டீப்சீக்: ஒரு நிறுவன பாதுகாப்பு சிக்கல்

மென்பொருள் உருவாக்கத்தில் AI-யின் கவர்ச்சியும் ஆபத்தும்

மென்பொருள் உருவாக்கத்தில் AI கருவிகளின் பயன்பாடு அதிகரித்து வருகிறது, சுமார் 76% டெவலப்பர்கள் தற்போது அவற்றைப் பயன்படுத்துகின்றனர் அல்லது இணைக்க திட்டமிட்டுள்ளனர், இது பல AI மாடல்களுடன் தொடர்புடைய நன்கு ஆவணப்படுத்தப்பட்ட பாதுகாப்பு அபாயங்களை நிவர்த்தி செய்ய வேண்டியதன் அவசியத்தை எடுத்துக்காட்டுகிறது. DeepSeek, அதன் அதிக அணுகல் தன்மை மற்றும் விரைவான தத்தெடுப்பு விகிதம் ஆகியவற்றைக் கருத்தில் கொண்டு, ஒரு குறிப்பிட்ட சவாலான அச்சுறுத்தல் வெக்டரை முன்வைக்கிறது. அதன் ஆரம்ப முறையீடு, உயர்-தரமான, செயல்பாட்டுக் குறியீட்டை உருவாக்கும் திறனில் இருந்து உருவானது, அதன் தனியுரிம DeepSeek Coder கருவி மூலம் மற்ற ஓப்பன் சோர்ஸ் LLM-களை விட சிறந்தது.

DeepSeek-இன் பாதுகாப்பு குறைபாடுகளை வெளிப்படுத்துதல்

இருப்பினும், ஈர்க்கக்கூடிய திறன்களின் மேற்பரப்பிற்குக் கீழே கடுமையான பாதுகாப்பு கவலைகள் உள்ளன. சைபர் செக்யூரிட்டி நிறுவனங்கள், DeepSeek ஆனது பயனர் தகவலை நேரடியாக வெளிநாட்டு அரசாங்கங்களின் கட்டுப்பாட்டின் கீழ் இருக்கக்கூடிய சேவையகங்களுக்கு அனுப்பும் திறன் கொண்ட பின்கதவுகளைக் கொண்டுள்ளது என்பதைக் கண்டறிந்துள்ளன. இந்த வெளிப்பாடு மட்டுமே குறிப்பிடத்தக்க தேசிய பாதுகாப்பு எச்சரிக்கைகளை எழுப்புகிறது. ஆனால் பிரச்சனைகள் அதோடு முடிவதில்லை.

DeepSeek-இன் பாதிப்புகள் பின்வருமாறு நீட்டிக்கப்படுகின்றன:

• தீம்பொருள் உருவாக்கம்: தீங்கிழைக்கும் மென்பொருளை உருவாக்க DeepSeek-ஐப் பயன்படுத்தக்கூடிய எளிமை ஒரு முக்கிய கவலையாகும்.
• ஜெயில்பிரேக்கிங் பலவீனம்: இந்த மாதிரி ஜெயில்பிரேக்கிங் முயற்சிகளுக்கு குறிப்பிடத்தக்க பாதிப்பைக் காட்டுகிறது, இது பயனர்கள் உள்ளமைக்கப்பட்ட பாதுகாப்பு கட்டுப்பாடுகளைத் தவிர்க்க அனுமதிக்கிறது.
• காலாவதியான கிரிப்டோகிராஃபி: காலாவதியான கிரிப்டோகிராஃபிக் நுட்பங்களைப் பயன்படுத்துவது DeepSeek-ஐ முக்கியமான தரவு வெளிப்பாட்டிற்கு ஆளாக்குகிறது.
• SQL இன்ஜெக்ஷன் பாதிப்பு: இந்த மாதிரி SQL இன்ஜெக்ஷன் தாக்குதல்களுக்கு ஆளாகக்கூடியது என்று கூறப்படுகிறது, இது ஒரு பொதுவான வலை பாதுகாப்பு குறைபாடு ஆகும், இது தாக்குபவர்கள் தரவுத்தளங்களுக்கு அங்கீகரிக்கப்படாத அணுகலைப் பெற அனுமதிக்கிறது.

இந்த பாதிப்புகள், தற்போதைய LLM-கள் பொதுவாக குறியீடு ஆட்டோமேஷனுக்குத் தயாராக இல்லை என்ற பரந்த கண்டுபிடிப்புடன் (Baxbench ஆய்வில் சுட்டிக்காட்டப்பட்டுள்ளபடி), DeepSeek-இன் நிறுவன பயன்பாட்டிற்கு ஒரு கவலையான படத்தை வரைகின்றன.

