എട്ട് മാസം. നാല് പ്രധാന സംഭവങ്ങൾ. ഒരു പാറ്റേൺ: സോഫ്റ്റ്വെയർ വിതരണ ശൃംഖലയ്ക്ക് പുതിയൊരു എതിരാളിയെ ലഭിച്ചില്ല, പകരം പുതിയൊരു ആയുധം ലഭിച്ചു. 2025 സെപ്റ്റംബറിനും 2026 മെയ് മാസത്തിനും ഇടയിൽ, സ്വയം പ്രചരിപ്പിക്കുന്ന ഒരു വേം, ഒരു ദേശീയ-സംസ്ഥാന നടൻ, ഒരു കോപ്പിയടി കാമ്പെയ്ൻ, ഒരു ഹൈജാക്ക് ചെയ്ത AI മോഡൽ എന്നിവ ഓരോന്നും pipelineദശലക്ഷക്കണക്കിന് ഡെവലപ്പർമാർ ദിവസവും വിശ്വസിക്കുന്നവയാണ്. സൈബർ സുരക്ഷാ ഭീഷണികളുടെ പുതിയ രൂപമാണിത്: വേഗതയേറിയതും, കാണാൻ പ്രയാസമുള്ളതും, കോഡ് കൈമാറാൻ ഡെവലപ്മെന്റ് ടീമുകൾ ഉപയോഗിക്കുന്ന അതേ AI ഉപയോഗിച്ച് കൂടുതൽ ശക്തി പ്രാപിക്കുന്നതും.
നിങ്ങളുടെ സൈബർ സുരക്ഷാ ഭീഷണികളുടെ മാനസിക മാതൃക ഇപ്പോഴും ഫിഷിംഗ് ഇമെയിലുകളിലും പാച്ച് ചെയ്യാത്ത സെർവറുകളിലും ആരംഭിക്കുകയും അവസാനിക്കുകയും ചെയ്യുന്നുവെങ്കിൽ, താഴെയുള്ള ഡാറ്റ അത് അപ്ഡേറ്റ് ചെയ്യും.
സൈബർ സുരക്ഷാ ഭീഷണികളുടെ പുതിയ രൂപം
വർഷങ്ങളായി, സൈബർ സുരക്ഷാ ഭീഷണികൾ എന്നാൽ മോഷ്ടിച്ച ക്രെഡൻഷ്യലുകൾ, തെറ്റായി കോൺഫിഗർ ചെയ്ത സെർവറുകൾ, സോഷ്യൽ എഞ്ചിനീയറിംഗ് എന്നിവയാണ്. ആ അപകടസാധ്യതകൾ അപ്രത്യക്ഷമായിട്ടില്ല: 2022-ൽ സ്ഥിരീകരിച്ച ഡാറ്റാ ലംഘനങ്ങളിൽ 81% വും അപഹരിക്കപ്പെട്ട ക്രെഡൻഷ്യലുകൾ ഉൾപ്പെട്ടതായിരുന്നു. എന്നാൽ ഒരു പുതിയ വിഭാഗം സംഭാഷണത്തിന്റെ കേന്ദ്രത്തിലേക്ക് മാറിയിരിക്കുന്നു: AI ഭീഷണികൾ. വികസന ടീമുകൾ ഇപ്പോൾ AI കോഡിംഗ് അസിസ്റ്റന്റുമാരെയും ഏജന്റ് കോപൈലറ്റുകളെയും ആശ്രയിക്കുന്നു. മോഡൽ കോൺടെക്സ്റ്റ് പ്രോട്ടോക്കോൾ (എംസിപി) സോഫ്റ്റ്വെയർ വേഗത്തിൽ നിർമ്മിക്കാൻ സെർവറുകൾ ഉപയോഗിക്കുന്നു, അവ ഓരോന്നും ഇപ്പോൾ ഒരു ലക്ഷ്യമാണ്. AI- ജനറേറ്റ് ചെയ്യുന്ന കോഡിന്റെ ഏകദേശം 40% സുരക്ഷാ ദുർബലതകൾ ഉൾക്കൊള്ളുന്നുവെന്ന് ഗവേഷണങ്ങൾ കാണിക്കുന്നു, അതായത് AI വാഗ്ദാനം ചെയ്യുന്ന വേഗത AI സുരക്ഷാ അപകടസാധ്യതകളിൽ ആനുപാതികമായ വർദ്ധനവുമായി നേരിട്ട് കോഡ്ബേസിലേക്ക് വരുന്നു.
