കഴിഞ്ഞ കുറച്ച് വർഷങ്ങളായി, ആപ്ലിക്കേഷൻ സുരക്ഷയ്ക്ക് വ്യക്തമായ ഒരു അതിർത്തി ഉണ്ടായിരുന്നു: റിപ്പോസിറ്ററിയും pipeline. നിയന്ത്രണങ്ങൾ ഇരിക്കുന്നതും, സ്കാനുകൾ പ്രവർത്തിപ്പിക്കുന്നതും, എന്തെങ്കിലും ഉൽപ്പാദനത്തിലേക്ക് അയയ്ക്കണോ വേണ്ടയോ എന്ന് ടീമുകൾ തീരുമാനിക്കുന്നതും അവിടെയാണ്. ഇതെല്ലാം ഒരു അനുമാനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതായിരുന്നു: ഒരു ഡെവലപ്പർ ഏത് കോഡും ഏതൊക്കെ ആശ്രിതത്വങ്ങളും സിസ്റ്റത്തിലേക്ക് പ്രവേശിക്കണമെന്ന് വ്യക്തമായി തിരഞ്ഞെടുത്തു.
ആ അനുമാനം ഇനി നിലനിൽക്കില്ല. ഇന്ന് വർദ്ധിച്ചുവരുന്ന കോഡ് ഒരു AI ഏജന്റ് എഴുതുകയോ നിർദ്ദേശിക്കുകയോ ഇൻസ്റ്റാൾ ചെയ്യുകയോ ചെയ്യുന്നു, പലപ്പോഴും ആരും എന്താണോ അതിൽ നിന്ന് വലിച്ചെടുക്കുന്നത് അതിന്റെ പേര് നോക്കാതെ തന്നെ.cisകോഡിൽ പ്രവേശിക്കുന്നതിന്റെ അയോണും ആക്രമണവും നീങ്ങുന്നു. കോഡ് സൃഷ്ടിക്കുന്ന നിമിഷം മുതൽ, അസിസ്റ്റന്റിനുള്ളിലും അത് കോൺഫിഗർ ചെയ്യുന്ന ഫയലുകളിലും, പ്രക്രിയയുടെ ഏറ്റവും മുന്നിലേക്ക് അത് നീങ്ങുന്നു.
ഇതാണ് നിങ്ങളുടെ AI ആക്രമണ ഉപരിതലം: ഓരോ മോഡലും, ഏജന്റും, MCP സെർവറും, വൈദഗ്ധ്യവും, AI-നിർദ്ദേശിച്ച ആശ്രിതത്വവും, ഒരു മനുഷ്യൻ അത് അവലോകനം ചെയ്യുന്നതിനു മുമ്പ് തന്നെ അപകടസാധ്യത കൊണ്ടുവരാൻ കഴിയും. നിങ്ങളുടെ ഡെവലപ്പർമാർ വിശ്വസിക്കുന്ന അതേ AI ഇപ്പോൾ അതിന്റെ ഭാഗമാണ്. ഇത് ഭാവിയിലെ അപകടസാധ്യതയല്ല. ഇത് ഇതിനകം സംഭവിച്ച ഒരു മാറ്റമാണ്, പ്രായോഗികമായി അത് എങ്ങനെയിരിക്കുമെന്ന് ഇതാ.
ഒറ്റപ്പെട്ട സംഭവമല്ല, ആക്രമണങ്ങളുടെ ഒരു തരംഗം
താഴെ പറയുന്നവയിൽ ഒന്നും ലാബ് എക്സർ അല്ല.cise അല്ലെങ്കിൽ ഒരു സാങ്കൽപ്പിക സംഭവം. ഇവ പൊതുവെ രേഖപ്പെടുത്തിയ സംഭവങ്ങളാണ്, മിക്കവാറും എല്ലാം കഴിഞ്ഞ വർഷത്തിൽ നിന്നുള്ളതാണ്, ഓരോന്നും AI ഏജന്റിനോട് അല്പം അടുത്ത് നിൽക്കുന്നു:
- ഓഗസ്റ്റ് 2025, s1ngularity: ആക്രമണകാരികൾ ഏറ്റവും വ്യാപകമായി ഉപയോഗിക്കുന്ന ബിൽഡ് സിസ്റ്റങ്ങളിലൊന്നായ Nx-ൽ നിന്ന് ഒരു പബ്ലിഷിംഗ് ടോക്കൺ മോഷ്ടിച്ചു, കൂടാതെ ഡെവലപ്പർമാരുടെ മെഷീനുകളിലെ രഹസ്യങ്ങൾ വേട്ടയാടാൻ AI ഉപകരണങ്ങൾ ഉപയോഗിച്ച് ക്ഷുദ്രകരമായ പതിപ്പുകൾ npm-ലേക്ക് തള്ളിവിട്ടു.
