ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਤੋਂ, ਐਪਲੀਕੇਸ਼ਨ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਸਪੱਸ਼ਟ ਸੀਮਾ ਸੀ: ਰਿਪੋਜ਼ਟਰੀ ਅਤੇ pipeline. ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਨਿਯੰਤਰਣ ਬੈਠੇ ਸਨ, ਜਿੱਥੇ ਸਕੈਨ ਚੱਲਦੇ ਸਨ, ਜਿੱਥੇ ਟੀਮਾਂ ਫੈਸਲਾ ਕਰਦੀਆਂ ਸਨ ਕਿ ਕੀ ਕੁਝ ਉਤਪਾਦਨ ਲਈ ਭੇਜਿਆ ਗਿਆ ਹੈ। ਇਹ ਸਭ ਇੱਕ ਧਾਰਨਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਸੀ: ਇੱਕ ਡਿਵੈਲਪਰ ਨੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਚੁਣਿਆ ਕਿ ਕਿਹੜਾ ਕੋਡ ਅਤੇ ਕਿਹੜੀਆਂ ਨਿਰਭਰਤਾਵਾਂ ਸਿਸਟਮ ਵਿੱਚ ਦਾਖਲ ਹੋਈਆਂ ਹਨ।
ਉਹ ਧਾਰਨਾ ਹੁਣ ਸਹੀ ਨਹੀਂ ਹੈ। ਅੱਜ ਕੋਡ ਦਾ ਵਧਦਾ ਹਿੱਸਾ ਇੱਕ AI ਏਜੰਟ ਦੁਆਰਾ ਲਿਖਿਆ, ਸੁਝਾਇਆ ਜਾਂ ਸਥਾਪਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਕਸਰ ਕਿਸੇ ਨੂੰ ਵੀ ਉਸ ਨਾਮ ਵੱਲ ਧਿਆਨ ਦਿੱਤੇ ਬਿਨਾਂ ਜੋ ਅੰਦਰ ਖਿੱਚਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਡੀcisਕੋਡ ਵਿੱਚ ਜੋ ਵੀ ਦਾਖਲ ਹੁੰਦਾ ਹੈ, ਉਸਦਾ ਆਇਨ ਹਿੱਲਦਾ ਹੈ, ਉਸੇ ਤਰ੍ਹਾਂ ਹਮਲਾ ਵੀ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਦੇ ਬਿਲਕੁਲ ਸਾਹਮਣੇ ਵੱਲ ਜਾਂਦਾ ਹੈ: ਜਿਸ ਪਲ ਕੋਡ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਸਹਾਇਕ ਦੇ ਅੰਦਰ ਅਤੇ ਉਹਨਾਂ ਫਾਈਲਾਂ ਵਿੱਚ ਜੋ ਇਸਨੂੰ ਕੌਂਫਿਗਰ ਕਰਦੀਆਂ ਹਨ।
ਇਹ ਤੁਹਾਡੀ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਹੈ: ਹਰ ਮਾਡਲ, ਏਜੰਟ, MCP ਸਰਵਰ, ਹੁਨਰ, ਅਤੇ AI-ਸੁਝਾਈ ਗਈ ਨਿਰਭਰਤਾ ਜੋ ਹੁਣ ਕਿਸੇ ਮਨੁੱਖ ਦੁਆਰਾ ਸਮੀਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜੋਖਮ ਪੇਸ਼ ਕਰ ਸਕਦੀ ਹੈ। ਉਹੀ AI ਜਿਸ 'ਤੇ ਤੁਹਾਡੇ ਡਿਵੈਲਪਰ ਭਰੋਸਾ ਕਰਦੇ ਹਨ ਹੁਣ ਇਸਦਾ ਹਿੱਸਾ ਹੈ। ਇਹ ਭਵਿੱਖ ਦਾ ਜੋਖਮ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਤਬਦੀਲੀ ਹੈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਹੋ ਚੁੱਕੀ ਹੈ, ਅਤੇ ਇੱਥੇ ਇਹ ਅਭਿਆਸ ਵਿੱਚ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ।
ਹਮਲਿਆਂ ਦੀ ਇੱਕ ਲਹਿਰ, ਕੋਈ ਇਕੱਲੀ ਘਟਨਾ ਨਹੀਂ
ਹੇਠ ਲਿਖਿਆਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਅਭਿਆਸ ਨਹੀਂ ਹੈ।cise ਜਾਂ ਇੱਕ ਕਾਲਪਨਿਕ। ਇਹ ਜਨਤਕ, ਦਸਤਾਵੇਜ਼ੀ ਘਟਨਾਵਾਂ ਹਨ, ਲਗਭਗ ਸਾਰੀਆਂ ਪਿਛਲੇ ਸਾਲ ਦੀਆਂ ਹਨ, ਅਤੇ ਹਰ ਇੱਕ AI ਏਜੰਟ ਦੇ ਥੋੜ੍ਹਾ ਨੇੜੇ ਆਉਂਦੀ ਹੈ:
- ਅਗਸਤ 2025, s1ngularity: ਹਮਲਾਵਰਾਂ ਨੇ Nx ਤੋਂ ਇੱਕ ਪ੍ਰਕਾਸ਼ਨ ਟੋਕਨ ਚੋਰੀ ਕਰ ਲਿਆ, ਜੋ ਕਿ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਬਿਲਡ ਸਿਸਟਮ ਹੈ, ਅਤੇ ਖਤਰਨਾਕ ਸੰਸਕਰਣਾਂ ਨੂੰ npm ਵਿੱਚ ਧੱਕ ਦਿੱਤਾ, ਡਿਵੈਲਪਰਾਂ ਦੀਆਂ ਮਸ਼ੀਨਾਂ 'ਤੇ ਰਾਜ਼ ਲੱਭਣ ਲਈ AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