உற்பத்தித்திறனின் இருமுனை வாள்

DeepSeek-இன் செயல்பாடு மற்றும் சக்திவாய்ந்த அம்சங்களுக்கான இலவச அணுகல் ஒரு கவர்ச்சிகரமான முன்மொழிவை வழங்குகிறது. இருப்பினும், இந்த அணுகல்தன்மை பின்கதவுகள் அல்லது பாதிப்புகள் நிறுவன குறியீட்டு தளங்களில் ஊடுருவும் அபாயத்தையும் அதிகரிக்கிறது. திறமையான டெவலப்பர்கள் AI-ஐப் பயன்படுத்தி குறிப்பிடத்தக்க உற்பத்தித்திறன் ஆதாயங்களை அடைய முடியும், உயர்-தரமான குறியீட்டை துரிதப்படுத்தப்பட்ட வேகத்தில் உருவாக்குகிறார்கள், குறைந்த திறமையான டெவலப்பர்களுக்கு நிலைமை வேறுபட்டது.

குறைந்த திறமையான டெவலப்பர்கள், இதேபோன்ற அளவிலான உற்பத்தித்திறன் மற்றும் வெளியீட்டை அடையும் போது, கவனக்குறைவாக அதிக அளவு மோசமான, சுரண்டக்கூடிய குறியீட்டை களஞ்சியங்களில் அறிமுகப்படுத்தலாம் என்பதே கவலை. இந்த டெவலப்பர் அபாயத்தை திறம்பட நிர்வகிக்கத் தவறும் நிறுவனங்கள் எதிர்மறையான விளைவுகளை அனுபவிக்கும் முதல் நபர்களில் ஒருவராக இருக்கலாம்.

CISO-வின் கட்டாயம்: AI காவலரண்களை நிறுவுதல்

தலைமை தகவல் பாதுகாப்பு அதிகாரிகள் (CISO-க்கள்) ஒரு முக்கியமான சவாலை எதிர்கொள்கின்றனர்: பொருத்தமான AI காவலரண்களை செயல்படுத்துதல் மற்றும் பாதுகாப்பான கருவிகளுக்கு ஒப்புதல் அளித்தல், தெளிவற்ற அல்லது உருவாகி வரும் சட்டத்தின் முகத்திலும் கூட. அவ்வாறு செய்யத் தவறினால், அவர்களின் நிறுவனத்தின் அமைப்புகளில் பாதுகாப்பு பாதிப்புகள் வேகமாக வரக்கூடும்.

முன்னோக்கி ஒரு பாதை: அபாயங்களைக் குறைத்தல்

DeepSeek போன்ற AI கருவிகளுடன் தொடர்புடைய அபாயங்களை நிவர்த்தி செய்ய பாதுகாப்பு தலைவர்கள் பின்வரும் நடவடிக்கைகளுக்கு முன்னுரிமை அளிக்க வேண்டும்:

1. கடுமையான உள் AI கொள்கைகள்

இது ஒரு பரிந்துரை அல்ல, இன்றியமையாதது. நிறுவனங்கள் AI பாதுகாப்பைப் பற்றிய தத்துவார்த்த விவாதங்களுக்கு அப்பால் சென்று உறுதியான கொள்கைகளை செயல்படுத்த வேண்டும். இது உள்ளடக்குகிறது:

• முழுமையான விசாரணை: கிடைக்கக்கூடிய AI கருவிகளை அவற்றின் திறன்கள் மற்றும் வரம்புகளைப் புரிந்துகொள்ள கடுமையாக ஆராய்தல்.
• விரிவான சோதனை: பாதிப்புகள் மற்றும் சாத்தியமான அபாயங்களைக் கண்டறிய விரிவான பாதுகாப்பு சோதனைகளை நடத்துதல்.
• தேர்ந்தெடுக்கப்பட்ட ஒப்புதல்: கடுமையான பாதுகாப்பு தரங்களை பூர்த்தி செய்யும் மற்றும் நிறுவனத்தின் இடர் சகிப்புத்தன்மையுடன் ஒத்துப்போகும் AI கருவிகளின் வரையறுக்கப்பட்ட தொகுப்பிற்கு மட்டுமே ஒப்புதல் அளித்தல்.
• தெளிவான வரிசைப்படுத்தல் வழிகாட்டுதல்கள்: நிறுவப்பட்ட AI கொள்கைகளின் அடிப்படையில், அங்கீகரிக்கப்பட்ட AI கருவிகளை நிறுவனத்திற்குள் எவ்வாறு பாதுகாப்பாக வரிசைப்படுத்தலாம் மற்றும் பயன்படுத்தலாம் என்பதற்கான தெளிவான வழிகாட்டுதல்களை நிறுவுதல்.