- സെപ്റ്റംബർ 2025, ചോക്ക്/ഡീബഗ്: npm-ന്റെ ഏറ്റവും വലിയ വിട്ടുവീഴ്ചകളിൽ ഒന്നായ, പ്രതിവാരം രണ്ട് ബില്യണിലധികം ഡൗൺലോഡുകളുള്ള 18 പാക്കേജുകൾ, ഒരൊറ്റ പരിപാലകന്റെ അക്കൗണ്ട് ഹൈജാക്ക് ചെയ്തുകൊണ്ട് ഏറ്റെടുത്തു.
- സെപ്റ്റംബർ 2025, ശൈ-ഹുലുദ്: npm വഴി സ്വയം പ്രചരിപ്പിക്കാൻ കഴിയുന്ന ആദ്യത്തെ രേഖപ്പെടുത്തപ്പെട്ട വിരകളിൽ ഒന്ന്. നവംബറിൽ അതിന്റെ രണ്ടാമത്തെ തരംഗം കൂടുതൽ ആക്രമണാത്മകവും 25,000-ത്തിലധികം സംഭരണികളിലൂടെ വെളിപ്പെടുത്തിയ രഹസ്യങ്ങളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.
- ഒക്ടോബർ 2025, ഉപയോഗിക്കാത്ത ഇറക്കുമതികൾ: ഫാന്റംറേവൻ കാമ്പെയ്നിന്റെ ഭാഗമായി, AI ഹാലുസിനേഷൻ ഒരു സ്ലോപ്സ്ക്വാട്ടിംഗ് ടെക്നിക് വഴി npm-ലേക്ക് യഥാർത്ഥ മാൽവെയറുകൾ അവതരിപ്പിച്ചു.
- ഈ വർഷം, ക്ലോഹബ്: ഏറ്റവും കൂടുതൽ ഡൗൺലോഡ് ചെയ്യപ്പെട്ട ഏഴ് കഴിവുകളിൽ അഞ്ചെണ്ണം മാൽവെയറായിരുന്ന ഒരു വിഷലിപ്തമായ AI നൈപുണ്യ രജിസ്ട്രി.
വ്യവസായവും ഇതേ നിഗമനം ഔപചാരികമാക്കുന്നു. LLM ആപ്ലിക്കേഷനുകൾക്കായുള്ള OWASP ടോപ്പ് 10 പ്രോംപ്റ്റ് ഇഞ്ചക്ഷനെ ഒന്നാം സ്ഥാനത്ത് നിർത്തുന്നു. OWASP MCP ടോപ്പ് 10 (നിലവിൽ ബീറ്റയിലാണ്) ടൂളുകളുമായി സംസാരിക്കാൻ പ്രോട്ടോക്കോൾ ഏജന്റുകൾ ഉപയോഗിക്കുന്നതിനെ ലക്ഷ്യമിടുന്നു. ഒരു പുതിയ ഇൻകുബേറ്റർ-സ്റ്റേജ് പ്രോജക്റ്റായ OWASP ഏജന്റ് സ്കിൽസ് ടോപ്പ് 10, ക്ഷുദ്രകരമായ കഴിവുകളെ അതിന്റെ ഏറ്റവും ഉയർന്ന അപകടസാധ്യതയായി നാമകരണം ചെയ്യുന്നു. OWASP സാധാരണയായി ശ്രദ്ധാപൂർവ്വം നീങ്ങുന്നു; ഒരേസമയം മൂന്ന് മുന്നണികൾ തുറക്കുന്നു, അവയിലൊന്ന് അടിയന്തിരമായി, ഇത് എത്ര വേഗത്തിൽ നീങ്ങുന്നുവെന്ന് ചിലത് പറയുന്നു.
