Cloudflare ने ५ ऑगस्ट २०२६ रोजी Cloudflare OS लाँच केले, जे एक ओपन-सोर्स, झिरो-ट्रस्ट (zero-trust) प्लॅटफॉर्म आहे. हे प्लॅटफॉर्म प्रत्येक AI एजंटला शून्य परवानग्यांसह (zero permissions) सुरुवात करण्यास भाग पाडते आणि कंपन्यांना केवळ त्यांना आवश्यक असलेला नेमका डेटा स्लाईस (data slices) प्रदान करण्याची परवानगी देते. 'डिफॉल्ट-डिनाय' (default-deny) ही मूळ पद्धत बनवून, ही सेवा चॅटबॉट्स आणि इतर मॉडेल्सना मोठ्या प्रमाणावर API की प्रदान करण्याच्या सवयीला आळा घालते, ज्यामुळे ते कंपनीच्या अंतर्गत रिपॉझिटरीजमध्ये अनियंत्रितपणे फिरू शकले असते.

कंपन्यांना कडक AI नियंत्रणांची गरज का आहे

AI-सहाय्यित वर्कफ्लोमधील वाढीमुळे सुरक्षा धोरणांच्या तुलनेत वेग वाढला आहे. टीम्स स्क्रिप्ट्स, नोटबुक किंवा लो-कोड टूल्समध्ये दीर्घकाळ टिकणारे API टोकन्स वापरतात आणि टोकन मालक ते सुरक्षित ठेवतील असा विश्वास ठेवतात. प्रत्यक्षात, या कीज अनेकदा सोर्स कोड, डेटाबेस आणि क्लाउड स्टोरेजसाठी 'रीड-राईट' (read-write) अधिकार देतात, ज्यामुळे एक साधी कॉम्प्रोमाइज झालेली क्रेडेंशियल डेटा-एक्सफिल्ट्रेशन (data-exfiltration) वेक्टरमध्ये रूपांतरित होऊ शकते. Cloudflare OS ॲक्सेसचा निर्णय डेव्हलपरच्या कोडमधून काढून एका समर्पित एन्फोर्समेंट लेयरकडे (enforcement layer) नेऊन ही समस्या सोडवते.

हे प्लॅटफॉर्म “default deny” कसे लागू करते

  • Gatekeepers एजंट आणि कोणताही बॅकएंड—GitHub, S3, अंतर्गत डेटाबेस इ.—यांच्यामध्ये मध्यस्थ म्हणून काम करतात. एखादे धोरण (policy) असे म्हणू शकते की "एजंट A फक्त फोल्डर X वाचू शकतो", संपूर्ण रिपॉझिटरी ॲक्सेस देण्याऐवजी.
  • Typed bindings कच्च्या सिक्रेट्सच्या (raw secrets) जागी 'परमिशन ऑब्जेक्ट्स' (permission objects) वापरतात, जे एजंट नेमके काय करू शकतो (वाचणे, लिहिणे, सूची करणे) आणि कुठे करू शकतो याचे वर्णन करतात. क्रेडेंशियल आता हार्ड-कोडेड नसते; बाइंडिंग रनटाइमला जोडले जाते.
  • Observation logs एजंटने केलेली प्रत्येक विनंती (request), त्याने पाहिलेला डेटा आणि त्याने तयार केलेले पुढील आर्टिफॅक्ट्स (artifacts) कॅप्चर करतात. जर एखाद्या एजंटने डॅशबोर्ड तयार करण्यासाठी खाजगी टेबल काढले, तर लॉग त्या घटनेची नोंद करतो, ज्यामुळे ऑडिटर्सना संबंधित रिपोर्ट कोण पाहू शकते हे तपासणे शक्य होते.
  • Model control Cloudflare च्या AI Gateway च्या मागे असते, ज्यामुळे प्रशासकांना कोणताही होस्ट केलेला मॉडेल निवडता येतो, तसेच खर्च मर्यादित ठेवण्यासाठी खर्च मर्यादा (spend caps) आणि वापराच्या मर्यादा लागू करता येतात.

