எட்டு மாதங்கள். நான்கு முக்கிய சம்பவங்கள். ஒரு போக்கு: மென்பொருள் விநியோகச் சங்கிலிக்கு ஒரு புதிய எதிரி தோன்றவில்லை, மாறாக ஒரு புதிய ஆயுதம் தோன்றியது. செப்டம்பர் 2025-க்கும் மே 2026-க்கும் இடையில், தானாகப் பரவும் ஒரு வார்ம், ஒரு தேசிய-அரசு முகவர், ஒரு காப்பி அடிக்கும் பிரச்சாரம், மற்றும் கடத்தப்பட்ட ஒரு செயற்கை நுண்ணறிவு மாதிரி ஆகியவை ஒவ்வொன்றாக ஊடுருவின. pipelineலட்சக்கணக்கான டெவலப்பர்கள் ஒவ்வொரு நாளும் நம்புவது இதுதான். சைபர் பாதுகாப்பு அச்சுறுத்தல்களின் புதிய வடிவம் இதுதான்: வேகமானது, கண்டறிவதற்கு கடினமானது, மேலும் டெவலப்மென்ட் குழுக்கள் கோடை வெளியிடுவதற்குப் பயன்படுத்தும் அதே செயற்கை நுண்ணறிவால் இது பெருகிய முறையில் இயக்கப்படுகிறது.
சைபர் பாதுகாப்பு அச்சுறுத்தல்கள் குறித்த உங்கள் மனப் பிம்பம், இன்னமும் ஃபிஷிங் மின்னஞ்சல்கள் மற்றும் பேட்ச் செய்யப்படாத சர்வர்களுடன் தொடங்கி முடிந்துவிட்டால், கீழே உள்ள தரவுகள் அதை மாற்றியமைக்கும்.
சைபர் பாதுகாப்பு அச்சுறுத்தல்களின் புதிய வடிவம்
பல ஆண்டுகளாக, இணையப் பாதுகாப்பு அச்சுறுத்தல்கள் என்பவை திருடப்பட்ட நற்சான்றிதழ்கள், தவறாக உள்ளமைக்கப்பட்ட சேவையகங்கள் மற்றும் சமூகப் பொறியியல் ஆகியவற்றைக் குறித்தன. அந்த அபாயங்கள் மறைந்துவிடவில்லை: 2022-ல் உறுதிசெய்யப்பட்ட தரவு மீறல்களில் 81% சமரசம் செய்யப்பட்ட நற்சான்றிதழ்களை உள்ளடக்கியிருந்தன. ஆனால், ஒரு புதிய வகை இப்போது விவாதத்தின் மையத்திற்கு வந்துள்ளது: செயற்கை நுண்ணறிவு அச்சுறுத்தல்கள். மேம்பாட்டுக் குழுக்கள் இப்போது செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்கள், முகவர் சார்ந்த துணை இயக்கிகள் மற்றும் பலவற்றைச் சார்ந்துள்ளன. மாதிரி சூழல் நெறிமுறை (MCP) மென்பொருளை வேகமாக உருவாக்க சர்வர்கள் பயன்படுகின்றன, மேலும் தற்போது அவற்றுள் ஒவ்வொன்றும் ஒரு இலக்காக உள்ளது. செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டில் சுமார் 40% பாதுகாப்புக் குறைபாடுகளைக் கொண்டுள்ளது என்று ஆய்வுகள் காட்டுகின்றன. இதன் பொருள், செயற்கை நுண்ணறிவு வழங்கும் வேகமானது, அதற்கேற்றாற்போல் குறியீட்டுத் தொகுப்பிலேயே நேரடியாகப் பொதிந்துள்ள பாதுகாப்பு அபாயங்களின் விகிதாசார அதிகரிப்புடன் இணைந்தே வருகிறது.