എട്ട് മാസം, നാല് സംഭവങ്ങൾ: AI ഭീഷണികൾ എങ്ങനെ വർദ്ധിച്ചു
AI ഭീഷണികൾ ത്വരിതപ്പെടുത്തുന്നു എന്നതിന്റെ ഏറ്റവും വ്യക്തമായ തെളിവ് ഒരു പ്രവചനമല്ല; അത് ഒരു എന്താണ് സംഭവിച്ചതെന്ന് കാണിക്കുന്ന ടൈംലൈൻ:
- സെപ്റ്റംബർ 2025, ശൈ-ഹുലുദ്: ഡെവലപ്പർമാരെ തന്നെ ഒരു ഡെലിവറി മെക്കാനിസമാക്കി മാറ്റുന്ന, സ്വയം പ്രചരിപ്പിക്കുന്ന ആദ്യത്തെ npm വേം.
- മാർച്ച് 2026, അക്ഷങ്ങൾ: ഒരു പാക്കേജിനുള്ളിൽ ഒളിപ്പിച്ചിരിക്കുന്ന ദേശീയ-സംസ്ഥാന മാൽവെയർ ആഴ്ചയിൽ ഏകദേശം 100 ദശലക്ഷം തവണ വലിച്ചെടുക്കപ്പെട്ടു.
- ഏപ്രിൽ 2026, SAP npm: ടെക്നിക് സ്കെയിലുകൾ കാണിക്കുന്ന, അതേ വേം പാറ്റേണിന്റെ ചെറിയ തോതിലുള്ള ആവർത്തനം.
- മെയ് 2026, ക്ലോഡ് ഓപസ് → പ്രോംപ്റ്റ്മിങ്ക്: ഒരു സ്വയംഭരണ ഏജന്റിനുള്ളിൽ മാൽവെയർ സ്ഥാപിക്കാൻ ആയുധമാക്കിയ ഒരു വലിയ ഭാഷാ മോഡൽ, AI തന്നെ ആക്രമണ വെക്റ്ററായി പ്രവർത്തിക്കുന്നു.
ഓരോ സംഭവവും അതിനു മുമ്പുള്ളതിനെ വീണ്ടും ഉപയോഗിക്കുകയും സ്കെയിൽ ചെയ്യുകയും ചെയ്തു. 2026-ൽ AI ഭീഷണികളുടെ നിർവചിക്കുന്ന സവിശേഷത അതാണ്: പരമ്പരാഗത സൈബർ സുരക്ഷാ ഭീഷണികളേക്കാൾ വേഗത്തിൽ അവ സങ്കീർണ്ണമാകുന്നു, കാരണം ഡെവലപ്പർമാരെ സഹായിക്കുന്നതിന് സഹായിക്കുന്ന അതേ ഓട്ടോമേഷൻ ആക്രമണകാരികളെ പ്രചരിപ്പിക്കുന്നതിനും സഹായിക്കുന്നു.
പരമ്പരാഗത ഉപകരണങ്ങൾക്ക് ഈ AI അപകടസാധ്യതകൾ കാണാൻ കഴിയാത്തത് എന്തുകൊണ്ട്?
പരമ്പരാഗത ആപ്പ്സെക് ഉപകരണങ്ങൾ റിപ്പോസിറ്ററിയിൽ നിർത്തുന്നു, ഒരു മോഡൽ എന്താണെന്ന് അറിയില്ല. പരമ്പരാഗത എൻഡ്പോയിന്റ് ഉപകരണങ്ങൾ ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തെ നിരീക്ഷിക്കുന്നു, പാക്കേജുകൾ, എംസിപി സെർവറുകൾ അല്ലെങ്കിൽ എഐ അസിസ്റ്റന്റുകൾ എന്നിവ മനസ്സിലാക്കുന്നില്ല. രണ്ടിനുമിടയിലുള്ള ആ വിടവ്, കേടുപാടുകൾ സംഭവിക്കുന്നത് വരെ, കണ്ടെത്താതെ എഐ അപകടത്തിലാകുന്നിടത്താണ്.
