గత కొన్ని సంవత్సరాలుగా, అప్లికేషన్ భద్రతకు ఒక స్పష్టమైన సరిహద్దు ఉండేది: రిపోజిటరీ మరియు pipelineనియంత్రణలు అక్కడే ఉండేవి, స్కాన్లు అక్కడే జరిగేవి, ఏదైనా ప్రొడక్షన్కు పంపాలా వద్దా అని బృందాలు అక్కడే నిర్ణయించేవి. ఇదంతా ఒకే ఒక ఊహపై ఆధారపడి ఉండేది: ఏ కోడ్ మరియు ఏ డిపెండెన్సీలు సిస్టమ్లోకి ప్రవేశించాలో ఒక డెవలపర్ స్పష్టంగా ఎంచుకుంటాడు.
ఆ అంచనా ఇప్పుడు చెల్లదు. నేడు, పెరుగుతున్న కోడ్ వాటాను ఒక AI ఏజెంట్ రాస్తుంది, సూచిస్తుంది లేదా ఇన్స్టాల్ చేస్తుంది, తరచుగా లోపలికి లాగబడుతున్న దాని పేరును ఎవరూ చూడకుండానే ఇది జరుగుతుంది.cisకోడ్లోకి ప్రవేశించే ప్రతి అణువు కదులుతున్న కొద్దీ, దాడి కూడా కదులుతుంది. అది ప్రక్రియ యొక్క అత్యంత ముందంజలోకి వెళుతుంది: కోడ్ సృష్టించబడిన క్షణంలోనే, అసిస్టెంట్ లోపల మరియు దానిని కాన్ఫిగర్ చేసే ఫైళ్ళలోకి.
ఇదే మీ AI దాడికి గురయ్యే అవకాశం ఉన్న ప్రాంతం: ఇందులో ప్రతి మోడల్, ఏజెంట్, MCP సర్వర్, స్కిల్, మరియు AI సూచించిన డిపెండెన్సీ ఉంటాయి. ఇవన్నీ ఒక మనిషి సమీక్షించక ముందే ప్రమాదాన్ని కలిగించగలవు. మీ డెవలపర్లు విశ్వసించే అదే AI ఇప్పుడు దీనిలో భాగమైంది. ఇది భవిష్యత్తు ప్రమాదం కాదు. ఇది ఇప్పటికే జరిగిన మార్పు, మరియు ఆచరణలో ఇది ఎలా ఉంటుందో ఇక్కడ చూడండి.
దాడుల పరంపర, ఇది ఒక వివిక్త సంఘటన కాదు.
కింది వాటిలో ఏదీ ల్యాబ్ వ్యాయామం కాదుcisఇది ఒక ఊహాజనిత సంఘటన కావచ్చు. ఇవి బహిరంగంగా, నమోదు చేయబడిన సంఘటనలు, దాదాపు అన్నీ గత సంవత్సరానికి చెందినవే, మరియు వీటిలో ప్రతి ఒక్కటీ AI ఏజెంట్కే మరింత దగ్గరగా సంబంధం కలిగి ఉంది:
- ఆగస్టు 2025, సింగులారిటీ: దాడి చేసేవారు, అత్యంత విస్తృతంగా ఉపయోగించే బిల్డ్ సిస్టమ్లలో ఒకటైన Nx నుండి పబ్లిషింగ్ టోకెన్ను దొంగిలించి, డెవలపర్ల మెషీన్లలోని రహస్యాల కోసం వేటాడేందుకు AI సాధనాలను ఉపయోగించి, హానికరమైన వెర్షన్లను npm లోకి పంపారు.
- సెప్టెంబర్ 2025, చాక్/డీబగ్: ఒకే మెయింటెయినర్ ఖాతాను హైజాక్ చేయడం ద్వారా, వారానికి రెండు బిలియన్లకు పైగా డౌన్లోడ్లు ఉన్న 18 ప్యాకేజీలను స్వాధీనం చేసుకోవడం అనేది, npm చరిత్రలో జరిగిన అతిపెద్ద ఉల్లంఘనలలో ఒకటి.
- సెప్టెంబర్ 2025, షాయ్-హులుద్: npm ద్వారా స్వయంగా వ్యాప్తి చెందగల సామర్థ్యం ఉన్నట్లుగా నమోదు చేయబడిన మొట్టమొదటి వార్మ్లలో ఇది ఒకటి. నవంబరులో వచ్చిన దీని రెండవ దశ మరింత తీవ్రంగా ఉంది మరియు 25,000 కంటే ఎక్కువ రిపోజిటరీలలో బహిర్గతమైన రహస్యాలతో ముడిపడి ఉంది.