எட்டு மாதங்கள், நான்கு சம்பவங்கள்: செயற்கை நுண்ணறிவு அச்சுறுத்தல்கள் எவ்வாறு அதிகரித்தன
செயற்கை நுண்ணறிவு அச்சுறுத்தல்கள் தீவிரமடைந்து வருகின்றன என்பதற்கான மிகத் தெளிவான ஆதாரம் ஒரு முன்னறிவிப்பு அல்ல; அது ஒரு ஏற்கனவே நடந்தவற்றின் காலவரிசை:
- செப்டம்பர் 2025, ஷாய்-ஹுலுட்: டெவலப்பர்களையே ஒரு விநியோக அமைப்பாக மாற்றும் முதல் தானாகப் பரவும் npm வார்ம்.
- மார்ச் 2026, ஆக்சியோஸ்: வாரத்திற்குச் சுமார் 100 கோடி முறை இழுக்கப்படும் ஒரு தொகுப்பிற்குள் மறைக்கப்பட்டிருக்கும் தேசிய அரசு தீம்பொருள்.
- ஏப்ரல் 2026, SAP npmநுட்பத்தின் அளவுகளைக் காட்டும் வகையில், அதே புழு வடிவத்தின் சிறிய அளவிலான மறுபதிப்பு.
- மே 2026, கிளாட் ஓபஸ் → ப்ராம்ட்மிங்க்: ஒரு தன்னாட்சி முகவருக்குள் தீம்பொருளைப் புகுத்துவதற்காக ஆயுதமாக்கப்பட்ட ஒரு பெரிய மொழி மாதிரி, இதில் செயற்கை நுண்ணறிவே தாக்குதல் ஊடகமாகச் செயல்படுகிறது.
ஒவ்வொரு சம்பவமும் அதற்கு முந்தைய சம்பவத்தை மீண்டும் பயன்படுத்தி, அதன் அளவை அதிகரித்தது. 2026-ஆம் ஆண்டில் செயற்கை நுண்ணறிவு அச்சுறுத்தல்களின் வரையறுக்கும் அம்சம் இதுதான்: பாரம்பரிய இணையப் பாதுகாப்பு அச்சுறுத்தல்களை விட இவை மிக வேகமாகப் பெருகுகின்றன, ஏனெனில் உருவாக்குநர்கள் ஒரு திட்டத்தை வெளியிட உதவும் அதே தானியக்கமே, தாக்குபவர்கள் தங்கள் திட்டங்களைப் பரப்பவும் உதவுகிறது.
பாரம்பரிய கருவிகளால் இந்த AI அபாயங்களை ஏன் கண்டறிய முடியவில்லை
பாரம்பரிய AppSec கருவிகள் ரெபாசிட்டரியோடு நின்றுவிடுகின்றன, மேலும் மாடல் என்றால் என்னவென்று அவற்றுக்குத் தெரியாது. பாரம்பரிய எண்ட்பாயிண்ட் கருவிகள் இயக்க முறைமையைக் கண்காணிக்கின்றன, ஆனால் பேக்கேஜ்கள், MCP சர்வர்கள் அல்லது AI உதவியாளர்களைப் புரிந்துகொள்வதில்லை. இந்த இரண்டிற்கும் இடையிலான அந்த இடைவெளியில்தான், பாதிப்பு ஏற்படும் வரை, AI அபாயங்கள் கண்டறியப்படாமல் வந்து சேர்கின்றன.
இரண்டு புள்ளிவிவரங்கள் இந்த பாதிப்பைத் தெளிவாகக் காட்டுகின்றன: 2025-ஆம் ஆண்டின் நான்காம் காலாண்டுக்கும் 2026-ஆம் ஆண்டின் முதல் காலாண்டுக்கும் இடையில், செயற்கை நுண்ணறிவை இலக்காகக் கொண்ட நற்சான்றிதழ் திருட்டு 376% அதிகரித்துள்ளது. மேலும், ஒரேயொரு தீங்கிழைக்கும் MCP பிரிட்ஜ் (CVE-2025-6514) கண்டறியப்படுவதற்கு முன்பு 437,000 முறை பதிவிறக்கம் செய்யப்பட்டு, கிளையண்டில் தொலைநிலைக் குறியீடு செயல்படுத்தலைச் சாத்தியமாக்கியுள்ளது. பொது MCP சேவையகங்களும் இயல்பாகவே பாதுகாப்பானவை அல்ல: அவற்றில் 5.5% கருவி நச்சுப் பிழைகளையும், 43% கட்டளை உட்செலுத்தல் பிழைகளையும் கொண்டுள்ளன. இந்தப் பிழைகள், ஒரு டெவலப்பரின் சொந்தக் கருவிகளையே ஒரு நிறுவனம் எதிர்கொள்ளக்கூடிய மிகக் கடுமையான இணையப் பாதுகாப்பு அச்சுறுத்தல்களில் ஒன்றாக மாற்றும் அளவுக்குத் தீவிரமானவை.