രണ്ട് കണക്കുകൾ എക്സ്പോഷറിനെ ഉറപ്പിക്കുന്നു: 2025 ലെ നാലാം പാദത്തിനും 2026 ലെ ഒന്നാം പാദത്തിനും ഇടയിൽ AI-ലക്ഷ്യമിട്ട ക്രെഡൻഷ്യൽ മോഷണം 376% വർദ്ധിച്ചു, കൂടാതെ ഒരു ക്ഷുദ്ര MCP ബ്രിഡ്ജ് (CVE-2025-6514) പിടിക്കപ്പെടുന്നതിന് മുമ്പ് 437,000 തവണ ഡൗൺലോഡ് ചെയ്യപ്പെട്ടു, ഇത് ക്ലയന്റിൽ റിമോട്ട് കോഡ് എക്സിക്യൂഷൻ പ്രാപ്തമാക്കി. പൊതു MCP സെർവറുകളും സ്ഥിരസ്ഥിതിയായി സുരക്ഷിതമല്ല: 5.5% ക്യാരി ടൂൾ-പോയ്സണിംഗ് പിഴവുകളും 43% ക്യാരി കമാൻഡ്-ഇഞ്ചക്ഷൻ പിഴവുകളും ഒരു ഡെവലപ്പറുടെ സ്വന്തം ടൂളിംഗിനെ ഒരു സ്ഥാപനം നേരിടാൻ കഴിയുന്ന ഏറ്റവും ഗുരുതരമായ സൈബർ സുരക്ഷാ ഭീഷണികളിൽ ഒന്നാക്കി മാറ്റാൻ പര്യാപ്തമാണ്.
സൈബർ സുരക്ഷാ ഭീഷണികളുടെ ഏറ്റവും വലിയ ഉറവിടം ഇപ്പോഴും സോഫ്റ്റ്വെയർ വിതരണ ശൃംഖലയാണ്.
ഈ പ്രശ്നം AI കണ്ടുപിടിച്ചതല്ല, മറിച്ച് അത് അതിനെ വിപുലീകരിച്ചു. സൈബർ സുരക്ഷാ ഭീഷണികൾക്കുള്ള ഏറ്റവും കൂടുതൽ ചൂഷണം ചെയ്യപ്പെടുന്ന എൻട്രി പോയിന്റ് സോഫ്റ്റ്വെയർ വിതരണ ശൃംഖലയായിരുന്നു, കണക്കുകൾ അത് സ്ഥിരീകരിക്കുന്നു. 2019 മുതൽ 778,500-ലധികം ക്ഷുദ്രകരമായ ഓപ്പൺ സോഴ്സ് പാക്കേജുകൾ തിരിച്ചറിഞ്ഞിട്ടുണ്ട്, ഒരു വർഷത്തിനുള്ളിൽ ആ കണക്ക് 156% വർദ്ധിച്ച് 512,847 പാക്കേജുകളിൽ എത്തി. വിതരണ ശൃംഖല ആക്രമണങ്ങളിൽ 60% ഒരു വിതരണക്കാരനിലുള്ള ഉപഭോക്തൃ വിശ്വാസത്തെ മുതലെടുത്തതായി ENISA കണ്ടെത്തി, ചില കണക്കുകൾ പ്രകാരം സോഫ്റ്റ്വെയർ വിതരണ ശൃംഖല ഇപ്പോൾ ഏകദേശം 48 മണിക്കൂറിൽ ഒരു ആക്രമണം അനുഭവിക്കുന്നു. 2019 നും 2022 നും ഇടയിൽ വിതരണ ശൃംഖല ആക്രമണങ്ങൾ 742% വർദ്ധിച്ചു, 2025 ആകുമ്പോഴേക്കും 45% സ്ഥാപനങ്ങളെയും ബാധിക്കുമെന്നും 2031 ആകുമ്പോഴേക്കും വാർഷിക ചെലവ് 138 ബില്യൺ ഡോളറിലെത്തുമെന്നും പ്രവചനങ്ങൾ സൂചിപ്പിക്കുന്നു; ഈ വർഷം മാത്രം സോഫ്റ്റ്വെയർ വിതരണ ശൃംഖല ആക്രമണങ്ങളുടെ ചെലവ് 60 ബില്യൺ ഡോളറായി കണക്കാക്കപ്പെടുന്നു.