2. டெவலப்பர்களுக்கான தனிப்பயனாக்கப்பட்ட பாதுகாப்பு கற்றல் பாதைகள்

AI காரணமாக மென்பொருள் மேம்பாட்டு நிலப்பரப்பு விரைவான மாற்றத்திற்கு உள்ளாகிறது. AI-உடன் இயங்கும் கோடிங்குடன் தொடர்புடைய பாதுகாப்பு சவால்களை வழிநடத்த டெவலப்பர்கள் புதிய திறன்களைப் பெற்று மாற்றியமைக்க வேண்டும். இதற்கு தேவை:

• இலக்கு பயிற்சி: AI கோடிங் உதவியாளர்களைப் பயன்படுத்துவதன் பாதுகாப்பு தாக்கங்களில் குறிப்பாக கவனம் செலுத்தும் பயிற்சியை டெவலப்பர்களுக்கு வழங்குதல்.
• மொழி மற்றும் கட்டமைப்பு குறிப்பிட்ட வழிகாட்டுதல்: அவர்கள் வழக்கமாகப் பயன்படுத்தும் குறிப்பிட்ட நிரலாக்க மொழிகள் மற்றும் கட்டமைப்புகளில் உள்ள பாதிப்புகளை எவ்வாறு கண்டறிவது மற்றும் தணிப்பது என்பது குறித்த வழிகாட்டுதலை வழங்குதல்.
• தொடர்ச்சியான கற்றல்: உருவாகி வரும் அச்சுறுத்தல் நிலப்பரப்புக்கு முன்னால் இருக்க தொடர்ச்சியான கற்றல் மற்றும் தழுவல் கலாச்சாரத்தை ஊக்குவித்தல்.

3. அச்சுறுத்தல் மாதிரியைத் தழுவுதல்

பல நிறுவனங்கள் இன்னும் அச்சுறுத்தல் மாதிரியை திறம்பட செயல்படுத்துவதில் சிரமப்படுகின்றன, பெரும்பாலும் டெவலப்பர்களை இந்த செயல்பாட்டில் ஈடுபடுத்தத் தவறுகின்றன. AI-உதவி கோடிங்கின் யுகத்தில் இது மாற வேண்டும்.

• தடையற்ற ஒருங்கிணைப்பு: அச்சுறுத்தல் மாதிரியானது மென்பொருள் மேம்பாட்டு வாழ்க்கைச் சுழற்சியில் தடையின்றி ஒருங்கிணைக்கப்பட வேண்டும், பின் சிந்தனையாக கருதப்படக்கூடாது.
• டெவலப்பர் ஈடுபாடு: டெவலப்பர்கள் அச்சுறுத்தல் மாதிரி செயல்பாட்டில் தீவிரமாக ஈடுபட வேண்டும், அவர்களின் நிபுணத்துவத்தை பங்களிக்க வேண்டும் மற்றும் சாத்தியமான பாதுகாப்பு அபாயங்கள் பற்றிய ஆழமான புரிதலைப் பெற வேண்டும்.
• AI-குறிப்பிட்ட பரிசீலனைகள்: அச்சுறுத்தல் மாதிரியானது AI கோடிங் உதவியாளர்களால் அறிமுகப்படுத்தப்பட்ட தனித்துவமான அபாயங்களை குறிப்பாக நிவர்த்தி செய்ய வேண்டும், அதாவது பாதுகாப்பற்ற குறியீட்டை உருவாக்குதல் அல்லது பாதிப்புகளை அறிமுகப்படுத்துதல்.
• வழக்கமான புதுப்பிப்புகள்: அச்சுறுத்தல் மாதிரிகள் அச்சுறுத்தல் நிலப்பரப்பில் ஏற்படும் மாற்றங்கள் மற்றும் AI கருவிகளின் வளர்ந்து வரும் திறன்களைப் பிரதிபலிக்கும் வகையில் தொடர்ந்து புதுப்பிக்கப்பட வேண்டும்.

இந்த செயலூக்கமான நடவடிக்கைகளை எடுப்பதன் மூலம், நிறுவனங்கள் மென்பொருள் உருவாக்கத்தில் AI-யின் நன்மைகளைப் பயன்படுத்திக் கொள்ள முடியும், அதே நேரத்தில் DeepSeek போன்ற கருவிகளுடன் தொடர்புடைய குறிப்பிடத்தக்க பாதுகாப்பு அபாயங்களைக் குறைக்கலாம். இந்த சவால்களை நிவர்த்தி செய்யத் தவறினால், தரவு மீறல்கள் மற்றும் சிஸ்டம் சமரசங்கள் முதல் நற்பெயர் பாதிப்பு மற்றும் நிதி இழப்புகள் வரை கடுமையான விளைவுகள் ஏற்படலாம். தீர்க்கமான நடவடிக்கைக்கான நேரம் இது. பாதுகாப்பான மென்பொருள் மேம்பாட்டின் எதிர்காலம் அதைப் பொறுத்தது. AI கருவிகளின் விரைவான தத்தெடுப்பு பாதுகாப்புக்கு ஒரு செயலூக்கமான மற்றும் விழிப்புடன் கூடிய அணுகுமுறையைக் கோருகிறது.