மென்பொருள் விநியோகச் சங்கிலி இன்னமும் இணையப் பாதுகாப்பு அச்சுறுத்தல்களின் மிகப்பெரிய ஆதாரமாக விளங்குகிறது.
செயற்கை நுண்ணறிவு இந்தப் பிரச்சனையை உருவாக்கவில்லை, மாறாக அதை விரிவுபடுத்தியது. மென்பொருள் விநியோகச் சங்கிலி ஏற்கனவே இணையப் பாதுகாப்பு அச்சுறுத்தல்களுக்கான மிகவும் சுரண்டப்பட்ட நுழைவாயிலாக இருந்தது, புள்ளிவிவரங்களும் அதை உறுதிப்படுத்துகின்றன. 2019 முதல் 778,500-க்கும் மேற்பட்ட தீங்கிழைக்கும் திறந்த மூல மென்பொருள் தொகுப்புகள் அடையாளம் காணப்பட்டுள்ளன, மேலும் அந்த எண்ணிக்கை ஒரே ஆண்டில் 156% அதிகரித்து 512,847 தொகுப்புகளை எட்டியுள்ளது. விநியோகச் சங்கிலித் தாக்குதல்களில் 60%, ஒரு விநியோகஸ்தர் மீதான வாடிக்கையாளர்களின் நம்பிக்கையைப் பயன்படுத்திக் கொண்டதாக ENISA கண்டறிந்துள்ளது, மேலும் சில மதிப்பீடுகளின்படி, மென்பொருள் விநியோகச் சங்கிலி இப்போது ஏறக்குறைய ஒவ்வொரு 48 மணி நேரத்திற்கும் ஒரு தாக்குதலை எதிர்கொள்கிறது. 2019 மற்றும் 2022-க்கு இடையில் விநியோகச் சங்கிலித் தாக்குதல்கள் 742% அதிகரித்துள்ளன, 2025-க்குள் 45% நிறுவனங்கள் பாதிக்கப்படும் என்றும், 2031-க்குள் ஆண்டுச் செலவுகள் $138 பில்லியனை எட்டும் என்றும் கணிப்புகள் தெரிவிக்கின்றன; இந்த ஆண்டில் மட்டும் மென்பொருள் விநியோகச் சங்கிலித் தாக்குதல்களின் செலவு $60 பில்லியன் என மதிப்பிடப்பட்டுள்ளது.
அதே சார்புநிலை மற்றும் pipeline இந்தப் பொதுவான இணையப் பாதுகாப்பு அச்சுறுத்தல்களை உருவாக்கிய பலவீனங்கள், தற்போது செயற்கை நுண்ணறிவு அபாயங்களையும் கொண்டுள்ளன: சமரசம் செய்யப்பட்ட ஒரு தொகுப்பு, தவறாக உள்ளமைக்கப்பட்ட ஒரு GitHub Action, அல்லது பின் செய்யப்படாத ஒன்று. CI/CD ஒரு படிநிலையானது, ஒரு மனித உருவாக்குநரைப் போலவே ஒரு AI முகவரையும் எளிதாக இலக்கு வைக்க முடியும்.