- ਸਤੰਬਰ 2025, ਚਾਕ/ਡੀਬੱਗ: ਪਹੁੰਚ ਦੇ ਮਾਮਲੇ ਵਿੱਚ npm ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਸਮਝੌਤਿਆਂ ਵਿੱਚੋਂ ਇੱਕ, ਦੋ ਅਰਬ ਤੋਂ ਵੱਧ ਹਫਤਾਵਾਰੀ ਡਾਊਨਲੋਡਾਂ ਵਾਲੇ 18 ਪੈਕੇਜ, ਇੱਕ ਸਿੰਗਲ ਮੇਨਟੇਨਰ ਦੇ ਖਾਤੇ ਦੇ ਹਾਈਜੈਕ ਦੁਆਰਾ ਆਪਣੇ ਕਬਜ਼ੇ ਵਿੱਚ ਲੈ ਲਏ ਗਏ।
- ਸਤੰਬਰ 2025, ਸ਼ਾਈ-ਹੁਲੁਦ: ਪਹਿਲੇ ਦਸਤਾਵੇਜ਼ੀ ਕੀੜਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਜੋ npm ਰਾਹੀਂ ਸਵੈ-ਪ੍ਰਸਾਰ ਕਰਨ ਦੇ ਯੋਗ ਸੀ। ਨਵੰਬਰ ਵਿੱਚ ਇਸਦੀ ਦੂਜੀ ਲਹਿਰ ਵਧੇਰੇ ਹਮਲਾਵਰ ਸੀ ਅਤੇ 25,000 ਤੋਂ ਵੱਧ ਭੰਡਾਰਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੋਏ ਰਾਜ਼ਾਂ ਨਾਲ ਜੁੜੀ ਹੋਈ ਸੀ।
- ਅਕਤੂਬਰ 2025, ਅਣਵਰਤੇ-ਆਯਾਤ: ਫੈਂਟਮਰੇਵਨ ਮੁਹਿੰਮ ਦਾ ਹਿੱਸਾ, ਜਿੱਥੇ ਏਆਈ ਭਰਮ ਨੇ ਇੱਕ ਸਲੋਪਸਕਵੇਟਿੰਗ ਤਕਨੀਕ ਰਾਹੀਂ npm ਵਿੱਚ ਅਸਲ ਮਾਲਵੇਅਰ ਪੇਸ਼ ਕੀਤਾ।
- ਇਸ ਸਾਲ, ClawHub: ਇੱਕ ਜ਼ਹਿਰੀਲੀ AI ਹੁਨਰ ਰਜਿਸਟਰੀ ਜਿੱਥੇ ਸੱਤ ਸਭ ਤੋਂ ਵੱਧ ਡਾਊਨਲੋਡ ਕੀਤੇ ਗਏ ਹੁਨਰਾਂ ਵਿੱਚੋਂ ਪੰਜ ਮਾਲਵੇਅਰ ਸਨ।
ਇੰਡਸਟਰੀ ਵੀ ਇਸੇ ਸਿੱਟੇ ਨੂੰ ਰਸਮੀ ਰੂਪ ਦੇ ਰਹੀ ਹੈ। LLM ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ OWASP ਟੌਪ 10 ਪ੍ਰੋਂਪਟ ਇੰਜੈਕਸ਼ਨ ਨੂੰ ਪਹਿਲੇ ਨੰਬਰ 'ਤੇ ਰੱਖਦਾ ਹੈ। OWASP MCP ਟੌਪ 10 (ਵਰਤਮਾਨ ਵਿੱਚ ਬੀਟਾ ਵਿੱਚ) ਉਹਨਾਂ ਪ੍ਰੋਟੋਕੋਲ ਏਜੰਟਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਟੂਲਸ ਨਾਲ ਗੱਲ ਕਰਨ ਲਈ ਵਰਤਦੇ ਹਨ। OWASP ਏਜੰਟਿਕ ਸਕਿੱਲਜ਼ ਟੌਪ 10, ਇੱਕ ਨਵਾਂ ਇਨਕਿਊਬੇਟਰ-ਸਟੇਜ ਪ੍ਰੋਜੈਕਟ, ਖਤਰਨਾਕ ਹੁਨਰਾਂ ਨੂੰ ਇਸਦੇ ਪ੍ਰਮੁੱਖ ਜੋਖਮ ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। OWASP ਆਮ ਤੌਰ 'ਤੇ ਧਿਆਨ ਨਾਲ ਚਲਦਾ ਹੈ; ਇੱਕੋ ਸਮੇਂ ਤਿੰਨ ਮੋਰਚੇ ਖੋਲ੍ਹਣਾ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਇੱਕ ਤੁਰੰਤ, ਇਸ ਬਾਰੇ ਕੁਝ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਹ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਿਹਾ ਹੈ।
ਤਿੰਨੋਂ ਇੱਕੋ ਵਿਚਾਰ 'ਤੇ ਇਕੱਠੇ ਹੁੰਦੇ ਹਨ: ਇੱਕ ਮਾਡਲ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਨਿਰਦੇਸ਼, ਔਜ਼ਾਰ ਅਤੇ ਸੰਰਚਨਾ ਹੁਣ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਦਾ ਹਿੱਸਾ ਹਨ, ਅਤੇ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਤੁਹਾਡੇ ਆਪਣੇ ਭੰਡਾਰ ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹਨ। ਕਿਹੜਾ ਪਹਿਲਾ ਸਵਾਲ ਉੱਠਦਾ ਹੈ ਜੋ ਤੁਹਾਡੀਆਂ ਟੀਮਾਂ ਨੂੰ ਪੁੱਛਣ ਯੋਗ ਹੈ: ਤੁਹਾਡੇ ਰੈਪੋ ਵਿੱਚ ਰਹਿਣ ਵਾਲੇ ਨਿਯਮਾਂ ਦੀਆਂ ਫਾਈਲਾਂ, ਹੁਨਰਾਂ ਅਤੇ MCP ਸੰਰਚਨਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਕੌਣ ਕਰਦਾ ਹੈ?
ਵੈਕਟਰ 1: ਜ਼ਹਿਰੀਲਾ ਹੁਨਰ
