AI பாதுகாப்பு ஆணைகள் தாக்குதல் சைபர் பாதுகாப்பு ஆராய்ச்சியாளர்களின் பணியை எவ்வாறு தடுக்கின்றன

2026 ஜூனில் அமெரிக்க அரசு Anthropic இன் AI மாதிரிகளான Mythos மற்றும் Fable இல் ஏற்றுமதி கட்டுப்பாட்டு கட்டுப்பாடுகளை விதித்தபோது, இது பாதுகாப்பு ஆராய்ச்சி சமூதாயத்தில் அதிர்ச்சி அலைகளை ஏற்படுத்தியது. ட்ரிகர்: அந்த மாதிரிகளின் பாதுகாப்பு ஆணைகளை கடந்து தீங்கிழைக்கும் சைபர் தாக்குதல்களை உருவாக்கி செயல்படுத்த முடியும் என்று பரிந்துரைக்கும் ஒரு அறிக்கை. ஆனால் விளைவு அந்த பாதுகாப்பு ஆணைகள் நிறுத்த வடிவமைக்கப்பட்ட கெட்ட நடிகர்களின் மீது கடினமாக விழவில்லை — இது குற்றவாளிகளுக்கு முன்பே பலவீனங்களைக் கண்டறிய பணிபுரியும் நியாயமான தாக்குதல் பாதுகாப்பு ஆராய்ச்சியாளர்களின் மீது விழுந்துவிட்டது. AI பாதுகாப்பு ஆணைகள் தாக்குதல் சைபர் பாதுகாப்பு ஆராய்ச்சியாளர்களின் பணியை எவ்வாறு தடுக்கின்றன என்பது இப்போது தொழிலில் மிகவும் அவசரமான பதற்றங்களில் ஒன்றாகும், மேலும் இது ஆசியா முழுவதும் உள்ள டெவலப்பர்கள் மற்றும் பாதுகாப்பு குழுக்களுக்கு நேரடி விளைவுகளை ஏற்படுத்துகிறது.

என்ன நடந்தது

பல மாதங்களாக, AI நிறுவனங்கள் தங்கள் மாதிரிகளை தீங்கிழைக்கும் நடிகர்களுக்கு உதவுவதைத் தடுக்க விரிவான அமைப்புகளை உருவாக்கி வருகின்றன. சரிபார்க்கப்பட்ட அணுகல் நிரல்கள், கடுமையான உள்ளடக்க வடிப்பிகள், சுரண்டல் குறியீட்டைப் போல் தோன்றும் எதற்கும் தானியங்கி மறுப்புகள் — கட்டுப்பாட்டின் স்থাপত்யம் படிப்படியாக மேலும் அதிநவீனமாக வளர்ந்துவிட்டது. பின்னர் Anthropic சம்பவம் வந்தது.

Lorenzo Franceschi-Bicchierai இன் TechCrunch அறிக்கையின் படி, அமெரிக்க அரசு 2026 ஜூனில் Anthropic இன் Mythos மற்றும் Fable மாதிரிகளில் ஏற்றுமதி கட்டுப்பாட்டு கட்டுப்பாடுகளை விதித்தது. இந்த நடவடிக்கை, குறைந்தபட்சம் ஓரளவு, மாதிரிகளின் பாதுகாப்பு ஆணைகளைக் கடக்க முடியும் என்று கூறும் ஒரு அறிக்கையால் தூண்டப்பட்டது — சைபர் தாக்குதல்களுக்கு AI ஐ ஆயுதமாக்குவதைத் தடுக்க வடிவமைக்கப்பட்ட அமைப்புகள். அரசாங்கத்தின் முடிவு முதன்மையாக jailbreak பயத்தால் இயக்கப்பட்டதா அல்லது பரந்த புவிரাজনீதி கணக்கீட்டால் இயக்கப்பட்டதா என்பது பொருட்படாமல், நடைமுறை ফলাফல் ஒன்றுதான்: கிடைக்கக்கூடிய மிகவும் திறமையான AI மாதிரிகளில் இரண்டுக்கான அணுகல் ஒரே இரவில் வியத்தகு முறையில் குறுகிவிட்டது.