- అక్టోబర్ 2025, ఉపయోగించని దిగుమతులు: ఫాంటమ్రావెన్ క్యాంపెయిన్లో భాగంగా, AI భ్రాంతి ఒక స్లోప్స్క్వాటింగ్ టెక్నిక్ ద్వారా npm లోకి నిజమైన మాల్వేర్ను ప్రవేశపెట్టింది.
- ఈ సంవత్సరం, క్లాహబ్: కలుషితమైన AI నైపుణ్యాల రిజిస్ట్రీ, దీనిలో అత్యధికంగా డౌన్లోడ్ చేయబడిన ఏడు నైపుణ్యాలలో ఐదు మాల్వేర్.
పరిశ్రమ కూడా ఇదే నిర్ధారణకు వస్తోంది. LLM అప్లికేషన్ల కోసం ఉద్దేశించిన OWASP టాప్ 10, ప్రాంప్ట్ ఇంజెక్షన్ను మొదటి స్థానంలో ఉంచింది. OWASP MCP టాప్ 10 (ప్రస్తుతం బీటా దశలో ఉంది) ఏజెంట్లు టూల్స్తో మాట్లాడటానికి ఉపయోగించే ప్రోటోకాల్ను లక్ష్యంగా చేసుకుంది. ఒక కొత్త ఇంక్యుబేటర్-దశ ప్రాజెక్ట్ అయిన OWASP ఏజెంటిక్ స్కిల్స్ టాప్ 10, హానికరమైన నైపుణ్యాలను తన ప్రధాన ప్రమాదంగా పేర్కొంది. OWASP సాధారణంగా జాగ్రత్తగా వ్యవహరిస్తుంది; ఒకేసారి మూడు రంగాలను తెరవడం, అందులో ఒకటి అత్యవసరంగా ఉండటం, ఈ వ్యవహారం ఎంత వేగంగా ముందుకు సాగుతుందో తెలియజేస్తుంది.
ఈ మూడూ ఒకే ఆలోచనపై ఏకీభవిస్తాయి: ఒక మోడల్కు సంబంధించిన సూచనలు, సాధనాలు మరియు కాన్ఫిగరేషన్లు ఇప్పుడు AI దాడికి గురయ్యే అవకాశం ఉన్న అంశాలలో భాగం, మరియు అవి సాధారణంగా మీ స్వంత రిపోజిటరీలోనే ఉంటాయి. ఇది మీ బృందాలను అడగవలసిన మొదటి ప్రశ్నను లేవనెత్తుతుంది: మీ రిపోలో ఉండే రూల్స్ ఫైల్స్, స్కిల్స్ మరియు MCP కాన్ఫిగరేషన్లను ఎవరు సమీక్షిస్తారు?
వెక్టర్ 1: విషపూరిత నైపుణ్యం
నైపుణ్యం అనేది ఒక AI ఏజెంట్కు ఒక పనిని ఎలా చేయాలో నేర్పించే సూచనలు మరియు సామర్థ్యాల ఫైల్. ఏజెంట్ ప్రవర్తనను తీర్చిదిద్దడానికి ఇది ఒక్కటే మార్గం కాదు (నియమాల ఫైల్స్, hooks, మరియు MCP కాన్ఫిగ్లు కూడా అదే చేస్తాయి), కానీ వాటన్నింటికీ ఒక ఉమ్మడి లక్షణం ఉంది: అవి కోడ్తో పాటు రిపోజిటరీ లోపల ప్రయాణిస్తాయి.
ఈ సంవత్సరం జరిగిన పరిశోధనలో ఈ నైపుణ్యాలలో 4,000 సమీక్షించబడ్డాయి:
- 36% వాటిలో కనీసం ఒక భద్రతా లోపం ఉంది.
- 13.4% మంది పరిస్థితి విషమంగా ఉంది.
- దాదాపు 100 వాటిలో నేరుగా హానికరమైన పేలోడ్లు ఉన్నాయి.