ਇੱਕ ਹੁਨਰ ਹਦਾਇਤਾਂ ਅਤੇ ਯੋਗਤਾਵਾਂ ਦੀ ਇੱਕ ਫਾਈਲ ਹੈ ਜੋ ਇੱਕ AI ਏਜੰਟ ਨੂੰ ਇੱਕ ਕੰਮ ਕਿਵੇਂ ਕਰਨਾ ਹੈ ਸਿਖਾਉਂਦੀ ਹੈ। ਇਹ ਏਜੰਟ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਆਕਾਰ ਦੇਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਨਹੀਂ ਹੈ (ਨਿਯਮ ਫਾਈਲਾਂ, hooks, ਅਤੇ MCP ਕੌਂਫਿਗ ਵੀ ਇਹੀ ਕਰਦੇ ਹਨ), ਪਰ ਉਹ ਸਾਰੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਸਾਂਝੀ ਕਰਦੇ ਹਨ: ਉਹ ਕੋਡ ਦੇ ਨਾਲ, ਰਿਪੋਜ਼ਟਰੀ ਦੇ ਅੰਦਰ ਯਾਤਰਾ ਕਰਦੇ ਹਨ।
ਇਸ ਸਾਲ ਦੀ ਖੋਜ ਨੇ ਇਹਨਾਂ ਵਿੱਚੋਂ 4,000 ਹੁਨਰਾਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ:
- 36% ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸੁਰੱਖਿਆ ਖਾਮੀ ਸੀ।
- 13.4% ਗੰਭੀਰ ਸਨ।
- 100 ਦੇ ਕਰੀਬ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਖਤਰਨਾਕ ਪੇਲੋਡ ਸਨ।
ਮੁੱਖ ਤਬਦੀਲੀ: ਹਮਲਾਵਰ ਹੁਣ ਤੁਹਾਡੇ ਕੋਡ ਨੂੰ ਨਿਸ਼ਾਨਾ ਨਹੀਂ ਬਣਾਉਂਦਾ। ਉਹ ਉਸ ਏਜੰਟ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਤੁਹਾਡਾ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਲੁਕਵੇਂ ਨਿਰਦੇਸ਼ ਲਗਾਉਂਦਾ ਹੈ (ਕਈ ਵਾਰ ਅਦਿੱਖ ਅੱਖਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ) ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਾਡਲ ਪੜ੍ਹਦਾ ਹੈ ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਮੰਨਦਾ ਹੈ। ਇੱਕ ਮਨੁੱਖੀ ਸਮੀਖਿਅਕ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ pull request ਨੇਕ ਇਰਾਦੇ ਨਾਲ ਕਿਉਂਕਿ, ਉਨ੍ਹਾਂ ਦੀਆਂ ਨਜ਼ਰਾਂ ਵਿੱਚ, ਫਾਈਲ ਸਾਫ਼ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਮਾਡਲ ਉਨ੍ਹਾਂ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਜੋ ਸਮੀਖਿਅਕ ਨੇ ਕਦੇ ਨਹੀਂ ਵੇਖੀਆਂ।
ਇਹ ਸਿਧਾਂਤਕ ਨਹੀਂ ਹੈ। CVE-2025-59536 (CVSS 8.7) ਨੇ ਇੱਕ ਅਵਿਸ਼ਵਾਸਯੋਗ ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਕਲਾਉਡ ਕੋਡ ਨੂੰ ਲਾਂਚ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ, ਜਿੱਥੇ ਇੱਕ ਖਤਰਨਾਕ ਸੰਰਚਨਾ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਟਰੱਸਟ ਡਾਇਲਾਗ ਸਵੀਕਾਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਮਾਂਡਾਂ ਚਲਾ ਸਕਦੀ ਸੀ। ਇੱਕ ਦੂਜੀ ਕਮਜ਼ੋਰੀ, CVE-2026-21852, ਨੇ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਕੁਝ ਵੀ ਮਨਜ਼ੂਰ ਕੀਤੇ ਬਿਨਾਂ, ਪ੍ਰੋਜੈਕਟ-ਨਿਯੰਤਰਿਤ ਸੰਰਚਨਾ ਦੁਆਰਾ ਇੱਕ API ਕੁੰਜੀ ਨੂੰ ਐਕਸਫਿਲਟਰੇਸ਼ਨ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ।
H2: ਵੈਕਟਰ 2: ਝੁਕਣਾ