குறியீட்டுத் தளத்திற்கு அப்பாற்பட்ட பரந்த AI பாதுகாப்பு அபாயங்கள்
செயற்கை நுண்ணறிவு (AI) தொடர்பான எல்லா அபாயங்களும் ஒரு நிரல் கோப்பிற்குள் அடங்கியிருப்பதில்லை. செயற்கை நுண்ணறிவுப் பாதுகாப்பு அபாயங்களின் ஒரு முழுமையான வரைபடம், ஒரு செயற்கை நுண்ணறிவுச் சொத்தின் முழு வாழ்க்கைச் சுழற்சியையும் உள்ளடக்கியுள்ளது: உடனடித் தரவுச் செருகல் மற்றும் அமைப்பு-அறிவிப்பு கசிவு, வரம்பு மீறிய செயற்கை நுண்ணறிவு உள்ளமைவுகள் மூலம் வெளிப்படும் முக்கியத் தரவுகள், நச்சுத்தன்மையுள்ள வெக்டர்கள் மற்றும் உட்பொதிப்புகள், ஆவணங்கள் மற்றும் விதிக் கோப்புகளுக்குள் மறைக்கப்பட்டிருக்கும் தீங்கிழைக்கும் அறிவுறுத்தல்கள், பாதுகாப்பற்ற MCP உள்ளமைவுகள் மற்றும் நம்பத்தகாத சேவையகங்கள், பாதிப்புக்குள்ளாகக்கூடிய அல்லது ஒழுங்கற்ற செயற்கை நுண்ணறிவுச் சார்புகள், மற்றும் ஒரு செயற்கை நுண்ணறிவு முகவர் தனக்கு உள்ளமைக்கப்பட்ட எல்லைகளுக்கு அப்பால் செயல்படும் அதீத முகமைச் செயல்பாடு ஆகியவை இதில் அடங்கும்.
இந்த வகைகள் நேரடியாகப் பொருந்துகின்றன LLM விண்ணப்பங்களுக்கான OWASP முதல் 10 இடங்கள், அந்த முகவர் பயன்பாடுகளுக்கான OWASP முதல் 10, மற்றும் OWASP MCP முதல் 10இந்தத் துறை முழுவதும் AI பாதுகாப்பு அபாயங்களுக்கான பொதுவான சொற்களஞ்சியமாக மூன்று கட்டமைப்பு முறைகள் வேகமாக மாறி வருகின்றன.
சைபர் பாதுகாப்பு அச்சுறுத்தல்களுக்கு ஆளாவதைக் குறைத்தல்: உண்மையில் எது பலனளிக்கிறது
சைபர் பாதுகாப்பு அச்சுறுத்தல்களுக்கு எதிராகத் தொடர்ந்து செயல்படும் இரண்டு விஷயங்களை இந்தத் தரவுகள் சுட்டிக்காட்டுகின்றன: அடிப்படை சுகாதாரம் மற்றும் ஆரம்பத்திலேயே கண்டறிதல். அடிப்படைப் பாதுகாப்பு நடைமுறைகள் மூலம் 98% இணையத் தாக்குதல்கள் தடுக்கப்படுகின்றன. இருப்பினும், 34% தரவு மீறல்கள் இன்னமும் உள் அச்சுறுத்தல்களாலேயே ஏற்படுகின்றன, மேலும் 60% செயலிகளில் அவற்றின் சொந்த நிரல்களிலேயே பாதிப்புகள் உள்ளன. கிட்ஹப் நிறுவனமும் இதற்கு விதிவிலக்கல்ல: கிட்ஹப்பின் செயல்முறை நிரூபண சுரண்டல் களஞ்சியங்களில் 1.9% தீங்கிழைக்கும் தன்மை கொண்டவை. அவை, தங்களை நம்பும் ஆராய்ச்சியாளர்களிடமிருந்து தரவைத் திருடுவதற்கோ அல்லது தீம்பொருளைப் பரப்புவதற்கோ உருவாக்கப்பட்டவை.
குறிப்பாக செயற்கை நுண்ணறிவு தொடர்பான அபாயங்களைப் பொறுத்தவரை, அதற்கான தீர்வு அதன் வாழ்க்கைச் சுழற்சியின் ஆரம்பக் கட்டத்திலேயே செயல்படுத்தப்பட வேண்டும்:
- IDE-க்குள் சரிபார்க்கவும். செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டில் உள்ள பாதுகாப்பற்ற வடிவங்களை, அது ஒரு குறிப்பிட்ட நிலையை அடையும் முன்பே கண்டறிதல் pipeline புதிய செயற்கை நுண்ணறிவு பாதுகாப்பு அபாயங்களின் மிகப்பெரிய ஒற்றை மூலத்தை மூடுகிறது.