ప్రధాన మార్పు ఏమిటంటే: దాడి చేసేవారు ఇకపై మీ కోడ్ను లక్ష్యంగా చేసుకోరు. వారు మీ కోడ్ను వ్రాసే ఏజెంట్ను లక్ష్యంగా చేసుకుని, మోడల్ చదివి, పనిచేసేవిగా పరిగణించే రహస్య సూచనలను (కొన్నిసార్లు కనిపించని అక్షరాలను ఉపయోగించి) చొప్పిస్తారు. ఒక మానవ సమీక్షకుడు దీనిని ఆమోదిస్తాడు. pull request వారి దృష్టిలో ఫైల్ క్లీన్గా కనిపించడం వల్ల సద్భావనతో. సమీక్షకుడు ఎన్నడూ చూడని సూచనలను మోడల్ అర్థం చేసుకుంటుంది.
ఇది సిద్ధాంతపరమైనది కాదు. CVE-2025-59536 (CVSS 8.7) విశ్వసనీయత లేని రిపోజిటరీ నుండి క్లాడ్ కోడ్ను ప్రారంభించడానికి అనుమతించింది, ఇక్కడ వినియోగదారు ట్రస్ట్ డైలాగ్ను అంగీకరించక ముందే ఒక హానికరమైన కాన్ఫిగరేషన్ కమాండ్లను అమలు చేయగలదు. రెండవ దుర్బలత్వం, CVE-2026-21852, వినియోగదారు దేనినీ ఆమోదించకుండానే, ప్రాజెక్ట్-నియంత్రిత కాన్ఫిగరేషన్ ద్వారా ఒక API కీని బయటకు తరలించడానికి అనుమతించింది.
H2: వెక్టర్ 2: స్లోప్స్క్వాటింగ్
ఈ పేరు “స్లాప్” (AI కొన్నిసార్లు సృష్టించే పనికిరాని సమాచారం) మరియు క్లాసిక్ టైపోస్క్వాటింగ్ దాడి కలయిక. టైపోస్క్వాటింగ్ మానవ తప్పిదంపై ఆధారపడి ఉంటుంది: దాడి చేసేవాడు జనాదరణ పొందిన పేరుకు దగ్గరగా ఉన్న ప్యాకేజీ పేరును నమోదు చేసి, అందులో అక్షరదోషం కోసం వేచి ఉంటాడు. ఇది యాదృచ్ఛికంగా జరుగుతుంది.
స్లోప్స్క్వాటింగ్ తప్పు కోసం వేచి ఉండదు. ఈ సెషన్లో ప్రస్తావించిన అధ్యయనంలో, AI మోడల్స్ ద్వారా రూపొందించబడిన ప్యాకేజీ రిఫరెన్స్లలో 19.7%, వాస్తవానికి ఉనికిలో లేని ప్యాకేజీలను సూచించాయి. మోడల్స్ ఒకే పేర్లను పదేపదే ఊహించుకుంటూ ఉంటాయి, కాబట్టి దాడి చేసేవాడు AI ఏ పేర్లను సృష్టిస్తుందో గమనించి, ఆ పేర్లను హానికరమైన కోడ్తో నమోదు చేసి, AI సూచించే తదుపరి ఇన్స్టాల్ కోసం వేచి ఉండి, దానిని మీ అప్లికేషన్లోకి లాగుతాడు.
పరిమాణం చిన్నది కాదు: 2025లో 450,000 కంటే ఎక్కువ కొత్త హానికరమైన ప్యాకేజీలు గుర్తించబడ్డాయి. రెండు ఉదాహరణలు దీనిని స్పష్టం చేస్తాయి:
- ఒక పరిశోధకుడు హానిచేయని పరీక్ష ప్యాకేజీని ఉంచాడు హగ్గింగ్ఫేస్-క్లి విషయాన్ని నిరూపించడానికి. అది లాగ్ చేయబడింది. మూడు నెలల్లో 30,000కు పైగా డౌన్లోడ్లు.
- ఉపయోగించని దిగుమతులుపైన ఉన్న టైమ్లైన్ ప్రకారం, సరిగ్గా ఇదే పద్ధతిని ఉపయోగించి, పబ్లిక్ రిజిస్ట్రీలో లైవ్లో ఉన్న మాల్వేర్ అని నిర్ధారించబడింది. అది ఒక పరీక్ష కాదు.
ఇది మీ బృందానికి జరుగుతుందా లేదా అన్నది ప్రశ్న కాదు. ఎవరూ చూడకుండానే ఈ రోజు మీ కోడ్లోకి ఎన్ని AI-సూచించిన ప్యాకేజీలు ప్రవేశిస్తున్నాయి అన్నదే అసలు ప్రశ్న.
