Title: એક AI કોડિંગ આસિસ્ટન્ટ સેશન સપ્લાય ચેઈન એટેક બની ગયું
Mandiant ના તાજેતરના કેસ સ્ટડી દર્શાવે છે કે એક હાઇજેક કરેલા AI કોડિંગ-આસિસ્ટન્ટ સેશને હુમલાખોરને સોફ્ટવેર કંપનીના કોડબેઝમાં ઝેરી (poisoned) પેકેજ ઇન્જેક્ટ કરવાની મંજૂરી આપી, જેનાથી 100 ઇન્ટરનલ રિપોઝીટરીઝ સાથે સમાધાન થયું, GitHub OAuth ટોકન્સ ચોરાયા અને સોર્સ કોડ તથા સિક્રેટ્સ બહાર કાઢવામાં આવ્યા. આ બ્રીચ સાબિત કરે છે કે ડેવલપર્સ AI દ્વારા જનરેટ કરેલા સૂચનોને સુરક્ષિત કોડ તરીકે ગણી શકતા નથી.
શું થયું હતું
લાઈવ ડેવલપમેન્ટ સેશન દરમિયાન, એક હુમલાખોરે ટીમની એડિટરમાં એમ્બેડેડ AI આસિસ્ટન્ટ પર નિયંત્રણ મેળવી લીધું. ત્યારબાદ, તે કમ્પ્રોમાઇઝ થયેલા આસિસ્ટન્ટે એક માલશિયસ (malicious) પેકેજ સૂચવ્યું. ડેવલપરે સાધન પર વિશ્વાસ રાખીને, વધારાની તપાસ કર્યા વિના તે સૂચન સ્વીકારી લીધું.
તે ઝેરી પેકેજે એક ઇન્ફોસ્ટીલર (infostealer) ડાઉનલોડ કર્યું જે વર્કસ્ટેશન પર સંગ્રહિત GitHub OAuth ટોકન્સ મેળવે છે. તે ટોકન્સનો ઉપયોગ કરીને, હુમલાખોરે “Shai-Hulud” વોર્મ (worm) તૈનાત કર્યો, જેણે પોતાની નકલ 100 ઇન્ટરનલ રિપોઝીટરીઝમાં કરી નાખી. કારણ કે તે માલશિયસ કોડ કંપનીના પોતાના નેમસ્પેસ (namespace) સાથે હતો, તેથી જે અન્ય ડેવલપર્સે પાછળથી તે જ પેકેજ પુલ (pull) કર્યા હતા તેઓ પણ ઇન્ફેક્ટ થયા.
તે શા માટે મહત્વનું છે
AI કોડિંગ આસિસ્ટન્ટ્સ પ્રોજેક્ટ ફાઇલો વાંચી શકે છે, ઇન્સ્ટોલ કમાન્ડ્સ જનરેટ કરી શકે છે, ડિપેન્ડન્સી મેનિફેસ્ટ્સ (dependency manifests) એડિટ કરી શકે છે અને ટર્મિનલ કમાન્ડ્સ પણ ચલાવી શકે છે. એક્સેસની આ વ્યાપકતા તેમને સપ્લાય-ચેઈન એટેક માટે આકર્ષક વેક્ટર્સ બનાવે છે. જ્યારે ડેવલપર કોઈ અજાણ્યાની સલાહ કરતા AI ના સૂચન પર વધુ વિશ્વાસ કરે છે, ત્યારે હુમલાખોરનું કામ સરળ બની જાય છે: આસિસ્ટન્ટ ચુપચાપ એવો માલશિયસ કોડ દાખલ કરી શકે છે જે કાયદેસર (legitimate) લાગે છે.
સપ્લાય-ચેઈન એટેક હુમલાખોરને સંસ્થાના કોડબેઝમાં લેટરલી (laterally) આગળ વધવા, ક્રેડેન્શિયલ્સ ચોરવા અને પ્રોપ્રાઇટરી એસેટ્સ (proprietary assets) બહાર કાઢવા દે છે—તે પણ પીડિતને નુકસાન થઈ જાય ત્યાં સુધી ખબર પણ ન પડે તે રીતે.
હુમલો કેવી રીતે થયો
- સેશન હાઇજેક (Session hijack) – હુમલાખોરે ચાલુ AI-આસિસ્ટન્ટ સેશન પર કબજો કરી લીધો.
- ઝેરી ભલામણ (Poisoned recommendation) – કમ્પ્રોમાઇઝ થયેલા આસિસ્ટન્ટને માલશિયસ પેકેજ સૂચવવા માટે મજબૂર કરવામાં આવ્યો.
- ડેવલપર દ્વારા સ્વીકૃતિ (Developer acceptance) – AI ની ભલામણ પર વિશ્વાસ રાખીને, ડેવલપરે પેકેજ ઉમેર્યું અને જનરેટ કરેલ ઇન્સ્ટોલ કમાન્ડ ચલાવ્યો.
- પેલોડ એક્ઝિક્યુશન (Payload execution) – પેકેજે એક ઇન્ફોસ્ટીલર ઇન્સ્ટોલ કર્યું જે લોકલ GitHub OAuth ટોકન્સ અને અન્ય સિક્રેટ્સ વાંચે છે.
- વોર્મ પ્રપોગેશન (Worm propagation) – ચોરાયેલા ટોકન્સનો ઉપયોગ કરીને, હુમલાખોરે Shai-Hulud વોર્મ તૈનાત કર્યો, જે 100 ઇન્ટરનલ રિપોઝીટરીઝમાં ફેલાઈ ગયો.
