Microsoft-ന്റെ ഏറ്റവും പുതിയ Patch Tuesday 570 സുരക്ഷാ പരിഹാരങ്ങൾ (security fixes) പുറത്തിറക്കി. Windows, Office കൂടാതെ മറ്റ് ഉൽപ്പന്നങ്ങളിൽ AI അധിഷ്ഠിത കോഡ് സ്കാനർ നിരവധി ബഗുകൾ കണ്ടെത്തിയതിനെത്തുടർന്നാണ് ഇത് സംഭവിച്ചത്. ഈ വലിയ അളവ് പ്രധാനമാണ്, കാരണം ഇത് സുരക്ഷാ വീഴ്ചകൾ (vulnerabilities) കണ്ടെത്തുന്നതിൽ AI അധിഷ്ഠിതമായ ഒരു പുതിയ രീതിയെ സൂചിപ്പിക്കുന്നു. ഇത് വരും വർഷങ്ങളിൽ ഡെവലപ്പർമാരുടെ പാച്ച് മാനേജ്‌മെന്റ് ജോലിഭാരം വർദ്ധിപ്പിച്ചേക്കാം.

എങ്ങനെ AI ഒരു സാധാരണ അപ്‌ഡേറ്റിനെ റെക്കോർഡ് വേഗത്തിലുള്ള ഒന്നാക്കി മാറ്റി

Microsoft-ന്റെ വൻതോതിലുള്ള കോഡ്ബേസുകൾ നിരന്തരം പരിശോധിക്കുന്ന ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റമാണ് സാധാരണ പാച്ച് എണ്ണത്തിൽ നിന്ന് 570 പിഴവുകളിലേക്കുള്ള ഈ വർദ്ധനവിന് കാരണമായതെന്ന് Microsoft പറയുന്നു. മനുഷ്യർ ശ്രദ്ധിക്കാതെ പോകുന്ന പാറ്റേണുകൾ ഈ സിസ്റ്റം തിരിച്ചറിയുന്നു, ഇത് പഴയ (legacy) ഘടകങ്ങളിൽ പതിറ്റാണ്ടുകളായി നിലനിൽക്കുന്ന ബഗുകളെ പുറത്തുകൊണ്ടുവരുന്നു. AI ടൂളുകൾ ഇപ്പോൾ "വർഷങ്ങളായി ഒളിഞ്ഞിരിക്കുന്ന ബഗുകൾ കണ്ടെത്തുന്നു" എന്ന് Windows തലവൻ പവൻ ദാവുലൂരി പറഞ്ഞു, ഇത് അപൂർവ്വമായി മാത്രം സംഭവിക്കുന്ന കാര്യങ്ങളെ ഒരു പതിവാക്കി മാറ്റിയിരിക്കുന്നു.

570 പാച്ചുകൾ അടങ്ങിയ ബണ്ടിലിൽ എന്താണുള്ളത്

പരിഹാരങ്ങളിൽ കുറഞ്ഞത് രണ്ട് നിർണ്ണായകമായ zero-day പിഴവുകളും ഉൾപ്പെടുന്നു—അതായത് Microsoft പരിഹാരം പുറത്തിറക്കുന്നതിന് മുമ്പ് തന്നെ ആക്രമണകാരികൾ ചൂഷണം ചെയ്തുകൊണ്ടിരുന്ന സുരക്ഷാ വീഴ്ചകൾ.

  • Windows Server privilege escalation – പരിമിതമായ അക്കൗണ്ടുള്ള ഒരു ആക്രമണകാരിക്ക് സിസ്റ്റം അഡ്മിനിസ്‌ട്രേറ്റർ അവകാശങ്ങളിലേക്ക് ഉയരാൻ ഈ ബഗ് അനുവദിക്കുന്നു, ഇത് ഒരു സെർവറിന്മേൽ പൂർണ്ണ നിയന്ത്രണം നേടാൻ വഴിതുറക്കുന്നു.
  • SharePoint file-sharing server – ഈ പിഴവ് നിലവിൽ ആക്രമണങ്ങൾക്കായി ഉപയോഗിക്കപ്പെടുന്നുണ്ടെന്ന് CISA അടിയന്തര മുന്നറിയിപ്പ് നൽകി, ഇത് കോർപ്പറേറ്റ് ഡാറ്റാ സ്റ്റോറുകൾ ചോർത്താൻ ഭീഷണികൾക്ക് (threat actors) അവസരം നൽകുന്നു.