മൂന്നും ഒരേ ആശയത്തിൽ ഒത്തുചേരുന്നു: ഒരു മോഡലിന് ചുറ്റുമുള്ള നിർദ്ദേശങ്ങൾ, ഉപകരണങ്ങൾ, കോൺഫിഗറേഷനുകൾ എന്നിവ ഇപ്പോൾ AI ആക്രമണ ഉപരിതലത്തിന്റെ ഭാഗമാണ്, അവ സാധാരണയായി നിങ്ങളുടെ സ്വന്തം ശേഖരണത്തിനുള്ളിൽ വസിക്കുന്നു. നിങ്ങളുടെ ടീമുകളോട് ചോദിക്കേണ്ട ആദ്യത്തെ ചോദ്യം ഇതാണ്: നിങ്ങളുടെ ശേഖരത്തിൽ നിലനിൽക്കുന്ന നിയമ ഫയലുകൾ, കഴിവുകൾ, MCP കോൺഫിഗുകൾ എന്നിവ ആരാണ് അവലോകനം ചെയ്യുന്നത്?
വെക്റ്റർ 1: വിഷം കലർന്ന കഴിവ്
ഒരു AI ഏജന്റിനെ ഒരു ടാസ്ക് എങ്ങനെ നിർവഹിക്കണമെന്ന് പഠിപ്പിക്കുന്ന നിർദ്ദേശങ്ങളുടെയും കഴിവുകളുടെയും ഒരു ഫയലാണ് സ്കിൽ. ഒരു ഏജന്റിന്റെ പെരുമാറ്റം രൂപപ്പെടുത്തുന്നതിനുള്ള ഒരേയൊരു മാർഗ്ഗമല്ല ഇത് (റൂൾസ് ഫയലുകൾ, hooks, MCP കോൺഫിഗുകളും ഇതുതന്നെ ചെയ്യുന്നു), പക്ഷേ അവയെല്ലാം ഒരു പ്രോപ്പർട്ടി പങ്കിടുന്നു: അവ കോഡിനൊപ്പം റിപ്പോസിറ്ററിക്കുള്ളിൽ സഞ്ചരിക്കുന്നു.
ഈ വർഷത്തെ ഗവേഷണം ഈ കഴിവുകളിൽ 4,000 എണ്ണം അവലോകനം ചെയ്തു:
- 36% പേർക്ക് കുറഞ്ഞത് ഒരു സുരക്ഷാ പിഴവെങ്കിലും ഉണ്ടായിരുന്നു.
- 13.4% പേർ ഗുരുതരാവസ്ഥയിലായിരുന്നു.
- നൂറിനടുത്ത് എണ്ണം ദോഷകരമായ പേലോഡുകൾ പൂർണ്ണമായും കൈവശം വച്ചിരുന്നു.
പ്രധാന മാറ്റം: ആക്രമണകാരി ഇനി നിങ്ങളുടെ കോഡിനെ ലക്ഷ്യം വയ്ക്കുന്നില്ല. അവർ നിങ്ങളുടെ കോഡ് എഴുതുന്ന ഏജന്റിനെ ലക്ഷ്യം വയ്ക്കുന്നു, മോഡൽ വായിക്കുകയും പ്രവർത്തനക്ഷമമായി കണക്കാക്കുകയും ചെയ്യുന്ന മറഞ്ഞിരിക്കുന്ന നിർദ്ദേശങ്ങൾ (ചിലപ്പോൾ അദൃശ്യ പ്രതീകങ്ങൾ ഉപയോഗിച്ച്) സ്ഥാപിക്കുന്നു. ഒരു മനുഷ്യ അവലോകകൻ അംഗീകരിക്കുന്നു pull request നല്ല വിശ്വാസത്തോടെ, കാരണം അവരുടെ കണ്ണുകൾക്ക് ഫയൽ വൃത്തിയായി കാണപ്പെടുന്നു. അവലോകനം ചെയ്യുന്നയാൾ ഒരിക്കലും കാണാത്ത നിർദ്ദേശങ്ങൾ മോഡൽ വ്യാഖ്യാനിക്കുന്നു.
ഇത് സൈദ്ധാന്തികമല്ല. CVE-2025-59536 (CVSS 8.7) വിശ്വസനീയമല്ലാത്ത ഒരു ശേഖരത്തിൽ നിന്ന് ക്ലോഡ് കോഡ് സമാരംഭിക്കാൻ അനുവദിച്ചു, അവിടെ ഒരു ക്ഷുദ്ര കോൺഫിഗറേഷന് ഉപയോക്താവ് ട്രസ്റ്റ് ഡയലോഗ് സ്വീകരിക്കുന്നതിന് മുമ്പ് കമാൻഡുകൾ പ്രവർത്തിപ്പിക്കാൻ കഴിയും. രണ്ടാമത്തെ ദുർബലത, CVE-2026-21852, ഉപയോക്താവ് ഒന്നും അംഗീകരിക്കാതെ തന്നെ പ്രോജക്റ്റ് നിയന്ത്രിത കോൺഫിഗറേഷൻ വഴി ഒരു API കീയുടെ പുറന്തള്ളൽ അനുവദിച്ചു.