ਇਹ ਨਾਮ "ਸਲੋਪ" (ਜੋ ਕਿ AI ਕਈ ਵਾਰ ਪੈਦਾ ਕਰਦਾ ਹੈ) ਨੂੰ ਕਲਾਸਿਕ ਟਾਈਪੋਸਕੈਟਿੰਗ ਹਮਲੇ ਨਾਲ ਮਿਲਾਉਂਦਾ ਹੈ। ਟਾਈਪੋਸਕੈਟਿੰਗ ਮਨੁੱਖੀ ਗਲਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ: ਇੱਕ ਹਮਲਾਵਰ ਇੱਕ ਪ੍ਰਸਿੱਧ ਨਾਮ ਦੇ ਨੇੜੇ ਇੱਕ ਪੈਕੇਜ ਨਾਮ ਰਜਿਸਟਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਟਾਈਪੋ ਦੀ ਉਡੀਕ ਕਰਦਾ ਹੈ। ਇਹ ਬੇਤਰਤੀਬ ਹੈ।
ਝੁਕ ਕੇ ਬੈਠਣਾ ਗਲਤੀ ਦੀ ਉਡੀਕ ਨਹੀਂ ਕਰਦਾ। ਇਸ ਸੈਸ਼ਨ ਦੌਰਾਨ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਅਧਿਐਨ ਵਿੱਚ, AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਪੈਕੇਜ ਹਵਾਲਿਆਂ ਵਿੱਚੋਂ 19.7% ਨੇ ਉਨ੍ਹਾਂ ਪੈਕੇਜਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹਨ। ਮਾਡਲ ਵਾਰ-ਵਾਰ ਇੱਕੋ ਜਿਹੇ ਨਾਵਾਂ ਨੂੰ ਭਰਮਾਉਂਦੇ ਹਨ, ਇਸ ਲਈ ਇੱਕ ਹਮਲਾਵਰ ਦੇਖਦਾ ਹੈ ਕਿ AI ਕਿਹੜੇ ਨਾਮਾਂ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ, ਉਹਨਾਂ ਨਾਵਾਂ ਨੂੰ ਖਤਰਨਾਕ ਕੋਡ ਨਾਲ ਰਜਿਸਟਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਗਲੀ AI-ਸੁਝਾਈ ਗਈ ਸਥਾਪਨਾ ਦੀ ਉਡੀਕ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਇਸਨੂੰ ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਖਿੱਚਿਆ ਜਾ ਸਕੇ।
ਪੈਮਾਨਾ ਛੋਟਾ ਨਹੀਂ ਹੈ: 2025 ਵਿੱਚ 450,000 ਤੋਂ ਵੱਧ ਨਵੇਂ ਖਤਰਨਾਕ ਪੈਕੇਜਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਸੀ। ਦੋ ਉਦਾਹਰਣਾਂ ਇਸਨੂੰ ਠੋਸ ਬਣਾਉਂਦੀਆਂ ਹਨ:
- ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਇੱਕ ਨੁਕਸਾਨ ਰਹਿਤ ਟੈਸਟ ਪੈਕੇਜ ਲਗਾਇਆ ਜਿਸਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਜੱਫੀ ਪਾਉਣ ਵਾਲਾ ਚਿਹਰਾ-ਕਲਿੱਪ ਗੱਲ ਸਾਬਤ ਕਰਨ ਲਈ। ਇਹ ਲੱਗਿਆ ਤਿੰਨ ਮਹੀਨਿਆਂ ਵਿੱਚ 30,000 ਤੋਂ ਵੱਧ ਡਾਊਨਲੋਡ।
- ਅਣਵਰਤੇ-ਆਯਾਤ, ਉੱਪਰ ਦਿੱਤੀ ਸਮਾਂਰੇਖਾ ਤੋਂ, ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਸੀ ਕਿ ਮਾਲਵੇਅਰ, ਇੱਕ ਜਨਤਕ ਰਜਿਸਟਰੀ ਵਿੱਚ ਲਾਈਵ, ਬਿਲਕੁਲ ਇਸੇ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਉਹ ਇੱਕ ਟੈਸਟ ਨਹੀਂ ਸੀ।
ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੀ ਇਹ ਤੁਹਾਡੀ ਟੀਮ ਨਾਲ ਹੋ ਸਕਦਾ ਹੈ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਅੱਜ ਕਿੰਨੇ AI-ਸੁਝਾਏ ਗਏ ਪੈਕੇਜ ਤੁਹਾਡੇ ਕੋਡ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਦੇਖੇ ਦਾਖਲ ਕਰ ਰਹੇ ਹਨ।
ਜਵਾਬ: standardਮਿਲ ਰਹੇ ਹਨ
ਦੋ ਤਾਕਤਾਂ ਸਮਾਨਾਂਤਰ ਚੱਲਦੀਆਂ ਹਨ। ਜਦੋਂ ਕਿ ਹਮਲੇ ਤੇਜ਼ ਹੁੰਦੇ ਹਨ, standardਸਰੀਰ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਰਹੇ ਹਨ:
- NIST SP 800-218A ਏਆਈ ਮਾਡਲਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਅਭਿਆਸਾਂ ਦੇ ਨਾਲ ਸੁਰੱਖਿਅਤ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਢਾਂਚੇ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇਮਾਨਦਾਰੀ ਅਤੇ ਉਤਪਤੀ ਦੇ ਸਬੂਤ ਸ਼ਾਮਲ ਹਨ।