ഒരേ ആശ്രിതത്വവും pipeline ഈ ക്ലാസിക് സൈബർ സുരക്ഷാ ഭീഷണികൾ സൃഷ്ടിച്ച ബലഹീനതകൾ ഇപ്പോൾ AI അപകടസാധ്യതകളും വഹിക്കുന്നു: ഒരു വിട്ടുവീഴ്ച ചെയ്യാത്ത പാക്കേജ്, തെറ്റായി കോൺഫിഗർ ചെയ്ത GitHub ആക്ഷൻ, അല്ലെങ്കിൽ അൺപിൻ ചെയ്ത CI/CD ഒരു മനുഷ്യ ഡെവലപ്പറെ പോലെ തന്നെ എളുപ്പത്തിൽ ഒരു AI ഏജന്റിനെ ലക്ഷ്യം വയ്ക്കാൻ സ്റ്റെപ്പിന് കഴിയും.
കോഡ്ബേസിനപ്പുറം വിശാലമായ AI സുരക്ഷാ അപകടസാധ്യതകൾ
എല്ലാ AI അപകടസാധ്യതകളും ഒരു കോഡ് ഫയലിനുള്ളിൽ നിലനിൽക്കുന്നില്ല. AI സുരക്ഷാ അപകടസാധ്യതകളുടെ പൂർണ്ണമായ ഒരു ഭൂപടം ഒരു AI അസറ്റിന്റെ മുഴുവൻ ജീവിതചക്രത്തെയും ഉൾക്കൊള്ളുന്നു: വേഗത്തിലുള്ള കുത്തിവയ്പ്പും സിസ്റ്റം-പ്രോംപ്റ്റ് ചോർച്ചയും, അമിതമായി അനുവദനീയമായ AI കോൺഫിഗറേഷനുകളിലൂടെ സെൻസിറ്റീവ് ഡാറ്റ തുറന്നുകാട്ടപ്പെടുന്നു, വിഷലിപ്തമായ വെക്റ്ററുകളും എംബെഡിംഗുകളും, ഡോക്യുമെന്റുകളിലും റൂൾ ഫയലുകളിലും മറഞ്ഞിരിക്കുന്ന ക്ഷുദ്ര നിർദ്ദേശങ്ങൾ, സുരക്ഷിതമല്ലാത്ത MCP കോൺഫിഗറേഷനുകളും വിശ്വസനീയമല്ലാത്ത സെർവറുകളും, ദുർബലമായതോ സ്ലോപ്സ്ക്വാട്ട് ചെയ്തതോ ആയ AI ഡിപൻഡൻസികൾ, അമിതമായ ഏജൻസി, അവിടെ ഒരു AI ഏജന്റ് അത് കോൺഫിഗർ ചെയ്ത അതിരുകൾക്കപ്പുറം പ്രവർത്തിക്കുന്നു.
ഈ വിഭാഗങ്ങൾ നേരിട്ട് മാപ്പ് ചെയ്യുന്നത് എൽഎൽഎം ആപ്ലിക്കേഷനുകൾക്കുള്ള OWASP ടോപ്പ് 10, ഏജന്റ് ആപ്ലിക്കേഷനുകൾക്കുള്ള OWASP ടോപ്പ് 10എന്നാൽ OWASP MCP ടോപ്പ് 10, മൂന്ന് ചട്ടക്കൂടുകൾ വേഗത്തിൽ വ്യവസായത്തിലുടനീളമുള്ള AI സുരക്ഷാ അപകടസാധ്യതകൾക്കുള്ള പങ്കിട്ട പദാവലിയായി മാറുന്നു.