टीम्स या OS सोबत प्रत्यक्षात काय करू शकतात

  • Research – एजंट्सना एका विशिष्ट प्रोजेक्टच्या डेटा सेटपुरते मर्यादित ठेवता येते, ज्यामुळे विश्लेषकांना असंबंधित कोड किंवा टेबल्स उघडल्याशिवाय प्रश्न विचारता येतात.
  • Document creation – लाईव्ह डेटा पल्सचा वापर करून स्लाईड डेक्स किंवा स्प्रेडशीट्स तयार करता येतात, आणि प्लॅटफॉर्म हे सुनिश्चित करते की केवळ अधिकृत व्यक्तीच अंतिम दस्तऐवज उघडू शकतील.
  • App building – लो-कोड एन्व्हायरनमेंटमुळे नॉन-इंजिनिअर्सना UI घटक (components) वर्णन करता येतात; त्यानंतर OS डेटाचा वापर कमीत कमी ठेवून मूळ लॉजिक तयार करते.
  • Workflows – रात्रीचा रिपोर्ट जनरेशन किंवा तिकीट ट्रायज (ticket triage) सारखी पुनरावृत्ती होणारी कामे स्वयंचलित केली जाऊ शकतात, ज्यातील प्रत्येक पायरी एका मर्यादित परवानग्यांच्या संचांतर्गत चालते.

कोणाला याचा फायदा होईल

  • कंपन्या ज्या आधीच झिरो-ट्रस्ट स्वीकारत आहेत आणि त्यांना AI एजंट्ससाठी देखील तीच कठोरता हवी आहे.
  • असे बिझनेस युनिट्स ज्यांच्याकडे सखोल इंजिनिअरिंग संसाधने नाहीत परंतु जलद माहितीसाठी अंतर्गत डेटाची गरज आहे.
  • अशा संस्था ज्यांना नियामक दबावाखाली (regulatory pressure) हे सिद्ध करावे लागते की कोणताही AI टूल चुकून गोपनीय माहिती लीक करू शकत नाही.

तडजोड आणि कायम असलेल्या चिंता

Cloudflare OS ओपन सोर्स असल्यामुळे, कंपन्यांना स्वतःलाच डिप्लॉयमेंट, पॉलिसी ऑथरिंग आणि सतत देखभाल (maintenance) हाताळावी लागेल. त्यांना त्यांच्या स्वतःच्या Cloudflare अकाउंटमध्ये ही सेवा प्रोव्हिजन करावी लागेल, ती विद्यमान आयडेंटिटी प्रोव्हायडर्सशी इंटिग्रेट करावी लागेल आणि ऑब्झर्व्हेशन लॉग्सचे सतत ऑडिट करावे लागेल. चुकीच्या कॉन्फिगरेशनमुळे (misconfiguration) प्लॅटफॉर्म ज्या अति-परवानग्या (over-privileged access) काढून टाकण्यासाठी बनवला आहे, त्या पुन्हा निर्माण होऊ शकतात.

पुढे काय पाहावे

Takeaway: Cloudflare OS "zero-trust" तत्त्वाचा AI-एजंट इंटरअॅक्शनच्या केंद्रस्थानी ठेवते, ज्यामुळे डिफॉल्ट स्थिती "पूर्ण ॲक्सेस" वरून "काहीही ॲक्सेस नाही" अशी होते. ज्या कंपन्या आवश्यक सेटअप आणि गव्हर्नन्समध्ये गुंतवणूक करण्यास तयार आहेत, त्यांच्यासाठी, हे प्लॅटफॉर्म AI ने दिलेले उत्पादकता लाभ मिळवत असतानाच अंतर्गत डेटा अति-परवानग्या असलेल्या मॉडेल्सच्या हातात पडण्यापासून वाचवण्याचा एक ठोस मार्ग प्रदान करते.