- கையொப்பம் உருவாகும் முன்பே தீம்பொருளைக் கண்டறியுங்கள். நற்பெயரை அடிப்படையாகக் கொண்ட கருவிகள், அவற்றின் இயல்பிலேயே ஜீரோ-டே பேக்கேஜ்களைக் கண்டுகொள்வதில்லை; இந்த இடைவெளியைத்தான் ஷாய்-ஹுலுட், ஆக்சியோஸ் மற்றும் எஸ்ஏபி என்.பி.எம் ஆகியவை துல்லியமாகப் பயன்படுத்திக்கொண்டன.
- ஒவ்வொரு AI சொத்தையும் பட்டியலிடுங்கள். ஒரு குழு தாங்கள் இயக்குகிறோம் என்று அறியாத ஒன்றின் மூலம், மாதிரிகள், தரவுத்தொகுப்புகள், முகவர்கள் மற்றும் MCP சேவையகங்களைக் கட்டுப்படுத்தவோ அல்லது தாக்கவோ முடியாது.
சைஜெனி இந்த இணையப் பாதுகாப்பு அச்சுறுத்தல்களை எவ்வாறு எதிர்கொள்கிறது
சைஜெனி AI அச்சுறுத்தல்களைப் பின்னர் இணைக்கப்பட்ட ஒரு தனிப் பிரச்சனையாகக் கருதாமல், பயன்பாட்டுப் பாதுகாப்பின் ஒரு முதன்மைப் பகுதியாகவே DevAI கருதுகிறது. DevAI, டெவலப்பரின் IDE-க்குள் நிகழ்நேரப் பாதுகாப்புச் சரிபார்ப்பைச் செயல்படுத்தி, AI-ஆல் உருவாக்கப்பட்ட குறியீடுகள் வெளியிடப்படுவதற்கு முன்பே அவற்றில் உள்ள பாதுகாப்பற்ற வடிவங்களைக் கண்டறிந்து சுட்டிக்காட்டுகிறது. தீம்பொருள் முன்கூட்டிய எச்சரிக்கை (MEW) cஒரு கையொப்பம் உருவாகும் முன்பே தீங்கிழைக்கும் தொகுப்புகளைக் கண்டறிய, இது NPM, PyPI மற்றும் Maven ஆகியவற்றைத் தொடர்ந்து ஸ்கேன் செய்கிறது; இதன் மூலம் Shai-Hulud, axios மற்றும் SAP npm ஆகியவற்றின் பின்னணியில் உள்ள துல்லியமான விநியோகச் சங்கிலி வடிவத்தைக் கையாள்கிறது. AI பாதுகாப்பு, முழுவதும் உள்ள ஒவ்வொரு AI சொத்தையும் கண்டறிகிறது. SDLCமேலும், இது மேலே உள்ள OWASP கட்டமைப்புகளுடன் ஒப்பிட்டு மதிப்பிடுகிறது, மற்றும் பாதுகாப்பற்ற மாடல், ஏஜென்ட் அல்லது MCP சர்வர் இயங்குவதற்கு அனுமதிக்கப்படுவதற்கு முன்பு, ஷீல்ட் எண்ட்பாயிண்டில் கொள்கையை அமல்படுத்துகிறது.
2026-ல் செயற்கை நுண்ணறிவு அபாயங்களைச் சிறப்பாக நிர்வகிக்கும் நிறுவனங்கள், அதிக கருவிகளை இயக்கும் நிறுவனங்கள் அல்ல. மாறாக, தாங்கள் இயக்கும் ஒவ்வொரு செயற்கை நுண்ணறிவுச் சொத்தையும் கண்காணித்து, பாதுகாப்பற்றவை செயல்படுத்தப்படுவதற்கு முன்பே அவற்றை நிறுத்தி, அந்த நுண்ணறிவைத் தங்களிடம் ஏற்கனவே உள்ள கருவிகளில் பயன்படுத்தக்கூடிய நிறுவனங்களே அவை.
FAQ
2026-ஆம் ஆண்டில் மிகப்பெரிய இணையப் பாதுகாப்பு அச்சுறுத்தல்கள் என்னென்ன?