TechCrunch உடன் பேசிய ஆராய்ச்சியாளர்கள் — அறியப்படாத பலவீனங்களைத் தேடி, கட்டுப்பாடுக்குட்பட்ட, அনுமোदित சூழல்களில் அவற்றைச் சுரண்ட கருவிகளை உருவாக்கும் மக்கள் — ஒரு பணி யথার்த்தத்தை விவரித்தனர் இது ஏற்கனவே ஆக்ரோஷமாக விரக்தியாக மாறிவிட்டது. இவர்கள் script kiddies அல்ல. தாக்குதல் பாதுகாப்பு ஆராய்ச்சியாளர்கள் অনুপ্রবேশ পরীक்ષைகளை நடத்தும், உண்மையான ঝুக்கியை நிரூபிக்க proof-of-concept சுரண்டல்களை உருவாக்கும், மற்றும் மென்பொருள் விற்பனையாளர்களை உண்மில் அவற்றின் பொருட்களை பயன்படுத்த தள்ளும் அறிக்கைகளை எழுதும் தொழில்முறை வல்லுநர்கள். அவர்களின் பணி உள்ளிணைந்த இரட்டை-பயன்பாடு: ஒரு பலவீனத்தைக் கண்டறிய உதவும் அதே அறிவு ஒரு குற்றவாளி அதைச் சுரண்ட பயன்படுத்தும் அறிவு.

அந்த இரட்டை-பயன்பாட்டு தன்மை துல்லியமாக AI பாதுகாப்பு ஆணைகளை ஒரு மந்தமான கருவியாக்குகிறது. buffer overflows, shellcode, அல்லது privilege escalation நுட்பங்களைப் பற்றி விவாதிக்க மறுக்கும் ஒரு மாதிரி ஒரு முறையான நিযுক்தির உள்ளே பணிபுரியும் சிவப்பு குழு ஆபரேட்டருக்கும் ஒரு தாக்குதலைத் திட்டமிடும் அச்சுறுத்தல் நடிகருக்கும் இடையে வேறுபாடு கூற முடியாது. பாதுகாப்பு ஆணை বিষயத்தைப் பார்க்கிறது, சூழலைப் பார்க்கவில்லை. எனவே நியாயமான ஆராய்ச்சியாளர்கள் மீண்டும் மீண்டும் சுவர்களைத் தாக்குவதைக் கண்டுபிடிக்கிறார்கள் — மறுக்கப்பட்டு, கொடியிடப்பட்டு, அல்லது வெளியீட்டை உண்மையில் பயனுள்ளதாக்கும் தொழில்நுட்ப குறிப்பியலை நீக்கும் நீர்த்த பதிலுகளைப் பெறுகிறார்கள்.

讽刺是尖锐的: பாதுகாப்பு ஆராய்ச்சியை அর্த்தமுள்ளதாக முடுக்கிவிட போதுமான சக்திவாய்ந்த மாதிரிகள் மிகவும் ஆக்ரோஷமான கட்டுப்பாட்டின் கீழ் உள்ள மாதிரிகளாகும்.

ஆசியாவுக்கு இது ஏன் முக்கியமானது

ஆசியாவின் சைபர் பாதுகாப்பு நிலப்பரப்பு இந்த கதையின் ஒரு அடிக்குறிப்பு அல்ல — இது ஒரு மையமான அத்தியாயம். இந்த பகுதி உலகின் மிகவும் செயல்பட்ட அச்சுறுத்தல் நடிகர் குழுக்கள், வேகமாக வளர்ந்து வரும் ডিஜிটல் பொருளாதாரங்கள், மற்றும் AI-உதவி ஆராய்ச்சி ஒரு বিলாசிதை அல்ல ஆனால் ஒரு அவசியம் என்று பாதுகாப்பு திறமை பற்றாக்குறை வீட்டை வீட்டாக உள்ளது.

தென்கிழக்கு ஆசியா குறிப்பாக ransomware தாக்குதல்கள், விநியோக சங்கிலி சமரசங்கள், மற்றும் நிதி உள்கட்டமைப்பு, சுகாதார அமைப்புகள், மற்றும் அரசாங்க நெட்வொர்க்குகளை লক்ష்য வைக்கும் அரাஜக-ஸ்பন்சர் செய்யப்பட்ட অনুপ্রবேशங்களில் ஒரு சுற்றுக்கு பார்த்துவிட்டது. சிங்கப்பூர், இந்தோனேசியா, பிலிப்பைன்ஸ், மற்றும் வியட்நாம் அனைத்தும் சமீபத்திய வருடங்களில் குறிப்பிடத்தக்க சம்பவங்களை பதிவு செய்துவிட்டன. இந்த சூழல்களில் பணிபுரியும் பாதுகாப்பு வல்லுநர்கள் பெரும்பாலும் வட அமெரிக்கா அல்லது ইউரோப்பில் தங்கள் சகாக்களுடன் ஒப்பிடும்போது வளங்கள் குறைவாக உள்ளனர் — சிறிய குழுக்கள், இறுக்கமான பட்ஜெட்டுகள், மற்றும் குறைந்த প்রাতিষ்ঠানிக ஆதரவு.