സൈബർ പ്രതിരോധത്തിൽ AI ഒരു ഇരുതലവാൾ

പ്രതിരോധിക്കുന്നവരും ആക്രമിക്കുന്നവരും ബലഹീനതകൾ കണ്ടെത്താൻ മെഷീൻ ലേണിംഗിനെ ആശ്രയിക്കുന്ന ഒരു വലിയ "arms race"-ന്റെ ഭാഗമാണ് Microsoft-ന്റെ AI ടൂളുകൾ. പ്രതിരോധത്തിന്റെ ഭാഗത്ത്, ദശലക്ഷക്കണക്കിന് വരികളുള്ള പഴയ കോഡുകൾ വിശകലനം ചെയ്യുന്നത് കമ്പനികൾക്ക് അവരുടെ "technical debt" പരിഹരിക്കാൻ സഹായിക്കുന്നു - അതായത് പരിശോധിക്കാൻ മുമ്പ് വലിയ ചിലവ് വന്ന പഴയതും കൃത്യമായ രേഖകളില്ലാത്തതുമായ കോഡുകൾ.

ആക്രമണത്തിന്റെ ഭാഗത്ത്, ഇതേ പാറ്റേൺ തിരിച്ചറിയൽ സാങ്കേതികവിദ്യകൾ ശത്രുക്കൾക്ക് ആക്രമണ മേഖലകൾ കൂടുതൽ കാര്യക്ഷമമായി കണ്ടെത്താൻ സഹായിക്കുന്നു. ഇതിന്റെ ഫലമായി ഇരുവശത്തും വേഗത്തിലുള്ള കണ്ടെത്തലുകൾ നടക്കുന്നു, ഇത് സുരക്ഷാ വീഴ്ചയും അതിന്റെ ചൂഷണവും തമ്മിലുള്ള സമയപരിധി കുറയ്ക്കുകയും പാച്ച് സൈക്കിളുകളിൽ സമ്മർദ്ദം വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു.

റെക്കോർഡ് പാച്ച് എണ്ണം ഡെവലപ്പർമാർക്കും ഐടി ടീമുകൾക്കും എന്ത് അർത്ഥമാക്കുന്നു

ഇതിന്റെ ഗുണം വ്യക്തമാണ്: കൂടുതൽ ബഗുകൾ നേരത്തെ കണ്ടെത്തുന്നത് അവ ചൂഷണം ചെയ്യപ്പെടാനുള്ള സാധ്യത കുറയ്ക്കുന്നു. എന്നാൽ ഇതിന്റെ ദോഷം പാച്ച് മാനേജ്‌മെന്റ് ഭാരം വർദ്ധിക്കുന്നു എന്നതാണ്.

  • അപ്‌ഡേറ്റുകളുടെ വർദ്ധിച്ചുവരുന്ന ആവൃത്തി (Increased frequency of updates) – ഓരോ സൈക്കിളിലും AI കൂടുതൽ പ്രശ്നങ്ങൾ കണ്ടെത്തുന്നതോടെ, ഭീഷണികളിൽ നിന്ന് രക്ഷനേടാൻ സ്ഥാപനങ്ങൾക്ക് കൂടുതൽ തവണ പാച്ചുകൾ നടപ്പിലാക്കേണ്ടി വന്നേക്കാം.
  • ടെസ്റ്റിംഗ് ഭാരം (Testing overload) – നിലവിലുള്ള പ്രവർത്തനങ്ങളിൽ തകരാറുകൾ (regressions) ഉണ്ടാകാതിരിക്കാൻ ഓരോ പാച്ചും പരിശോധിക്കേണ്ടതുണ്ട്, ഇത് QA വിഭവങ്ങളെ സമ്മർദ്ദത്തിലാക്കുന്നു.

ചുരുക്കത്തിൽ

Microsoft-ന്റെ AI അധിഷ്ഠിത ഡിസ്കവറി എഞ്ചിൻ ഒരു സാധാരണ Patch Tuesday-യെ റെക്കോർഡ് നേട്ടമായ 570 പാച്ചുകളുടെ റിലീസാക്കി മാറ്റി, ഇത് മെഷീൻ ലേണിംഗ് അധിഷ്ഠിത സുരക്ഷയുടെ വാഗ്ദാനങ്ങളും സമ്മർദ്ദങ്ങളും ഒരുപോലെ വെളിപ്പെടുത്തുന്നു. ഈ രീതി ഒളിഞ്ഞിരിക്കുന്ന ബഗുകളെ ആക്രമണങ്ങൾക്കായി ഉപയോഗിക്കുന്നതിന് മുമ്പ് തന്നെ കണ്ടെത്തുന്നു, എന്നാൽ ഇത് ഡെവലപ്പർമാരും ഐടി ജീവനക്കാരും കൂടുതൽ അപ്‌ഡേറ്റുകൾ കൈകാര്യം ചെയ്യാൻ നിർബന്ധിതരാക്കുന്നു. "patch fatigue"-ൽ അകപ്പെടാതെ, AI അധിഷ്ഠിത കണ്ടെത്തലുകളുമായി ഒത്തുപോകാൻ വ്യവസായത്തിന് എത്ര വേഗത്തിൽ ടെസ്റ്റിംഗും വിന്യാസവും (deployment) ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും എന്നതിനെ ആശ്രയിച്ചിരിക്കും അടുത്ത ഘട്ടം.