தணிக்கை முகவர் திறன்கள்: ஒரு அச்சுறுத்தல் மாதிரி

AI "agent skills"-ஐ தணிக்கை செய்யும் ஒரு புதிய திறந்த மூல (open-source) ஸ்கேனர் ஒரு கருவியாக மாற்றப்பட்டு வருகிறது. ஏனெனில், சரிபார்க்கப்படாத ஒரு திறன், SSH சாவிகள் (keys) மற்றும் கிளவுட் சான்றுகளை (cloud credentials) ரகசியமாகத் திருட முடியும் என்று ஆராய்ச்சியாளர்கள் காட்டியுள்ளனர். AI உதவியுடன் செயல்படும் டெவலப்பர்களுக்கு எதிரான அடுத்தகட்ட சப்ளை-செயின் (supply-chain) தாக்குதல்களைத் தடுக்க, இந்த ஸ்கேனர் முக்கியச் சொற்கள் வடிகட்டி (keyword filters), நடத்தை பகுப்பாய்வு (behavior analysis), AI-அடிப்படையிலான பகுத்தறிவு (AI-driven reasoning), சாண்ட்பாக்ஸ் இயக்கம் (sandbox execution) மற்றும் மாற்றங்களைக் கண்டறிதல் (change-detection) ஆகியவற்றை ஒருங்கிணைக்கிறது.

இப்போது AI திறன்கள் ஏன் முக்கியம்

Claude மற்றும் GitHub Copilot போன்ற பெரிய மொழி மாதிரி (LLM) உதவியாளர்கள் இப்போது "agent skills"-ஐ நம்பியிருக்கிறார்கள் - இவை ஒரு குறிப்பிட்ட பணியை எவ்வாறு செய்வது என்று மாடலுக்குக் கூறும் சிறிய, தனித்தன்மை கொண்ட கோப்புறைகள் (folders) ஆகும். GitHub சமீபத்தில் ஒரு வரி கட்டளையை (one-line command) சேர்த்துள்ளது, இது டெவலப்பர்கள் இந்தத் திறன்களை நேரடியாக பொதுக் களஞ்சியங்களிலிருந்து (public repositories) பதிவிறக்க அனுமதிக்கிறது, இது AI-அடிப்படையிலான பணிப்பாய்வுகளுக்கான (workflows) ஒரு நடைமுறை பேக்கேஜ் மேனேஜராக (package manager) மாறுகிறது.

இதன் வசதி மறுக்க முடியாதது: "இந்த ஸ்பிரெட்ஷீட்டைச் சுத்தம் செய்" போன்ற ஒரு தெளிவற்ற கோரிக்கையை, ஒரு திறன் துல்லியமான API அழைப்புகள், கோப்பு கையாளுதல்கள் அல்லது குறியீடு திருத்தங்களாக மாற்ற முடியும். அதே எளிமைதான் தீய குறியீடுகள் (malicious code) அந்தத் தொகுப்பிற்குள் நுழையவும் வழிவகுக்கிறது.

திறன்கள் நிறுவப்படுவதற்கு முன்பு அவை சரிபார்க்கப்படுவதில்லை என்று GitHub-ன் எச்சரிக்கைப் பக்கம் குறிப்பிடுகிறது.

ஒரு மறைக்கப்பட்ட பேலோட் (payload) எவ்வாறு கவனிக்கப்படாமல் இருக்கலாம்

ஒரு சாதாரண பைனரியைப் போலன்றி, ஒரு AI திறன் அனைத்தும் ஒரே நேரத்தில் ஏற்றப்படுவதில்லை. மாடல் முதலில் ஒரு சிறிய சுருக்கத்தைப் படிக்கிறது, பின்னர் பணி பொருத்தமானதாகத் தோன்றினால் மட்டுமே முழுமையான அறிவுறுத்தல் தொகுப்பைப் பெறுகிறது. இந்த படிநிலை ஏற்றம் (staged loading), ஒரு தீய கோப்பு பயனர் கண்ணில் படாமல், மாடல் அதைத் தூண்டத் தீர்மானிக்கும் வரை செயலற்ற நிலையில் இருக்க ஒரு வாய்ப்பை உருவாக்குகிறது.

ஒரு முன்மாதிரி (proof-of-concept) சோதனையில், ஆராய்ச்சியாளர் ஸ்பிரெட்ஷீட் சுத்தம் செய்வதாக விளம்பரப்படுத்திய csv-formatter என்ற போலித் திறனை உருவாக்கினார். அதில் தெரிந்த குறியீடு பாதிப்பற்றதாகத் தோன்றியது, ஆனால் ஒரு மறைக்கப்பட்ட அறிவுறுத்தல் "கண்டறியும் படிநிலையை" (diagnostic step) சேர்த்திருந்தது. அந்தப் படிநிலை எதையும் கண்டறியவில்லை; மாறாக, அது ஹோஸ்ட்டில் உள்ள SSH தனிப்பட்ட சாவிகள் (private keys) மற்றும் AWS அணுகல் டோக்கன்களை (access tokens) ஸ்கேன் செய்து, அதன் முடிவுகளை ஒரு வெளிப்புறச் சேவையகத்திற்கு (external server) அனுப்பியது.