ప్రతిస్పందన: standardలు పుంజుకుంటున్నాయి
రెండు శక్తులు సమాంతరంగా నడుస్తాయి. దాడులు తీవ్రమవుతున్న కొద్దీ, standardశరీరాలు ప్రతిస్పందిస్తున్నాయి:
- NIST SP 800-218A సమగ్రత మరియు మూలాల రుజువులతో సహా, AI నమూనాలకు ప్రత్యేకమైన పద్ధతులతో సురక్షిత సాఫ్ట్వేర్ అభివృద్ధి ఫ్రేమ్వర్క్ను విస్తరిస్తుంది.
- In మే 10, CISA మరియు దాని అంతర్జాతీయ G7 భాగస్వాములు AI కోసం సాఫ్ట్వేర్ బిల్ ఆఫ్ మెటీరియల్స్పై మార్గదర్శకాలను ప్రచురించింది, ఆ జాబితాలో ఏవి ఉండాలో నిర్వచిస్తూ: మోడల్స్, డేటాసెట్లు, కాంపోనెంట్లు, ప్రొవైడర్లు మరియు డిపెండెన్సీలు.
దిశ స్పష్టంగా ఉంది: SBOM AI-BOM గా విస్తరిస్తోంది. మీరు జాబితా చేయలేని దానికి మీరు ధృవీకరణ లేదా హామీ ఇవ్వలేరు. మరియు నేడు, చాలా సంస్థలు అలా చేయలేవు:
- 43% వారు ఇప్పటికే ఉపయోగిస్తున్న AI సాధనాలను ఆడిట్ చేయడం లేదా జాబితా చేయడం చేయలేరు.
- 79% వారి స్వంత వాతావరణంలో నడుస్తున్న AI ఏజెంట్లు మరియు MCP సిస్టమ్లపై వారికి ఎలాంటి అవగాహన లేదు.
నియంత్రిత వాతావరణాలలో, ఈ జాబితా అనేది మంచి అభ్యాసం నుండి ఒప్పంద అంచనాగా లేదా పాటించాల్సిన బాధ్యతగా మారుతోంది. కానీ ఒక జాబితా మీ దగ్గర ఏముందో మాత్రమే చెబుతుంది. అది దానంతట అదే ఒక దాడిని అడ్డుకోదు.
అంతరం: AppSec కోసం ఒక EDR
SAST మరియు SCA టూల్స్ అనేవి కోడ్ మరియు డిపెండెన్సీలను విశ్లేషించడానికి రూపొందించబడ్డాయి, అంతేగానీ ఒక ఏజెంట్ యొక్క ప్రవర్తనను లేదా దాని కాన్ఫిగరేషన్ను విశ్లేషించడానికి కాదు. BDU ఇది ప్రాసెస్లను మరియు నెట్వర్క్ కనెక్షన్లను చూస్తుంది, కానీ ఒక డిపెండెన్సీని లేదా ఏజెంట్ కాన్ఫిగరేషన్ను అర్థం చేసుకోవడానికి అవసరమైన అప్లికేషన్-సెక్యూరిటీ కాంటెక్స్ట్ దీనికి సాధారణంగా ఉండదు. ఈ రెండు వర్గాల టూల్స్ మధ్య ఒక అంతరం ఉంది, సరిగ్గా అక్కడే ఇప్పుడు కోడ్ సృష్టించబడుతోంది, మరియు సరిగ్గా అక్కడే AI దాడికి ఆస్కారం ఉంది.
ఆ అంతరంలో మూడు అంధ ప్రాంతాలు ఉన్నాయి:
- AI ఆస్తులు. మోడల్స్, ఏజెంట్లు మరియు MCP సర్వర్లు మీలో కనిపించవు SASTలేదా SCAరాడార్. మీరు చూడలేని దాన్ని జాబితా చేయలేరు.
- కాన్ఫిగరేషన్ ఫైల్స్. నైపుణ్యాలు, నియమాలు మరియు MCP కాన్ఫిగరేషన్లు ఏజెంట్ ప్రవర్తనను రూపొందిస్తాయి, కానీ సాధారణంగా వాటిని హానిచేయని సాదా వచనంగానే సమీక్షిస్తారు.