- In ਮਈ 2026, CISA ਅਤੇ ਇਸਦੇ ਅੰਤਰਰਾਸ਼ਟਰੀ G7 ਭਾਈਵਾਲ AI ਲਈ ਸਮੱਗਰੀ ਦੇ ਸਾਫਟਵੇਅਰ ਬਿੱਲ 'ਤੇ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜੋ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਕਿ ਉਸ ਵਸਤੂ ਸੂਚੀ ਵਿੱਚ ਕੀ ਸ਼ਾਮਲ ਹੈ: ਮਾਡਲ, ਡੇਟਾਸੈੱਟ, ਹਿੱਸੇ, ਪ੍ਰਦਾਤਾ, ਅਤੇ ਨਿਰਭਰਤਾਵਾਂ।
ਦਿਸ਼ਾ ਸਪੱਸ਼ਟ ਹੈ: SBOM ਇੱਕ AI-BOM ਵਿੱਚ ਫੈਲ ਰਿਹਾ ਹੈ। ਤੁਸੀਂ ਉਸ ਚੀਜ਼ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਜਾਂ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜੋ ਤੁਸੀਂ ਸੂਚੀਬੱਧ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਅਤੇ ਅੱਜ, ਜ਼ਿਆਦਾਤਰ ਸੰਸਥਾਵਾਂ ਇਹ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ:
- 43% ਉਹਨਾਂ AI ਟੂਲਸ ਦੀ ਆਡਿਟ ਜਾਂ ਇਨਵੈਂਟਰੀ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜੋ ਉਹ ਪਹਿਲਾਂ ਹੀ ਵਰਤ ਰਹੇ ਹਨ।
- 79% ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚੱਲ ਰਹੇ AI ਏਜੰਟਾਂ ਅਤੇ MCP ਸਿਸਟਮਾਂ ਵਿੱਚ ਕੋਈ ਦ੍ਰਿਸ਼ਟੀ ਨਹੀਂ ਹੈ।
ਨਿਯੰਤ੍ਰਿਤ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ, ਇਹ ਵਸਤੂ ਸੂਚੀ ਚੰਗੇ ਅਭਿਆਸ ਤੋਂ ਇਕਰਾਰਨਾਮੇ ਦੀ ਉਮੀਦ ਜਾਂ ਪਾਲਣਾ ਜ਼ਿੰਮੇਵਾਰੀ ਵੱਲ ਵਧ ਰਹੀ ਹੈ। ਪਰ ਇੱਕ ਵਸਤੂ ਸੂਚੀ ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇਹ ਦੱਸਦੀ ਹੈ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਕੀ ਹੈ। ਆਪਣੇ ਆਪ ਵਿੱਚ, ਇਹ ਕਿਸੇ ਹਮਲੇ ਨੂੰ ਨਹੀਂ ਰੋਕਦੀ।
ਅੰਤਰ: ਐਪਸੇਕ ਲਈ ਇੱਕ EDR
SAST ਅਤੇ SCA ਟੂਲ ਕੋਡ ਅਤੇ ਨਿਰਭਰਤਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ, ਨਾ ਕਿ ਕਿਸੇ ਏਜੰਟ ਦੇ ਵਿਵਹਾਰ ਜਾਂ ਇਸਦੀ ਸੰਰਚਨਾ ਦਾ। ਈ.ਡੀ.ਆਰ. ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਨੈੱਟਵਰਕ ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਦੇਖਦਾ ਹੈ, ਪਰ ਇਸ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਨਿਰਭਰਤਾ ਜਾਂ ਏਜੰਟ ਸੰਰਚਨਾ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਐਪਲੀਕੇਸ਼ਨ-ਸੁਰੱਖਿਆ ਸੰਦਰਭ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਟੂਲਸ ਦੀਆਂ ਉਨ੍ਹਾਂ ਦੋ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਪਾੜਾ ਹੈ, ਬਿਲਕੁਲ ਉਹ ਥਾਂ ਜਿੱਥੇ ਕੋਡ ਹੁਣ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਬਿਲਕੁਲ ਉਹ ਥਾਂ ਜਿੱਥੇ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਰਹਿੰਦੀ ਹੈ।
ਉਸ ਪਾੜੇ ਦੇ ਤਿੰਨ ਅੰਨ੍ਹੇ ਬਿੰਦੂ ਹਨ:
- ਏਆਈ ਸੰਪਤੀਆਂ। ਮਾਡਲ, ਏਜੰਟ, ਅਤੇ MCP ਸਰਵਰ ਤੁਹਾਡੇ 'ਤੇ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ SASTਦੇ ਜਾਂ SCAਦਾ ਰਾਡਾਰ ਹੈ। ਤੁਸੀਂ ਉਸ ਚੀਜ਼ ਦੀ ਸੂਚੀ ਨਹੀਂ ਬਣਾ ਸਕਦੇ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਦੇਖ ਸਕਦੇ।
- ਸੰਰਚਨਾ ਫਾਈਲਾਂ। ਹੁਨਰ, ਨਿਯਮ, ਅਤੇ MCP ਸੰਰਚਨਾ ਏਜੰਟ ਵਿਵਹਾਰ ਨੂੰ ਆਕਾਰ ਦਿੰਦੇ ਹਨ ਪਰ ਆਮ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਦੀ ਸਮੀਖਿਆ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਿਵੇਂ ਉਹ ਨੁਕਸਾਨ ਰਹਿਤ ਸਾਦੇ ਟੈਕਸਟ ਹੋਣ।
- ਪੈਕੇਜ ਇੰਸਟਾਲ। A ਖਤਰਨਾਕ ਨਿਰਭਰਤਾ ਖਤਰਨਾਕ ਹੋਣ ਦਾ ਪਤਾ ਲੱਗਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਚੱਲ ਸਕਦੀ ਹੈ, ਫਿਰ ਕਿਸੇ ਦੀ ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਿਨਾਂ ਭੇਦ ਅਤੇ ਟੋਕਨਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢੋ।
ਜ਼ਾਇਗੇਨੀ ਇਸਨੂੰ ਕਿਵੇਂ ਬੰਦ ਕਰਦਾ ਹੈ
ਇੱਕ EDR ਅੰਤਮ ਬਿੰਦੂਆਂ ਲਈ ਕੀ ਕਰਦਾ ਹੈ, ਜ਼ਾਇਗੇਨੀ ਸ਼ੀਲਡ ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਵਿਕਾਸ ਜੀਵਨ ਚੱਕਰ ਲਈ ਕਰਦਾ ਹੈ: ਇਹ ਐਪਲੀਕੇਸ਼ਨ-ਸੁਰੱਖਿਆ ਸੰਦਰਭ ਨੂੰ ਸਮਝਦੇ ਹੋਏ ਕੋਡ ਨੂੰ ਕਿੱਥੇ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਸਦੀ ਰੱਖਿਆ ਕਰਦਾ ਹੈ।
- ਦ੍ਰਿਸ਼ਟੀ ਜਿੱਥੇ SAST ਅਤੇ SCA ਨਾ ਪਹੁੰਚੋ। Xygeni ਖਤਰਨਾਕ ਹੁਨਰਾਂ ਅਤੇ ਨਿਯਮਾਂ ਦੀਆਂ ਫਾਈਲਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ, MCP ਸੰਰਚਨਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਆਡਿਟ-ਤਿਆਰ ਬਣਾਉਂਦਾ ਹੈ ਏਆਈ-ਬੌਮ, OWASP LLM, MCP, ਅਤੇ ਏਜੰਟਿਕ ਸਕਿੱਲਜ਼ ਟੌਪ 10 ਨਾਲ ਮੈਪ ਕੀਤਾ ਗਿਆ।
- ਬੁੱਧੀ, ਸਿਰਫ਼ ਦਸਤਖਤ ਨਹੀਂ। MEW (ਮਾਲਵੇਅਰ ਅਰਲੀ ਵਾਰਨਿੰਗ) ਇੱਕ ਪੈਕੇਜ ਦੇ ਵਿਵਹਾਰ ਅਤੇ ਜੋਖਮ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਕਿ ਇਸਨੂੰ CVE, ਇੱਕ ਸਲਾਹਕਾਰ, ਜਾਂ ਇੱਕ ਜਨਤਕ ਦਸਤਖਤ ਮੌਜੂਦ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਇਸਨੂੰ ਬਲਾਕ ਕੀਤਾ ਜਾਵੇ। ਅੱਪ-ਟੂ-ਡੇਟ ਨੈੱਟਵਰਕ ਇੰਟੈਲੀਜੈਂਸ ਜਾਣੇ-ਪਛਾਣੇ-ਖਤਰਨਾਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨਾਲ ਕਨੈਕਸ਼ਨ ਕੱਟਦਾ ਹੈ।
- ਇੱਕ ਕੰਟਰੋਲ ਬਿੰਦੂ, ਕੋਡ ਤੋਂ ਅੰਤਮ ਬਿੰਦੂ ਤੱਕ। ਇੱਕ ਸਿੰਗਲ ਏਜੰਟ, ਵਾਤਾਵਰਣ ਨੂੰ ਮੁੜ-ਆਰਕੀਟੈਕਟ ਕੀਤੇ ਬਿਨਾਂ ਤਾਇਨਾਤ ਕੀਤਾ ਗਿਆ, ਯੂਰਪੀਅਨ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਅਤੇ ਪਾਲਣਾ ਸਬੂਤਾਂ ਦੇ ਨਾਲ।
