI ಸಹಾಯಕ ಸೂಚಿಸಿದ ಪ್ಯಾಕೇಜ್ ಹೆಸರು ಭ್ರಮೆಯೇ ಅಥವಾ ಕಾನೂನುಬದ್ಧ ಆದರೆ ಪರಿಚಯವಿಲ್ಲದದ್ದೇ ಎಂದು ನಾನು ಹೇಗೆ ಹೇಳಬಹುದು?
ಸ್ಥಾಪಿಸುವ ಮೊದಲು ಮೌಲ್ಯೀಕರಿಸಿ: ನೋಂದಾವಣೆಯನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಪ್ಯಾಕೇಜ್ನ ನಿಜವಾದ ವಿಷಯ ಮತ್ತು ಉದ್ದೇಶವನ್ನು ವಿಶ್ಲೇಷಿಸಿ, ಹೆಸರನ್ನು ಮಾತ್ರ ನಂಬುವ ಬದಲು. ಕೋಡ್ ಉತ್ಪಾದನೆಯ ಸಮಯದಲ್ಲಿ Xygeni ಈ ಮೌಲ್ಯೀಕರಣವನ್ನು ನೈಜ ಸಮಯದಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಪ್ಯಾಕೇಜ್ ನಿಮಗೆ ತಿಳಿದಿರಲಿ ಅಥವಾ ಇಲ್ಲದಿರಲಿ, ಅನುಸ್ಥಾಪನೆಯು ಚಾಲನೆಯಾಗುವ ಮೊದಲು ಅನುಮೋದಿಸಲ್ಪಡುತ್ತದೆ ಅಥವಾ ನಿರ್ಬಂಧಿಸಲ್ಪಡುತ್ತದೆ.
ಸ್ಲೋಪ್ಸ್ಕ್ವಾಟಿಂಗ್ ಎಲ್ಲಾ AI ಮಾದರಿಗಳ ಮೇಲೆ ಸಮಾನವಾಗಿ ಪರಿಣಾಮ ಬೀರುತ್ತದೆಯೇ?
19.7% ಅಂಕಿ ಅಂಶದ ಹಿಂದಿನ ಸಂಶೋಧನೆಯು ಬಹು ಮಾದರಿಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಮತ್ತು ಸಮಸ್ಯೆಯನ್ನು ವ್ಯಾಪಕವಾಗಿ ವಿತರಿಸಲಾಗಿದೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, ಅವುಗಳ ನಡುವೆ ಕೇವಲ ಸಣ್ಣ ವ್ಯತ್ಯಾಸವಿದೆ. ಇದು AI- ನೆರವಿನ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಕಂಡುಬರುವ ಒಂದು ಮಾದರಿಯಾಗಿದೆ, ಒಬ್ಬ ಸಹಾಯಕನಿಗೆ ನಿರ್ದಿಷ್ಟವಾದ ದೋಷವಲ್ಲ.
ನಾವು ಈಗಾಗಲೇ ಭ್ರಮಿತ ಅಥವಾ ದುರುದ್ದೇಶಪೂರಿತ ಪ್ಯಾಕೇಜ್ ಅನ್ನು ಸ್ಥಾಪಿಸಿದ್ದೇವೆಯೇ ಎಂದು ಪೂರ್ವಾನ್ವಯವಾಗಿ ಪರಿಶೀಲಿಸಬಹುದೇ?
ಹೌದು. ಕ್ಸಿಜೆನಿಯ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಗ್ರಾಹಕರಿಗೆ ಪತ್ತೆಯಾದ ದುರುದ್ದೇಶಪೂರಿತ ಪ್ಯಾಕೇಜ್ಗಳ ನಿರ್ವಹಿಸಲಾದ ಡೇಟಾಬೇಸ್ಗೆ ಪ್ರವೇಶವನ್ನು ನೀಡುತ್ತದೆ, ನಿಮ್ಮ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಘಟಕ ದಾಸ್ತಾನುಗಳ ವಿರುದ್ಧ ಹುಡುಕಬಹುದು, ಆದ್ದರಿಂದ ಈಗಾಗಲೇ ಸ್ಥಾಪಿಸಲಾದ ಯಾವುದಾದರೂ ತಿಳಿದಿರುವ ಬೆದರಿಕೆಯೇ ಎಂದು ನೀವು ಒಂದೆರಡು ಕ್ಲಿಕ್ಗಳಲ್ಲಿ ಖಚಿತಪಡಿಸಬಹುದು.
ಬಹು ತಂಡಗಳನ್ನು ಹೊಂದಿರುವ ಮಧ್ಯಮ ಗಾತ್ರದ ಸಂಸ್ಥೆಗೆ ಅನುಷ್ಠಾನಕ್ಕೆ ಎಷ್ಟು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ?
ಮೊದಲ ಯೋಜನೆಗೆ ತರಬೇತಿ ನೀಡಲು ಸಾಮಾನ್ಯವಾಗಿ ಸುಮಾರು ಒಂದು ಗಂಟೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ತಂಡದ ರಚನೆ ಮತ್ತು ಕೆಲಸದ ವಿಧಾನಗಳನ್ನು ಅವಲಂಬಿಸಿ, ಪೂರ್ಣ ಸಂಸ್ಥೆಯಾದ್ಯಂತ ಸ್ಕೇಲಿಂಗ್ ಸಾಮಾನ್ಯವಾಗಿ ಒಂದರಿಂದ ಎರಡು ವಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ನಿಮ್ಮ AI ದಾಳಿಯ ಮೇಲ್ಮೈಯನ್ನು ಉಚಿತವಾಗಿ ನಕ್ಷೆ ಮಾಡಿ
ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ನ AI ಹೆಜ್ಜೆಗುರುತನ್ನು ಉಚಿತವಾಗಿ ನಕ್ಷೆ ಮಾಡಿ: ಖಾತೆಯನ್ನು ರಚಿಸಿ ಮತ್ತು ನಿಮಿಷಗಳಲ್ಲಿ ಮೊದಲ ಸ್ಕ್ಯಾನ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಒಂದೇ ಅಪ್ಲಿಕೇಶನ್ನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ, ಅದರೊಳಗೆ AI ಏನೆಂದು ನೋಡಿ ಮತ್ತು ನಿಮ್ಮ AI ದಾಳಿಯ ಮೇಲ್ಮೈಯ ಯಾವ ಭಾಗವು ಅಪಾಯಕಾರಿ ಎಂಬುದನ್ನು ನೋಡಿ.
*ಮೇಲೆ ಉಲ್ಲೇಖಿಸಲಾದ ಕೆಲವು ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಕ್ಸಿಜೆನಿ ಶೀಲ್ಡ್ ಮೂಲಕ ಜಾರಿಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ASPM/AI ಭದ್ರತಾ ಮಾಡ್ಯೂಲ್ಗಳು; ಲಭ್ಯತೆಯು ಯೋಜನೆಯ ಪ್ರಕಾರ ಬದಲಾಗಬಹುದು. ನೋಡಿ ಕ್ಸಿಜೆನಿ.ಐಒ ಪ್ರಸ್ತುತ ಉತ್ಪನ್ನ ವಿವರಗಳಿಗಾಗಿ.