- ప్యాకేజీ ఇన్స్టాల్ అవుతుంది. A హానికరమైన డిపెండెన్సీ, అది హానికరమైనదని తెలియక ముందే అమలు కావచ్చు.ఆ తర్వాత ఎవరి అనుమతి లేకుండా రహస్యాలను మరియు టోకెన్లను బయటకు తరలించండి.
Xygeni దీన్ని ఎలా మూసివేస్తుంది
EDR ఎండ్పాయింట్లకు ఏమి చేస్తుంది, క్సైజెని AI-సహాయక డెవలప్మెంట్ లైఫ్సైకిల్ కోసం షీల్డ్ చేసే పని ఏమిటంటే: ఇది అప్లికేషన్-సెక్యూరిటీ సందర్భాన్ని అర్థం చేసుకుంటూ, కోడ్ సృష్టించబడే ప్రదేశాన్ని రక్షిస్తుంది.
- దృశ్యమానత ఎక్కడ SAST మరియు SCA చేరుకోవద్దు. Xygeni హానికరమైన స్కిల్స్ మరియు రూల్స్ ఫైళ్లను ఫ్లాగ్ చేస్తుంది, MCP కాన్ఫిగ్లను విశ్లేషిస్తుంది మరియు ఆడిట్కు సిద్ధంగా ఉన్నదాన్ని నిర్మిస్తుంది. AI-BOM, OWASP LLM, MCP, మరియు ఏజెంటిక్ స్కిల్స్ టాప్ 10లకు మ్యాప్ చేయబడింది.
- కేవలం సంతకాలు మాత్రమే కాదు, సమాచారం కూడా. MEW (మాల్వేర్ ఎర్లీ వార్నింగ్) ఒక CVE, ఒక సలహా, లేదా పబ్లిక్ సిగ్నేచర్ వెలువడక ముందే ఒక ప్యాకేజీని నిరోధించడానికి దాని ప్రవర్తనను మరియు ప్రమాదాన్ని విశ్లేషిస్తుంది. అప్-టు-డేట్ నెట్వర్క్ ఇంటెలిజెన్స్, హానికరమైనవిగా తెలిసిన ఇన్ఫ్రాస్ట్రక్చర్కు ఉన్న కనెక్షన్లను నిలిపివేస్తుంది.
- కోడ్ నుండి ఎండ్పాయింట్ వరకు ఒకే నియంత్రణ కేంద్రం. పర్యావరణాన్ని పునర్నిర్మించకుండా, యూరోపియన్ డేటా సార్వభౌమత్వం మరియు అనుగుణ్యత రుజువులను అంతర్నిర్మితంగా కలిగి ఉన్న ఒకే ఏజెంట్.
ఒక ప్రత్యక్ష ప్రదర్శనలో, ఈ పాలసీ అమలు ఒక AI ఏజెంట్ యొక్క హానికరమైన ప్యాకేజీని ఇన్స్టాల్ చేసే ప్రయత్నాన్ని, ఇన్స్టాల్ పూర్తికాకముందే మూడు వేర్వేరు ఇన్స్టాలేషన్ మార్గాల (వర్చువల్ ఎన్విరాన్మెంట్, ప్యాకేజీ మేనేజర్ మరియు డైరెక్ట్ డౌన్లోడ్) ద్వారా నిరోధించింది; ఇదంతా నిజ సమయంలో లాగ్ చేయబడింది మరియు SOCకి ఎగుమతి చేయదగినదిగా ఉంది. మొదటి ప్రాజెక్ట్ను ప్రారంభించడానికి సాధారణంగా సుమారు ఒక గంట సమయం పడుతుంది; పూర్తి సంస్థకు కవరేజీని విస్తరించడానికి, దాని నిర్మాణాన్ని బట్టి, సాధారణంగా ఒకటి నుండి రెండు వారాలు పడుతుంది.
తరచూ అడిగే ప్రశ్నలు (FAQ)
ఒక పేరాలో AI దాడి ఉపరితలం అంటే ఏమిటి?
AI దాడి ఉపరితలం అనేది నమూనాలు, ఏజెంట్లు, MCP సర్వర్లు, నైపుణ్యాలు, నియమాల ఫైళ్లు మరియు AI సూచించిన ఆధారాల సముదాయం. వీటి ద్వారా, తరచుగా ఒక మానవుడు సమీక్షించక ముందే, ఒక అప్లికేషన్లోకి ప్రమాదం ప్రవేశించగలదు. ఇది సాంప్రదాయ కోడ్ మరియు ఆధారాలకు అతీతంగా, ఒక AI ఏజెంట్ ఎలా ప్రవర్తిస్తుందో నిర్దేశించే కాన్ఫిగరేషన్ ఫైళ్లు మరియు సూచనలను కూడా కలిగి ఉంటుంది.