ਇੱਕ ਲਾਈਵ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ, ਇਸ ਨੀਤੀ ਲਾਗੂ ਕਰਨ ਨੇ ਇੱਕ AI ਏਜੰਟ ਦੇ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਇੰਸਟਾਲੇਸ਼ਨ ਮਾਰਗਾਂ (ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ, ਪੈਕੇਜ ਮੈਨੇਜਰ, ਅਤੇ ਸਿੱਧਾ ਡਾਊਨਲੋਡ) ਵਿੱਚ ਇੱਕ ਖਤਰਨਾਕ ਪੈਕੇਜ ਨੂੰ ਇੰਸਟਾਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨੂੰ ਰੋਕ ਦਿੱਤਾ, ਇੰਸਟਾਲੇਸ਼ਨ ਪੂਰੀ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ, ਸਾਰੇ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਲੌਗਇਨ ਕੀਤੇ ਗਏ ਸਨ ਅਤੇ ਇੱਕ SOC ਨੂੰ ਨਿਰਯਾਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਸਨ। ਪਹਿਲੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਆਨਬੋਰਡ ਕਰਨ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ ਇੱਕ ਘੰਟਾ ਲੱਗਦਾ ਹੈ; ਇੱਕ ਪੂਰੇ ਸੰਗਠਨ ਵਿੱਚ ਕਵਰੇਜ ਵਧਾਉਣ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਤੋਂ ਦੋ ਹਫ਼ਤੇ ਲੱਗਦੇ ਹਨ, ਜੋ ਕਿ ਢਾਂਚੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
ਸਵਾਲ
ਇੱਕ ਪੈਰੇ ਵਿੱਚ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਕੀ ਹੈ?
ਏਆਈ ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਮਾਡਲਾਂ, ਏਜੰਟਾਂ, ਐਮਸੀਪੀ ਸਰਵਰਾਂ, ਹੁਨਰਾਂ, ਨਿਯਮਾਂ ਦੀਆਂ ਫਾਈਲਾਂ, ਅਤੇ ਏਆਈ-ਸੁਝਾਈਆਂ ਗਈਆਂ ਨਿਰਭਰਤਾਵਾਂ ਦਾ ਸਮੂਹ ਹੈ ਜਿਸ ਰਾਹੀਂ ਜੋਖਮ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਦਾਖਲ ਹੋ ਸਕਦਾ ਹੈ, ਅਕਸਰ ਇੱਕ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ। ਇਹ ਰਵਾਇਤੀ ਕੋਡ ਅਤੇ ਨਿਰਭਰਤਾਵਾਂ ਤੋਂ ਪਰੇ ਫੈਲਦਾ ਹੈ ਤਾਂ ਜੋ ਸੰਰਚਨਾ ਫਾਈਲਾਂ ਅਤੇ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕੇ ਜੋ ਇੱਕ ਏਆਈ ਏਜੰਟ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਆਕਾਰ ਦਿੰਦੇ ਹਨ।
ਮੈਂ ਕਿਵੇਂ ਦੱਸ ਸਕਦਾ ਹਾਂ ਕਿ ਮੇਰੇ AI ਸਹਾਇਕ ਦੁਆਰਾ ਸੁਝਾਇਆ ਗਿਆ ਪੈਕੇਜ ਨਾਮ ਇੱਕ ਭਰਮ ਹੈ ਜਾਂ ਸਿਰਫ਼ ਜਾਇਜ਼ ਪਰ ਅਣਜਾਣ ਹੈ?
ਇੰਸਟਾਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਮਾਣਿਤ ਕਰੋ: ਰਜਿਸਟਰੀ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਪੈਕੇਜ ਦੀ ਅਸਲ ਸਮੱਗਰੀ ਅਤੇ ਉਦੇਸ਼ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ, ਸਿਰਫ਼ ਨਾਮ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਬਜਾਏ। Xygeni ਕੋਡ ਜਨਰੇਸ਼ਨ ਦੌਰਾਨ ਇਸ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਸਵੈਚਾਲਿਤ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਇੰਸਟਾਲ ਨੂੰ ਚੱਲਣ ਤੋਂ ਪਹਿਲਾਂ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਜਾਂ ਬਲੌਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਭਾਵੇਂ ਪੈਕੇਜ ਉਹ ਹੈ ਜੋ ਤੁਸੀਂ ਪਛਾਣਦੇ ਹੋ ਜਾਂ ਨਹੀਂ।
ਕੀ ਸਲੌਪਸਕੁਐਟਿੰਗ ਸਾਰੇ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਬਰਾਬਰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ?