H2: വെക്റ്റർ 2: സ്ലോപ്സ്ക്വാട്ടിംഗ്
ക്ലാസിക് ടൈപ്പോസ്ക്വാട്ടിംഗ് ആക്രമണവുമായി "സ്ലോപ്പ്" (ഒരു AI ചിലപ്പോൾ സൃഷ്ടിക്കുന്ന ജങ്ക്) എന്ന പേര് കൂടിച്ചേരുന്നു. ടൈപ്പോസ്ക്വാട്ടിംഗ് മനുഷ്യ പിശകിനെ ആശ്രയിച്ചിരിക്കുന്നു: ഒരു ആക്രമണകാരി ഒരു ജനപ്രിയ പാക്കേജ് നാമത്തിന് അടുത്തുള്ള ഒരു പേര് രജിസ്റ്റർ ചെയ്യുകയും ഒരു അക്ഷരത്തെറ്റിനായി കാത്തിരിക്കുകയും ചെയ്യുന്നു. ഇത് ക്രമരഹിതമാണ്.
സ്ലോപ്സ്ക്വാട്ടിംഗ് ഒരു തെറ്റിനായി കാത്തിരിക്കുന്നില്ല. ഈ സെഷനിൽ പരാമർശിച്ച പഠനത്തിൽ, AI മോഡലുകൾ സൃഷ്ടിച്ച പാക്കേജ് റഫറൻസുകളിൽ 19.7% നിലവിലില്ലാത്ത പാക്കേജുകളിലേക്കാണ് വിരൽ ചൂണ്ടുന്നത്. മോഡലുകൾ ഒരേ പേരുകൾ ആവർത്തിച്ച് ഭ്രമാത്മകമാക്കാൻ സാധ്യതയുണ്ട്, അതിനാൽ ഒരു ആക്രമണകാരി AI കണ്ടുപിടിക്കുന്ന പേരുകൾ നിരീക്ഷിക്കുകയും, ആ പേരുകൾ മാലിഷ്യസ് കോഡ് ഉപയോഗിച്ച് രജിസ്റ്റർ ചെയ്യുകയും, AI നിർദ്ദേശിച്ച അടുത്ത ഇൻസ്റ്റാളിനായി അത് നിങ്ങളുടെ ആപ്ലിക്കേഷനിലേക്ക് വലിച്ചെടുക്കുന്നതിനായി കാത്തിരിക്കുകയും ചെയ്യുന്നു.
സ്കെയിൽ ചെറുതല്ല: 2025-ൽ 450,000-ത്തിലധികം പുതിയ ക്ഷുദ്ര പാക്കേജുകൾ തിരിച്ചറിഞ്ഞു. രണ്ട് ഉദാഹരണങ്ങൾ ഇതിനെ മൂർത്തമാക്കുന്നു:
- ഒരു ഗവേഷകൻ നിരുപദ്രവകരമായ ഒരു പരീക്ഷണ പാക്കേജ് നട്ടുപിടിപ്പിച്ചു, അതിനെ " ആലിംഗന മുഖം-ക്ലൈ കാര്യം തെളിയിക്കാൻ. അത് ലോഗ് ചെയ്തു മൂന്ന് മാസത്തിനുള്ളിൽ 30,000-ത്തിലധികം ഡൗൺലോഡുകൾ.
- ഉപയോഗിക്കാത്ത ഇറക്കുമതികൾമുകളിലുള്ള ടൈംലൈനിൽ നിന്ന്, മാൽവെയർ സ്ഥിരീകരിച്ചു, ഇത് ഒരു പൊതു രജിസ്ട്രിയിൽ തത്സമയം പ്രവർത്തിക്കുന്നു, കൃത്യമായി ഈ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു. അതൊരു പരീക്ഷണമായിരുന്നില്ല.
നിങ്ങളുടെ ടീമിനും ഇത് സംഭവിക്കുമോ എന്നതല്ല ചോദ്യം. ഇന്ന് എത്ര AI- നിർദ്ദേശിച്ച പാക്കേജുകൾ ആരും നോക്കാതെ നിങ്ങളുടെ കോഡിൽ പ്രവേശിക്കുന്നു എന്നതാണ് പ്രശ്നം.