സൈബർ സുരക്ഷാ ഭീഷണികളിലേക്കുള്ള എക്സ്പോഷർ കുറയ്ക്കൽ: യഥാർത്ഥത്തിൽ എന്താണ് പ്രവർത്തിക്കുന്നത്
സൈബർ സുരക്ഷാ ഭീഷണികൾക്കെതിരെ സ്ഥിരമായി പ്രവർത്തിക്കുന്ന രണ്ട് കാര്യങ്ങളിലേക്ക് ഡാറ്റ വിരൽ ചൂണ്ടുന്നു: അടിസ്ഥാന ശുചിത്വവും നേരത്തെയുള്ള കണ്ടെത്തലും. 98% സൈബർ ആക്രമണങ്ങളും തടയുന്നത് അടിസ്ഥാന സുരക്ഷാ ശുചിത്വം പാലിച്ചാണ്, എന്നിരുന്നാലും 34% ഡാറ്റാ ലംഘനങ്ങളും ഇപ്പോഴും ആന്തരിക ഭീഷണികളിൽ നിന്നാണ് ഉണ്ടാകുന്നത്, കൂടാതെ 60% ആപ്ലിക്കേഷനുകളും ഇപ്പോഴും ഫസ്റ്റ്-പാർട്ടി കോഡിൽ ദുർബലതകൾ ഉൾക്കൊള്ളുന്നു. GitHub തന്നെ പ്രതിരോധശേഷിയുള്ളതല്ല: GitHub പ്രൂഫ്-ഓഫ്-കൺസെപ്റ്റ് എക്സ്പ്ലോയിറ്റ് റിപ്പോസിറ്ററികളിൽ 1.9% തന്നെ ക്ഷുദ്രകരമാണ്, ഡാറ്റ പുറന്തള്ളുന്നതിനോ അവരെ വിശ്വസിക്കുന്ന ഗവേഷകർക്ക് മാൽവെയർ വിന്യസിക്കുന്നതിനോ നിർമ്മിച്ചതാണ്.
പ്രത്യേകിച്ച് AI അപകടസാധ്യതകൾക്ക്, പരിഹാരം ജീവിതചക്രത്തിൽ നേരത്തെ തന്നെ നീങ്ങേണ്ടതുണ്ട്:
- IDE-യിൽ സാധൂകരിക്കുക. AI- ജനറേറ്റഡ് കോഡിൽ സുരക്ഷിതമല്ലാത്ത പാറ്റേണുകൾ ഒരു പരിധി വരെ എത്തുന്നതിനു മുമ്പ് തന്നെ pipeline പുതിയ AI സുരക്ഷാ അപകടസാധ്യതകളുടെ ഏറ്റവും വലിയ ഒറ്റ ഉറവിടം അടയ്ക്കുന്നു.
- ഒരു ഒപ്പ് ഉണ്ടാകുന്നതിന് മുമ്പ് മാൽവെയർ കണ്ടെത്തുക. റെപ്യൂട്ടേഷൻ അധിഷ്ഠിത ഉപകരണങ്ങൾ നിർവചനം അനുസരിച്ച് സീറോ-ഡേ പാക്കേജുകൾ നഷ്ടപ്പെടുത്തുന്നു, ഇത് ഷായ്-ഹുലുദ്, ആക്സിയോസ്, എസ്എപി എൻപിഎം എന്നിവ ചൂഷണം ചെയ്യുന്ന കൃത്യമായ വിടവാണ്.
- എല്ലാ AI അസറ്റുകളുടെയും ഇൻവെന്ററി നടത്തുക. മോഡലുകൾ, ഡാറ്റാസെറ്റുകൾ, ഏജന്റുകൾ, എംസിപി സെർവറുകൾ എന്നിവ നിയന്ത്രിക്കാനോ ആക്രമിക്കാനോ കഴിയില്ല, ഒരു ടീം അത് പ്രവർത്തിക്കുന്നുണ്ടെന്ന് അറിയാത്ത എന്തെങ്കിലും.