19.7% ਦੇ ਅੰਕੜੇ ਦੇ ਪਿੱਛੇ ਦੀ ਖੋਜ ਵਿੱਚ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਇਹ ਮੁੱਦਾ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵੰਡਿਆ ਹੋਇਆ ਪਾਇਆ ਗਿਆ ਸੀ, ਉਨ੍ਹਾਂ ਵਿਚਕਾਰ ਸਿਰਫ ਥੋੜ੍ਹਾ ਜਿਹਾ ਅੰਤਰ ਸੀ। ਇਹ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਪੈਟਰਨ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਸਹਾਇਕ ਲਈ ਵਿਸ਼ੇਸ਼ ਨੁਕਸ।
ਕੀ ਅਸੀਂ ਪਿਛਲੀ ਨਜ਼ਰੀਏ ਤੋਂ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਕੀ ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਕੋਈ ਭਰਮ ਜਾਂ ਖਤਰਨਾਕ ਪੈਕੇਜ ਸਥਾਪਤ ਕਰ ਲਿਆ ਹੈ?
ਹਾਂ। Xygeni ਦਾ ਪਲੇਟਫਾਰਮ ਗਾਹਕਾਂ ਨੂੰ ਖੋਜੇ ਗਏ ਖਤਰਨਾਕ ਪੈਕੇਜਾਂ ਦੇ ਇੱਕ ਰੱਖੇ ਹੋਏ ਡੇਟਾਬੇਸ ਤੱਕ ਪਹੁੰਚ ਦਿੰਦਾ ਹੈ, ਜੋ ਤੁਹਾਡੀ ਮੌਜੂਦਾ ਕੰਪੋਨੈਂਟ ਇਨਵੈਂਟਰੀ ਵਿੱਚ ਖੋਜਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਕੁਝ ਕਲਿੱਕਾਂ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰ ਸਕੋ ਕਿ ਕੀ ਪਹਿਲਾਂ ਤੋਂ ਸਥਾਪਤ ਕੋਈ ਵੀ ਚੀਜ਼ ਇੱਕ ਜਾਣਿਆ-ਪਛਾਣਿਆ ਖ਼ਤਰਾ ਹੈ।
ਕਈ ਟੀਮਾਂ ਵਾਲੇ ਇੱਕ ਮੱਧਮ ਆਕਾਰ ਦੇ ਸੰਗਠਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ?
ਪਹਿਲੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਆਨਬੋਰਡ ਕਰਨ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ ਇੱਕ ਘੰਟਾ ਲੱਗਦਾ ਹੈ। ਟੀਮ ਦੇ ਢਾਂਚੇ ਅਤੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਪੂਰੇ ਸੰਗਠਨ ਵਿੱਚ ਸਕੇਲਿੰਗ ਕਰਨ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਤੋਂ ਦੋ ਹਫ਼ਤੇ ਲੱਗਦੇ ਹਨ।
ਆਪਣੀ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਦਾ ਮੁਫ਼ਤ ਵਿੱਚ ਨਕਸ਼ਾ ਬਣਾਓ
ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਦੇ AI ਫੁੱਟਪ੍ਰਿੰਟ ਨੂੰ ਮੁਫ਼ਤ ਵਿੱਚ ਮੈਪ ਕਰੋ: ਇੱਕ ਖਾਤਾ ਬਣਾਓ ਅਤੇ ਮਿੰਟਾਂ ਵਿੱਚ ਪਹਿਲਾ ਸਕੈਨ ਚਲਾਓ. ਇੱਕ ਸਿੰਗਲ ਐਪਲੀਕੇਸ਼ਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ, ਦੇਖੋ ਕਿ ਇਸਦੇ ਅੰਦਰ ਕੀ AI ਹੈ, ਅਤੇ ਦੇਖੋ ਕਿ ਤੁਹਾਡੀ AI ਹਮਲੇ ਦੀ ਸਤ੍ਹਾ ਦਾ ਕਿਹੜਾ ਹਿੱਸਾ ਖ਼ਤਰਨਾਕ ਹੈ।
*ਉੱਪਰ ਜ਼ਿਕਰ ਕੀਤੀਆਂ ਕੁਝ ਸਮਰੱਥਾਵਾਂ Xygeni Shield ਅਤੇ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ASPM/AI ਸੁਰੱਖਿਆ ਮਾਡਿਊਲ; ਉਪਲਬਧਤਾ ਯੋਜਨਾ ਅਨੁਸਾਰ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੀ ਹੈ। ਵੇਖੋ xygeni.io ਵੱਲੋਂ ਹੋਰ ਮੌਜੂਦਾ ਉਤਪਾਦ ਵੇਰਵਿਆਂ ਲਈ।