പ്രതികരണം: standardകൾ എത്തിക്കൊണ്ടിരിക്കുന്നു
രണ്ട് ശക്തികൾ സമാന്തരമായി ഓടുന്നു. ആക്രമണങ്ങൾ വേഗത്തിലാകുമ്പോൾ, standardശരീരങ്ങൾ പ്രതികരിക്കുന്നു:
- എൻഐഎസ്ടി എസ്പി 800-218എ സമഗ്രതയുടെയും ഉറവിടത്തിന്റെയും തെളിവുകൾ ഉൾപ്പെടെ, AI മോഡലുകൾക്ക് പ്രത്യേകമായുള്ള രീതികളോടെ സുരക്ഷിത സോഫ്റ്റ്വെയർ വികസന ചട്ടക്കൂട് വിപുലീകരിക്കുന്നു.
- In മേയ് 29, CISഎ യും അതിന്റെ അന്താരാഷ്ട്ര ജി7 പങ്കാളികളും മോഡലുകൾ, ഡാറ്റാസെറ്റുകൾ, ഘടകങ്ങൾ, ദാതാക്കൾ, ആശ്രിതത്വങ്ങൾ എന്നിങ്ങനെ ആ ഇൻവെന്ററിയിൽ എന്തെല്ലാം ഉൾപ്പെടുന്നുവെന്ന് നിർവചിക്കുന്ന, AI-യ്ക്കുള്ള സോഫ്റ്റ്വെയർ ബില്ലിന്റെ മെറ്റീരിയൽസ് സംബന്ധിച്ച മാർഗ്ഗനിർദ്ദേശം പ്രസിദ്ധീകരിച്ചു.
ദിശ വ്യക്തമാണ്: SBOM ഒരു AI-BOM ആയി വികസിക്കുന്നു. ഇൻവെന്ററി ചെയ്യാൻ കഴിയാത്തവ സാക്ഷ്യപ്പെടുത്താനോ സാക്ഷ്യപ്പെടുത്താനോ കഴിയില്ല. ഇന്ന്, മിക്ക സ്ഥാപനങ്ങൾക്കും ഇവ ചെയ്യാൻ കഴിയില്ല:
- 43% അവർ ഇതിനകം ഉപയോഗിക്കുന്ന AI ഉപകരണങ്ങൾ ഓഡിറ്റ് ചെയ്യാനോ ഇൻവെന്ററി ചെയ്യാനോ കഴിയില്ല.
- 79% സ്വന്തം പരിതസ്ഥിതിയിൽ പ്രവർത്തിക്കുന്ന AI ഏജന്റുമാരിലേക്കും MCP സിസ്റ്റങ്ങളിലേക്കും അവയ്ക്ക് ദൃശ്യപരതയില്ല.
നിയന്ത്രിത പരിതസ്ഥിതികളിൽ, ഈ ഇൻവെന്ററി നല്ല രീതികളിൽ നിന്ന് കരാർ പ്രതീക്ഷയിലേക്കോ അനുസരണ ബാധ്യതയിലേക്കോ നീങ്ങുന്നു. എന്നാൽ ഒരു ഇൻവെന്ററി നിങ്ങൾക്ക് എന്താണ് ഉള്ളതെന്ന് മാത്രമേ നിങ്ങളോട് പറയുന്നുള്ളൂ. സ്വന്തമായി, അത് ഒരു ആക്രമണത്തെ തടയുന്നില്ല.
വിടവ്: AppSec-നുള്ള ഒരു EDR
SAST ഒപ്പം SCA ഒരു ഏജന്റിന്റെ പെരുമാറ്റമോ അതിന്റെ കോൺഫിഗറേഷനോ അല്ല, കോഡും ആശ്രിതത്വങ്ങളും വിശകലനം ചെയ്യുന്നതിനാണ് ഉപകരണങ്ങൾ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ബി.ഡി.യു പ്രോസസ്സുകളും നെറ്റ്വർക്ക് കണക്ഷനുകളും കാണുന്നു, പക്ഷേ ഒരു ആശ്രിതത്വത്തെയോ ഏജന്റ് കോൺഫിഗറേഷനെയോ വ്യാഖ്യാനിക്കുന്നതിനുള്ള ആപ്ലിക്കേഷൻ-സുരക്ഷാ സന്ദർഭം ഇതിന് സാധാരണയായി ഇല്ല. ആ രണ്ട് വിഭാഗത്തിലുള്ള ഉപകരണങ്ങൾക്കിടയിൽ ഒരു വിടവ് ഉണ്ട്, കൃത്യമായി കോഡ് ഇപ്പോൾ സൃഷ്ടിക്കപ്പെടുന്നിടത്തും കൃത്യമായി AI ആക്രമണ ഉപരിതലം താമസിക്കുന്നിടത്തും.