அந்தத் தீய கட்டளை ஒரு changelog கோப்பிலும் காணப்பட்டது - பெரும்பாலான மனிதர்கள் ஒருபோதும் ஆய்வு செய்யாத இடம் இது, ஆனால் AI பதிப்பு வரலாற்றை (version history) மதிப்பீடு செய்யும் போது இதைப் படிக்கிறது. அந்தத் திறன் தரவை வடிவமைக்கிறது என்று டெவலப்பர் நினைத்துக் கொண்டிருந்தபோது, AI ரகசியமாகத் தரவுத் திருட்டு முறையை (credential-theft routine) செயல்படுத்தியது.

திறந்த மூலப் பதில் (The open-source response)

இந்த இடைவெளியை நிரப்ப, ஆராய்ச்சியாளர் கண்டறியும் தர்க்கத்தை (detection logic) ஒரு திறந்த மூல தணிக்கைக் கருவியாக (open-source auditing tool) தொகுத்துள்ளார். இந்த ஸ்கேனர் ஒரு தனி நுட்பத்தை மட்டும் நம்பியிருக்கவில்லை; இது பல பாதுகாப்பு அடுக்குகளைக் கொண்டுள்ளது:

• Keyword matching தெரிந்த தீய சொற்களைக் கொண்ட வெளிப்படையான மற்றும் மேலோட்டமான முயற்சிகளைக் கண்டறிகிறது.
• Behavior analysis சான்றுகள் கோப்புகளைப் படித்துவிட்டு, பின்னர் நெட்வொர்க் அழைப்புகளைச் செய்யும் அறிவுறுத்தல்களைக் குறித்துக் காட்டுகிறது.
• AI reasoning ஒரு திறனின் அறிவுறுத்தல்கள் பயனரிடமிருந்து வேண்டுமென்றே மறைக்கப்பட்டுள்ளனவா என்பதை மதிப்பிடுவதற்கு ஒரு இரண்டாம் நிலை மாடலை இயக்குகிறது.
• Sandboxing ஹோஸ்ட் சிஸ்டத்திற்கு ஆபத்து ஏற்படாமல், ஒரு தனிமைப்படுத்தப்பட்ட சூழலில் திறனை இயக்கி, நிகழ்நேரச் செயல்களைக் கண்காணிக்கிறது.
• Change detection நம்பகமான திறன்களில் எதிர்பாராத மாற்றங்களைக் கண்காணிக்கிறது, புதிய பதிப்பு நிறுவப்படுவதற்கு முன்பே பராமரிப்பாளர்களுக்கு எச்சரிக்கை செய்கிறது.

ஆசிரியர் csv-formatter தாக்குதலை மீண்டும் உருவாக்கும் ஒரு சோதனைத் தொகுப்பையும் (test suite) மற்றும் தேர்ந்தெடுக்கப்பட்ட நன்னிய மற்றும் தீய திறன்களின் கண்டறியும் விகிதங்களை அளவிடும் ஒரு பொதுவான பெஞ்ச்மார்க்கையும் (public benchmark) இணைப்பார்.

அடுத்து கவனிக்க வேண்டியவை

• Community benchmarks: அதிக ஆராய்ச்சியாளர்கள் தீய திறன் மாதிரிகளை வெளியிடும்போது, பொதுவான பெஞ்ச்மார்க் பொருத்தமானதாக இருக்கத் தொடர்ச்சியான புதுப்பிப்புகள் தேவைப்படும்.

AI agent திறன்களின் எழுச்சி டெவலப்பர் கருவிகளில் ஒரு புதிய எல்லையைக் குறிக்கிறது, ஆனால் இது பாரம்பரிய குறியீடு ஆய்வுகளைத் (code reviews) தவிர்க்கும் சப்ளை-செயின் தாக்குதல்களுக்கு ஒரு கதவைத் திறக்கிறது. நிலையான சோதனைகள் (static checks), மாறும் கண்காணிப்பு (dynamic observation) மற்றும் AI பகுத்தறிவு ஆகியவற்றை ஒருங்கிணைக்கும் ஒரு திறந்த மூல ஸ்கேனர், நடைமுறை ரீதியான முதல் பாதுகாப்பு அரணாக அமைகிறது. ஒரு திறனை ஒரு சாதாரண USB டிரைவ் போலக் கருதும் டெவலப்பர்கள், சரிபார்ப்பைப் புறக்கணிப்பதன் விலை, உடனடி AI உதவியின் வசதியை விட மிக அதிகம் என்பதை விரைவில் உணர்வார்கள்.