அளவு மற்றும் செலவின் அடிப்படையில் விநியோகச் சங்கிலித் தாக்குதல்களே மிகப்பெரிய வகையாகத் தொடர்கின்றன. இந்த ஆண்டு மட்டும் சுமார் 60 பில்லியன் டாலர் சேதம் ஏற்பட்டுள்ளதாகவும், ஏறக்குறைய ஒவ்வொரு 48 மணி நேரத்திற்கும் ஒரு தாக்குதல் நடப்பதாகவும் மதிப்பிடப்பட்டுள்ளது. அவற்றுடன், செயற்கை நுண்ணறிவு (AI) அச்சுறுத்தல்களும் வேகமாக வளர்ந்து வரும் ஒரு வகையாக உருவெடுத்துள்ளன: செயற்கை நுண்ணறிவை இலக்காகக் கொண்ட அடையாளத் திருட்டு ஒரே காலாண்டில் 376% அதிகரித்துள்ளது. மேலும், ஷாய்-ஹுலுட், ஆக்சியோஸ் மற்றும் ப்ராம்ட்மிங்க் போன்ற சம்பவங்கள், தாக்குதல் நடத்துபவர்கள் செயற்கை நுண்ணறிவை ஒரு இலக்காகவும், அதனை வழங்கும் ஒரு வழிமுறையாகவும் தீவிரமாகப் பயன்படுத்துவதைக் காட்டுகின்றன.
செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீடு ஒரு பாதுகாப்பு அச்சுறுத்தலா?
ஆம். செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீடுகளில் சுமார் 40% பாதுகாப்பு குறைபாடுகளைக் கொண்டுள்ளதாக ஆய்வுகள் காட்டுகின்றன. எனவே, குறியீடுகள் இணைக்கப்படுவதற்கு முன்பு, டெவலப்பரின் IDE-க்குள் நிகழ்நேர சரிபார்ப்பைச் செய்வது, செயற்கை நுண்ணறிவு பாதுகாப்பு அபாயங்களை மூலத்திலேயே குறைப்பதற்கான மிகவும் பயனுள்ள வழிகளில் ஒன்றாகும்.
MEW என்பது என்ன மற்றும் அது செயற்கை நுண்ணறிவு அச்சுறுத்தல்களை எவ்வாறு எதிர்கொள்கிறது?
தீம்பொருள் முன்கூட்டிய எச்சரிக்கை (MEW) என்பது NPM, PyPI மற்றும் Maven-க்கான Xygeni-யின் தொடர்ச்சியான ஸ்கேனிங் அமைப்பாகும். ஒரு கையொப்பம் உருவாவதற்கு முன்பே தீங்கிழைக்கும் தொகுப்புகளைக் கண்டறிய இது வடிவமைக்கப்பட்டுள்ளது. இது முக்கியமானதாகும், ஏனெனில் நற்பெயர் அடிப்படையிலான கருவிகள் ஏற்கனவே அடையாளம் காணப்பட்டவற்றை மட்டுமே கண்டறிந்து, சமீபத்திய AI அச்சுறுத்தல்கள் மற்றும் விநியோகச் சங்கிலிப் புழுக்களுக்குப் பின்னால் உள்ள துல்லியமான ஜீரோ-டே வடிவத்தைத் தவறவிடுகின்றன.
MCP சேவையகங்கள் செயற்கை நுண்ணறிவு அபாயங்களின் உண்மையான மூலமாக இருக்கின்றனவா?
ஆம். பொது MCP சேவையகங்கள் நடைமுறையில் அளவிடக்கூடிய AI பாதுகாப்பு அபாயங்களைக் காட்டுகின்றன: அவற்றில் 5.5% கருவி நச்சுப் பிழைகளையும், 43% கட்டளைச் செருகல் பிழைகளையும் கொண்டுள்ளன. மேலும், ஊடுருவப்பட்ட ஒரு MCP பிரிட்ஜ் மட்டும் கண்டறியப்படுவதற்கு முன்பு 437,000 முறை பதிவிறக்கம் செய்யப்பட்டுள்ளது.