- એક્ઝફિલ્ટ્રેશન (Exfiltration) – સોર્સ કોડ, ઇન્ટરનલ લાઇબ્રેરીઝ અને સિક્રેટ કીઝ હુમલાખોરના ઇન્ફ્રાસ્ટ્રક્ચર પર મોકલી દેવામાં આવ્યા.
ડેવલપર્સ અત્યારે શું કરી શકે છે
દરેક AI સૂચનને અનટ્રસ્ટેડ (untrusted) કોડ તરીકે ગણો. કોઈપણ થર્ડ-પાર્ટી ડિપેન્ડન્સી માટે તમે જે વેરિફિકેશન સ્ટેપ્સનો ઉપયોગ કરો છો તે જ અહીં પણ લાગુ કરો.
પેકેજને વેલિડેટ (Validate) કરો
- સત્તાવાર ડોક્યુમેન્ટેશન અને વર્ઝન હિસ્ટ્રી તપાસો.
- પબ્લિશરની ઓળખ અને પ્રતિષ્ઠાની પુષ્ટિ કરો.
- સોર્સ રિપોઝીટરી અને તાજેતરના કમિટ્સ (commits) ની સમીક્ષા કરો.
- અણધાર્યા લિંક્સ માટે સંપૂર્ણ ડિપેન્ડન્સી ટ્રી (dependency tree) તપાસો.
- છુપાયેલા કમાન્ડ્સ માટે કોઈપણ ઇન્સ્ટોલ સ્ક્રિપ્ટ્સની ઝીણવટપૂર્વક તપાસ કરો.
ક્રેડેન્શિયલ હેન્ડલિંગને મજબૂત બનાવો
- દરેક ટોકનને શક્ય તેટલી ઓછી પરમિશન આપો.
- લોંગ-લિવ્ડ (long-lived) ટોકન્સ કરતા શોર્ટ-લિવ્ડ (short-lived) ટોકન્સને પ્રાધાન્ય આપો.
- પ્રોડક્શન સિક્રેટ્સને લોકલ ડેવલપમેન્ટ મશીનોથી દૂર રાખો.
- એડિટર એક્સ્ટેન્શનને તેમની જરૂર ન હોય તેવા ક્રેડેન્શિયલ્સ એક્સેસ કરતા અટકાવો.
શંકાસ્પદ બ્રીચ (breach) સામે પ્રતિસાદ આપો
- અસરગ્રસ્ત એન્વાયરમેન્ટને તરત જ અલગ કરો;
node_modulesઅથવા સમાન ડિરેક્ટરીઓ ડિલીટ કરવી પૂરતી નથી. - તમામ GitHub, npm, PyPI અને ક્લાઉડ ક્રેડેન્શિયલ્સ રોટેટ (rotate) કરો.
- અણધાર્યા કમિટ્સ અથવા પુલ-રિક્વેસ્ટ મર્જ (pull-request merges) માટે રિપોઝીટરી એક્ટિવિટીનું ઓડિટ કરો.
- અસામાન્ય વર્તણૂક માટે CI/CD લોગ્સ અને Git-hook સ્ક્રિપ્ટ્સની સમીક્ષા કરો.
- અસરગ્રસ્ત એન્વાયરમેન્ટને તરત જ અલગ કરો;
ભવિષ્ય તરફ જોતા
AI આસિસ્ટન્ટ્સ ઘણા ડેવલપર્સ માટે પ્રોડક્ટિવિટી વધારવાનું સાધન રહેશે, પરંતુ તેમની શક્તિ સાથે વિશ્વાસનો ખર્ચ પણ આવે છે. સંસ્થાઓએ કોઈપણ એક્સટર્નલ લાઇબ્રેરીની જેમ જ AI દ્વારા જનરેટ કરેલા કોડને હાલના સિક્યુરિટી રિવ્યુ પાઇપલાઇન્સમાં સામેલ કરવો જોઈએ. ઓટોમેટેડ પોલિસી ચેક્સ, સાઇન્ડ (signed) AI-આસિસ્ટન્ટ આઉટપુટ્સ અને રનટાઇમ સેન્ડબોક્સિંગ (runtime sandboxing) સાયલન્ટ કમ્પ્રોમાઇઝનું જોખમ ઘટાડી શકે છે.
Mandiant નો કેસ સ્પષ્ટ કરે છે કે એકવાર AI આસિસ્ટન્ટ કમ્પ્રોમાઇઝ થઈ જાય પછી, હુમલાખોર સોફ્ટવેર સપ્લાય ચેઈનમાં સીધી પહોંચ મેળવી લે છે. AI સૂચનોને થ્રેટ મોડલ (threat model) ના ભાગ તરીકે જોવા—તેને મુક્ત પાસ (free pass) તરીકે નહીં—તે કોડબેઝને સુરક્ષિત રાખવા માટે આવશ્યક રહેશે.
મુખ્ય વાત (Takeaway): AI દ્વારા જનરેટ કરેલી ભલામણ અન્ય કોઈપણ થર્ડ-પાર્ટી કોડ કરતા વધુ વિશ્વાસપાત્ર નથી. તેને કડક રીતે વેરિફાય કરો, મર્યાદિત કરો અને મોનિટર કરો, અન્યથા એક મદદરૂપ આસિસ્ટન્ટને મોટા પાયે સપ્લાય-ચેઈન બ્રીચના માધ્યમમાં બદલવાનું જોખમ રહેલું છે.