నా AI అసిస్టెంట్ సూచించిన ప్యాకేజీ పేరు భ్రమనా లేక నిజమైనదే అయినా నాకు తెలియనిదా అని ఎలా తెలుసుకోవాలి?
ఇన్స్టాల్ చేసే ముందు ధృవీకరించండి: కేవలం పేరును మాత్రమే నమ్మకుండా, రిజిస్ట్రీని తనిఖీ చేసి, ప్యాకేజీ యొక్క అసలు కంటెంట్ మరియు ఉద్దేశ్యాన్ని విశ్లేషించండి. Xygeni కోడ్ జనరేషన్ సమయంలో ఈ ధృవీకరణను నిజ సమయంలో స్వయంచాలకంగా చేస్తుంది, కాబట్టి ప్యాకేజీ మీకు తెలిసినదైనా కాకపోయినా, ఇన్స్టాల్ జరగడానికి ముందే అది ఆమోదించబడుతుంది లేదా నిరోధించబడుతుంది.
స్లాప్స్క్వాటింగ్ అన్ని AI మోడల్లను సమానంగా ప్రభావితం చేస్తుందా?
19.7% గణాంకం వెనుక ఉన్న పరిశోధన బహుళ నమూనాలను పరిశీలించగా, ఈ సమస్య వాటి మధ్య స్వల్ప వ్యత్యాసంతో విస్తృతంగా వ్యాపించి ఉన్నట్లు కనుగొనబడింది. ఇది AI-సహాయక అభివృద్ధి అంతటా కనిపించే ఒక నమూనా, అంతేగానీ ఇది ఒక నిర్దిష్ట సహాయకుడికి మాత్రమే పరిమితమైన లోపం కాదు.
మనం ఇదివరకే భ్రమ కలిగించే లేదా హానికరమైన ప్యాకేజీని ఇన్స్టాల్ చేశామో లేదో వెనక్కి వెళ్లి తనిఖీ చేయగలమా?
అవును. Xygeni ప్లాట్ఫారమ్ కస్టమర్లకు గుర్తించబడిన హానికరమైన ప్యాకేజీల యొక్క నిర్వహించబడే డేటాబేస్కు యాక్సెస్ను అందిస్తుంది, దీనిని మీ ప్రస్తుత కాంపోనెంట్ ఇన్వెంటరీతో పోల్చి శోధించవచ్చు, కాబట్టి ఇప్పటికే ఇన్స్టాల్ చేయబడిన వాటిలో ఏదైనా తెలిసిన ముప్పు అవునో కాదో మీరు కొన్ని క్లిక్లలో నిర్ధారించుకోవచ్చు.
బహుళ బృందాలు కలిగిన మధ్య తరహా సంస్థలో అమలు చేయడానికి ఎంత సమయం పడుతుంది?
మొదటి ప్రాజెక్ట్ను ప్రారంభించడానికి సాధారణంగా సుమారు ఒక గంట సమయం పడుతుంది. బృంద నిర్మాణం మరియు పని చేసే విధానాలను బట్టి, పూర్తి సంస్థకు విస్తరించడానికి సాధారణంగా ఒకటి నుండి రెండు వారాలు పడుతుంది.
మీ AI దాడి ఉపరితలాన్ని ఉచితంగా మ్యాప్ చేసుకోండి
మీ అప్లికేషన్ యొక్క AI ఫుట్ప్రింట్ను ఉచితంగా మ్యాప్ చేయండి: ఖాతాను సృష్టించండి మరియు నిమిషాల్లో మొదటి స్కాన్ చేయండిఒకే అప్లికేషన్తో ప్రారంభించండి, దానిలో ఏ AI ఉందో చూడండి మరియు మీ AI దాడి ఉపరితలంలో ఏ భాగం ప్రమాదకరమో గమనించండి.
పైన పేర్కొన్న కొన్ని సామర్థ్యాలు Xygeni Shield మరియు ద్వారా అమలు చేయబడతాయి ASPM/AI భద్రతా మాడ్యూల్స్; లభ్యత ప్లాన్ను బట్టి మారవచ్చు. చూడండి xygeni.io ప్రస్తుత ఉత్పత్తి వివరాల కోసం.