ഈ സൈബർ സുരക്ഷാ ഭീഷണികളെ സൈജെനി എങ്ങനെ നേരിടുന്നു
സൈജെനി ആപ്ലിക്കേഷൻ സുരക്ഷയുടെ ഒരു ഫസ്റ്റ് ക്ലാസ് ഭാഗമായിട്ടാണ് AI ഭീഷണികളെ കണക്കാക്കുന്നത്, പിന്നീട് പരിഹരിക്കപ്പെടുന്ന ഒരു പ്രത്യേക പ്രശ്നമായിട്ടല്ല. ഡെവലപ്പറുടെ IDE-യിൽ DevAI തത്സമയ സുരക്ഷാ മൂല്യനിർണ്ണയം പ്രയോഗിക്കുന്നു, AI-ജനറേറ്റഡ് കോഡിലെ സുരക്ഷിതമല്ലാത്ത പാറ്റേണുകൾ അയയ്ക്കുന്നതിന് മുമ്പ് ഫ്ലാഗ് ചെയ്യുന്നു. മാൽവെയർ മുൻകൂർ മുന്നറിയിപ്പ് (MEW) cഒരു ഒപ്പ് ഉണ്ടാകുന്നതിന് മുമ്പ് ക്ഷുദ്ര പാക്കേജുകൾ കണ്ടെത്തുന്നതിന് NPM, PyPI, Maven എന്നിവ നിരന്തരം സ്കാൻ ചെയ്യുന്നു, ഇത് ഷായ്-ഹുലുദ്, axios, SAP npm എന്നിവയ്ക്ക് പിന്നിലെ കൃത്യമായ വിതരണ ശൃംഖല പാറ്റേണിനെ അഭിസംബോധന ചെയ്യുന്നു. AI സെക്യൂരിറ്റി എല്ലാ AI അസറ്റുകളും കണ്ടെത്തുന്നു. SDLC, മുകളിലുള്ള OWASP ഫ്രെയിംവർക്കുകളുമായി സ്കോർ ചെയ്യുന്നു, കൂടാതെ സുരക്ഷിതമല്ലാത്ത ഒരു മോഡൽ, ഏജന്റ് അല്ലെങ്കിൽ MCP സെർവർ പ്രവർത്തിപ്പിക്കാൻ അനുവദിക്കുന്നതിന് മുമ്പ് ഷീൽഡ് എൻഡ്പോയിന്റിൽ നയം നടപ്പിലാക്കുന്നു.
2026-ൽ AI റിസ്കുകൾ നന്നായി കൈകാര്യം ചെയ്യുന്ന സ്ഥാപനങ്ങൾ മാത്രമല്ല ഏറ്റവും കൂടുതൽ ഉപകരണങ്ങൾ പ്രവർത്തിപ്പിക്കുന്നത്. അവർ പ്രവർത്തിപ്പിക്കുന്ന ഓരോ AI അസറ്റും കാണാനും, സുരക്ഷിതമല്ലാത്തത് നടപ്പിലാക്കുന്നതിന് മുമ്പ് നിർത്താനും, ആ ബുദ്ധി അവർ ഇതിനകം സ്വന്തമാക്കിയിരിക്കുന്ന ഉപകരണങ്ങളിൽ പ്രയോഗിക്കാനും കഴിയുന്നത് അവരാണ്.
പതിവുചോദ്യങ്ങൾ
2026-ൽ ഏറ്റവും വലിയ സൈബർ സുരക്ഷാ ഭീഷണികൾ ഏതൊക്കെയാണ്?