ആ വിടവിൽ മൂന്ന് അന്ധമായ പാടുകൾ ഉണ്ട്:
- AI ആസ്തികൾ. മോഡലുകൾ, ഏജന്റുകൾ, MCP സെർവറുകൾ എന്നിവ നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ ദൃശ്യമാകില്ല. SASTഅല്ലെങ്കിൽ SCAയുടെ റഡാർ. നിങ്ങൾക്ക് കാണാൻ കഴിയാത്തത് ഇൻവെന്ററി ചെയ്യാൻ കഴിയില്ല.
- കോൺഫിഗറേഷൻ ഫയലുകൾ. കഴിവുകൾ, നിയമങ്ങൾ, MCP കോൺഫിഗുകൾ എന്നിവ ഏജന്റ് പെരുമാറ്റത്തെ രൂപപ്പെടുത്തുന്നു, പക്ഷേ അവ സാധാരണയായി നിരുപദ്രവകരമായ പ്ലെയിൻ ടെക്സ്റ്റ് പോലെയാണ് അവലോകനം ചെയ്യുന്നത്.
- പാക്കേജ് ഇൻസ്റ്റാളുകൾ. A ദോഷകരമായ ആശ്രിതത്വം ദോഷകരമാണെന്ന് അറിയപ്പെടുന്നതിന് മുമ്പ് പ്രവർത്തിക്കാൻ കഴിയും., പിന്നെ ആരും അംഗീകരിക്കാതെ രഹസ്യങ്ങളും ടോക്കണുകളും പുറത്തുവിടുക.
സൈജെനി അത് എങ്ങനെ അടയ്ക്കുന്നു
എൻഡ്പോയിന്റുകൾക്കായി ഒരു EDR എന്താണ് ചെയ്യുന്നത്, സൈജെനി ഷീൽഡ് AI- സഹായത്തോടെയുള്ള വികസന ജീവിതചക്രത്തിന് അനുയോജ്യമാണ്: ആപ്ലിക്കേഷൻ-സുരക്ഷാ സന്ദർഭം മനസ്സിലാക്കിക്കൊണ്ട് കോഡ് സൃഷ്ടിക്കപ്പെടുന്നിടത്ത് ഇത് സംരക്ഷണം നൽകുന്നു.
- ദൃശ്യപരത എവിടെയാണ് SAST ഒപ്പം SCA എത്തരുത്. Xygeni ക്ഷുദ്ര കഴിവുകൾ ഫ്ലാഗ് ചെയ്യുകയും ഫയലുകൾ നിയന്ത്രിക്കുകയും ചെയ്യുന്നു, MCP കോൺഫിഗറേഷനുകൾ വിശകലനം ചെയ്യുന്നു, ഒരു ഓഡിറ്റ്-റെഡി നിർമ്മിക്കുന്നു. AI-BOM, OWASP LLM, MCP, ഏജന്റ് സ്കിൽസ് ടോപ്പ് 10 എന്നിവയിലേക്ക് മാപ്പ് ചെയ്തു.
- ഒപ്പുകൾ മാത്രമല്ല, ബുദ്ധിശക്തിയും. ഒരു CVE, ഒരു ഉപദേശക സന്ദേശം അല്ലെങ്കിൽ ഒരു പൊതു ഒപ്പ് ഉണ്ടാകുന്നതിന് മുമ്പ് ഒരു പാക്കേജ് തടയുന്നതിനുള്ള സ്വഭാവവും അപകടസാധ്യതയും MEW (മാൽവെയർ നേരത്തെയുള്ള മുന്നറിയിപ്പ്) വിശകലനം ചെയ്യുന്നു. കാലികമായ നെറ്റ്വർക്ക് ഇന്റലിജൻസ് അറിയപ്പെടുന്ന-ക്ഷുദ്രകരമായ ഇൻഫ്രാസ്ട്രക്ചറിലേക്കുള്ള കണക്ഷനുകൾ വിച്ഛേദിക്കുന്നു.
- കോഡ് മുതൽ എൻഡ്പോയിന്റ് വരെ ഒരു നിയന്ത്രണ പോയിന്റ്. പരിസ്ഥിതി പുനർനിർമ്മിക്കാതെ വിന്യസിക്കപ്പെട്ട ഒരൊറ്റ ഏജന്റ്, യൂറോപ്യൻ ഡാറ്റാ പരമാധികാരവും അനുസരണ തെളിവുകളും അന്തർനിർമ്മിതമാണ്.