അളവിലും ചെലവിലും ഏറ്റവും വലിയ വിഭാഗമായി സപ്ലൈ ചെയിൻ ആക്രമണങ്ങൾ തുടരുന്നു, ഈ വർഷം ഏകദേശം 60 ബില്യൺ ഡോളർ നാശനഷ്ടവും ഏകദേശം ഓരോ 48 മണിക്കൂറിലും ഒരു ആക്രമണവുമുണ്ട്. അവയ്ക്കൊപ്പം, AI ഭീഷണികൾ അതിവേഗം വളരുന്ന ഒരു വിഭാഗമായി ഉയർന്നുവന്നിട്ടുണ്ട്: AI-ലക്ഷ്യമാക്കിയുള്ള ക്രെഡൻഷ്യൽ മോഷണം ഒരു പാദത്തിൽ 376% വർദ്ധിച്ചു, കൂടാതെ ഷായ്-ഹുലുദ്, ആക്സിയോസ്, പ്രോംപ്റ്റ്മിങ്ക് പോലുള്ള സംഭവങ്ങൾ ആക്രമണകാരികൾ AI-യെ ഒരു ലക്ഷ്യമായും ഡെലിവറി മെക്കാനിസമായും സജീവമായി ഉപയോഗിക്കുന്നതായി കാണിക്കുന്നു.
AI- ജനറേറ്റഡ് കോഡ് ഒരു സുരക്ഷാ അപകടമാണോ?
അതെ. AI- ജനറേറ്റ് ചെയ്യുന്ന കോഡുകളുടെ ഏകദേശം 40% സുരക്ഷാ ദുർബലതകൾ ഉൾക്കൊള്ളുന്നുവെന്ന് ഗവേഷണങ്ങൾ കാണിക്കുന്നു. കോഡ് ലയിപ്പിക്കുന്നതിന് മുമ്പ്, ഡെവലപ്പറുടെ IDE-ക്കുള്ളിൽ തത്സമയ സാധൂകരണം, ഉറവിടത്തിൽ AI സുരക്ഷാ അപകടസാധ്യതകൾ കുറയ്ക്കുന്നതിനുള്ള ഏറ്റവും ഫലപ്രദമായ മാർഗങ്ങളിലൊന്നാക്കി മാറ്റുന്നു.
എന്താണ് MEW, അത് AI ഭീഷണികളെ എങ്ങനെ അഭിസംബോധന ചെയ്യുന്നു?
മാൽവെയർ നേരത്തെയുള്ള മുന്നറിയിപ്പ് (MEW) എന്നത് Xygeni-യുടെ NPM, PyPI, Maven എന്നിവയ്ക്കായുള്ള തുടർച്ചയായ സ്കാനിംഗ് സംവിധാനമാണ്. ഒരു ഒപ്പ് ഉണ്ടാകുന്നതിന് മുമ്പ് തന്നെ ക്ഷുദ്ര പാക്കേജുകൾ പിടിക്കുന്നതിനാണ് ഇത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, കാരണം പ്രശസ്തി അടിസ്ഥാനമാക്കിയുള്ള ഉപകരണങ്ങൾ ഇതിനകം തിരിച്ചറിഞ്ഞത് മാത്രമേ പിടിക്കൂ, സമീപകാല AI ഭീഷണികൾക്കും വിതരണ ശൃംഖല വേമുകൾക്കും പിന്നിലെ കൃത്യമായ പൂജ്യം-ദിവസ പാറ്റേൺ കാണുന്നില്ല.
MCP സെർവറുകൾ AI അപകടസാധ്യതകളുടെ യഥാർത്ഥ ഉറവിടമാണോ?
അതെ. പൊതു MCP സെർവറുകൾ അളക്കാവുന്ന AI സുരക്ഷാ അപകടസാധ്യതകൾ കാട്ടിൽ കാണിക്കുന്നു: 5.5% ടൂൾ-പോയ്സണിംഗ് പിഴവുകളും 43% കമാൻഡ്-ഇഞ്ചക്ഷൻ പിഴവുകളും വഹിക്കുന്നു, കൂടാതെ ഒരു കോംപ്രമൈസ്ഡ് MCP ബ്രിഡ്ജ് മാത്രം കണ്ടെത്തുന്നതിന് മുമ്പ് 437,000 തവണ ഡൗൺലോഡ് ചെയ്യപ്പെട്ടു.