ഒരു തത്സമയ പ്രകടനത്തിൽ, ഇൻസ്റ്റാളേഷൻ പൂർത്തിയാകുന്നതിന് മുമ്പ് മൂന്ന് വ്യത്യസ്ത ഇൻസ്റ്റലേഷൻ പാതകളിൽ (വെർച്വൽ എൻവയോൺമെന്റ്, പാക്കേജ് മാനേജർ, ഡയറക്ട് ഡൗൺലോഡ്) ഒരു മാലിഷ്യസ് പാക്കേജ് ഇൻസ്റ്റാൾ ചെയ്യാനുള്ള ഒരു AI ഏജന്റിന്റെ ശ്രമത്തെ ഈ നയ നിർവ്വഹണം തടഞ്ഞു, എല്ലാം തത്സമയം ലോഗിൻ ചെയ്ത് ഒരു SOC-യിലേക്ക് എക്സ്പോർട്ട് ചെയ്യാൻ കഴിയും. ആദ്യ പ്രോജക്റ്റിൽ ഓൺബോർഡിംഗ് സാധാരണയായി ഒരു മണിക്കൂർ എടുക്കും; ഒരു പൂർണ്ണ ഓർഗനൈസേഷനിലുടനീളം കവറേജ് വ്യാപിപ്പിക്കുന്നതിന് സാധാരണയായി ഘടനയെ ആശ്രയിച്ച് ഒന്ന് മുതൽ രണ്ട് ആഴ്ച വരെ എടുക്കും.
പതിവുചോദ്യങ്ങൾ
ഒരു ഖണ്ഡികയിൽ AI ആക്രമണ ഉപരിതലം എന്താണ്?
AI ആക്രമണ ഉപരിതലം എന്നത് മോഡലുകൾ, ഏജന്റുകൾ, MCP സെർവറുകൾ, കഴിവുകൾ, നിയമ ഫയലുകൾ, AI-നിർദ്ദേശിച്ച ആശ്രിതത്വങ്ങൾ എന്നിവയുടെ ഒരു കൂട്ടമാണ്, അതിലൂടെ ഒരു മനുഷ്യൻ അത് അവലോകനം ചെയ്യുന്നതിനുമുമ്പ് ഒരു ആപ്ലിക്കേഷനിലേക്ക് അപകടസാധ്യത പ്രവേശിക്കാം. പരമ്പരാഗത കോഡിനും ആശ്രിതത്വങ്ങൾക്കും അപ്പുറത്തേക്ക് ഇത് വ്യാപിക്കുകയും ഒരു AI ഏജന്റ് എങ്ങനെ പെരുമാറണമെന്ന് രൂപപ്പെടുത്തുന്ന കോൺഫിഗറേഷൻ ഫയലുകളും നിർദ്ദേശങ്ങളും ഉൾപ്പെടുത്തുകയും ചെയ്യുന്നു.
എന്റെ AI അസിസ്റ്റന്റ് നിർദ്ദേശിച്ച ഒരു പാക്കേജ് നാമം ഒരു ഭ്രമാത്മകതയാണോ അതോ നിയമാനുസൃതവും എന്നാൽ പരിചിതമല്ലാത്തതുമാണോ എന്ന് എനിക്ക് എങ്ങനെ പറയാൻ കഴിയും?
ഇൻസ്റ്റാൾ ചെയ്യുന്നതിന് മുമ്പ് സാധൂകരിക്കുക: രജിസ്ട്രി പരിശോധിച്ച് പാക്കേജിന്റെ യഥാർത്ഥ ഉള്ളടക്കവും ഉദ്ദേശ്യവും വിശകലനം ചെയ്യുക, പേരിനെ മാത്രം വിശ്വസിക്കുന്നതിനുപകരം. കോഡ് ജനറേഷൻ സമയത്ത് Xygeni ഈ സാധൂകരണം തത്സമയം ഓട്ടോമേറ്റ് ചെയ്യുന്നു, അതിനാൽ പാക്കേജ് നിങ്ങൾക്ക് തിരിച്ചറിയാൻ കഴിയുന്ന ഒന്നാണോ അല്ലയോ എന്നത് പരിഗണിക്കാതെ തന്നെ, ഒരു ഇൻസ്റ്റാളേഷൻ പ്രവർത്തിക്കുന്നതിന് മുമ്പ് അംഗീകരിക്കപ്പെടുകയോ തടയപ്പെടുകയോ ചെയ്യുന്നു.
സ്ലോപ്സ്ക്വാട്ടിംഗ് എല്ലാ AI മോഡലുകളെയും ഒരുപോലെ ബാധിക്കുമോ?
19.7% എന്ന സംഖ്യയ്ക്ക് പിന്നിലെ ഗവേഷണം ഒന്നിലധികം മോഡലുകളെ ഉൾക്കൊള്ളുകയും പ്രശ്നം വ്യാപകമായി വിതരണം ചെയ്യപ്പെടുകയും ചെയ്തു, അവയ്ക്കിടയിൽ ചെറിയ വ്യത്യാസങ്ങൾ മാത്രമേ ഉണ്ടായിരുന്നുള്ളൂ. ഇത് AI- സഹായത്തോടെയുള്ള വികസനത്തിലുടനീളമുള്ള ഒരു പാറ്റേണാണ്, ഒരു അസിസ്റ്റന്റിന് മാത്രമുള്ള ഒരു പോരായ്മയല്ല.
നമ്മൾ ഇതിനകം ഒരു ഭ്രമാത്മകമോ ക്ഷുദ്രകരമോ ആയ പാക്കേജ് ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടോ എന്ന് മുൻകാല പ്രാബല്യത്തോടെ പരിശോധിക്കാൻ കഴിയുമോ?
അതെ. സൈജെനിയുടെ പ്ലാറ്റ്ഫോം ഉപഭോക്താക്കൾക്ക് കണ്ടെത്തിയ ക്ഷുദ്ര പാക്കേജുകളുടെ ഒരു പരിപാലിക്കുന്ന ഡാറ്റാബേസിലേക്ക് ആക്സസ് നൽകുന്നു, നിങ്ങളുടെ നിലവിലുള്ള ഘടക ഇൻവെന്ററിയിൽ തിരയാൻ കഴിയും, അതിനാൽ ഇതിനകം ഇൻസ്റ്റാൾ ചെയ്തിട്ടുള്ള എന്തെങ്കിലും അറിയപ്പെടുന്ന ഭീഷണിയാണോ എന്ന് നിങ്ങൾക്ക് രണ്ട് ക്ലിക്കുകളിലൂടെ സ്ഥിരീകരിക്കാൻ കഴിയും.
ഒന്നിലധികം ടീമുകളുള്ള ഒരു ഇടത്തരം സ്ഥാപനത്തിന് നടപ്പിലാക്കാൻ എത്ര സമയമെടുക്കും?
ആദ്യ പ്രോജക്റ്റിൽ ചേരാൻ സാധാരണയായി ഒരു മണിക്കൂർ എടുക്കും. ടീം ഘടനയും പ്രവർത്തന രീതികളും അനുസരിച്ച്, ഒരു പൂർണ്ണ സ്ഥാപനത്തിലുടനീളം സ്കെയിലിംഗ് നടത്താൻ സാധാരണയായി ഒന്ന് മുതൽ രണ്ടാഴ്ച വരെ എടുക്കും.
നിങ്ങളുടെ AI ആക്രമണ ഉപരിതലം സൗജന്യമായി മാപ്പ് ചെയ്യൂ
നിങ്ങളുടെ ആപ്ലിക്കേഷന്റെ AI കാൽപ്പാടുകൾ സൗജന്യമായി മാപ്പ് ചെയ്യുക: ഒരു അക്കൗണ്ട് സൃഷ്ടിക്കുക, മിനിറ്റുകൾക്കുള്ളിൽ ആദ്യത്തെ സ്കാൻ പ്രവർത്തിപ്പിക്കുക. ഒരൊറ്റ ആപ്ലിക്കേഷനിൽ നിന്ന് ആരംഭിക്കുക, അതിനുള്ളിൽ എന്താണ് AI ഉള്ളതെന്ന് കാണുക, നിങ്ങളുടെ AI ആക്രമണ പ്രതലത്തിന്റെ ഏത് ഭാഗമാണ് അപകടകരമെന്ന് കാണുക.
*മുകളിൽ പരാമർശിച്ച ചില കഴിവുകൾ സൈജെനി ഷീൽഡ് വഴി നടപ്പിലാക്കുന്നു, കൂടാതെ ASPM/AI സുരക്ഷാ മൊഡ്യൂളുകൾ; പ്ലാൻ അനുസരിച്ച് ലഭ്യത വ്യത്യാസപ്പെടാം. കാണുക xygeni.io - ക്ലൗഡിൽ ഓൺലൈനിൽ നിലവിലെ ഉൽപ്പന്ന വിശദാംശങ്ങൾക്ക്.