அந்த பாதுகாப்பு வல்லுநர்களுக்கு, AI கருவிகள் ஒரு உண்மையான சக்தி பெருக்கியைக் குறிக்கிறது. ஜகார்த்தா அல்லது ஹோ சி மின் நகரில் ஒரு பாதுகாப்பு ஆராய்ச்சியாளர் வேகமாக malware மாதிரிகளை பகுப்பாய்வு செய்ய, கண்டறிதல் விதிகளை வரைய, அல்லது ஒரு அপரிচிதமான சுரண்டல் நுட்பத்தைப் புரிந்துகொள்ள ஒரு AI மாதிரியைப் பயன்படுத்த முடிந்தால் அவர் முடியாத ஒருவரை விட அর্த்தமுள்ளதாக மிகவும் பயனுள்ளதாக உள்ளனர். பாதுகாப்பு ஆணைகள் ஒரு நியாயமான பணியில் பயனுள்ள வெளியீட்டைப் பெறுவதிலிருந்து அந்த ஆராய்ச்சியாளரைத் தடுக்கும்போது, தாக்குபவருக்கும் பாதுகாப்பு வல்லுநருக்கும் இடையே உள்ள asymmetry மேலும் மோசமாக வேறு சிறப்பாக இல்லை.

ஏற்றுமதி கட்டுப்பாட்டு கோணம் ஆசியாவுக்கு குறிப்பிட்ட சிக்கலின் மற்றொரு அடுக்கைச் சேர்க்கிறது. மேம்பட்ட AI மாதிரிகளில் கட்டுப்பாடுகள் பகுதி முழুவதும் சீரற்றதாக விழுவதில்லை. கடுமையான கட்டுப்பாடுகளுக்கு உட்பட்ட நாடுகளில் ஆராய்ச்சியாளர்கள் அவர்களின் தொழில்முறை நற்சான்றிதழ் அல்லது அவர்களின் பணியின் நியায்யতা பொருட்படாமல் மிகவும் திறமையான மாதிரிகளிலிருந்து முற்றிலுமாக வெட்டப்பட்டிருக்கலாம். இது ஒரு இரண்டு-স্তরীয় பாதுகாப்பு ஆராய்ச்சி ইকোசிஸ்டেமை உருவாக்குகிறது — ஒன்றில் புவியியல், দক்ষতை அல்ல, நீங்கள் அணுகக்கூடிய கருவிகளை தீர்மானிக்கிறது.

திறமை வளர்ச்சி பரிமாணமும் உள்ளது சீரியাக்கு எடுக்க மதிப்பு. ஆசியாவில் junior பாதுகாப்பு ஆராய்ச்சியாளர்கள் பெரும்பாலும் அவர்களின் கற்றலை முடுக்கிவிட AI மாதிரிகளை நம்பியுள்ளனர் — அவர்கள் இன்னும் களத்தில் சந்திக்கவில்லை என்ற நுட்பங்களைப் புரிந்துகொள்ள, சிக்கலான பலவீனத்া வகுப்புகளின் விளக்கங்களைப் பெற, CTF சவால்களை வேலை செய்ய. அত்যধிக ஆக்ரோஷமான பாதுகாப்பு ஆணைகள் senior ஆராய்ச்சியாளர்களை மட்டுமே மெதுவாக்கவில்லை; அவர்கள் இந்த வயலில் প্রবேশ செய்ய என்ன தேவை என்ற தளத்தை உயர்த்துகிறார்கள்.

டெவலப்பர்களுக்கு இதன் அর்த்தம் என்ன

நீங்கள் AI API களில் உருவாக்கும் ஒரு டெவலப்பர் என்றால் — நீங்கள் பாதுகாப்பு கருவிகளை ஒருங்கிணைக்கிறீர்களா, நிறுவன வாடிக்கையாளர்களுக்கான ஒரு பொருளை உருவாக்கிறீர்களா, அல்லது ஒரு உள்ளக சிவப்பு குழு தளத்தில் பணிபுரிகிறீர்களா — பாதுகாப்பு ஆணை சমস்যা உங்கள் স்থাপত்யத்திற்கு இப்போது நடைமுறை প্রভাவ ஏற்படுத்துகிறது.

முதல் প্রভাব நির்ভরযோग்யতা. உங்கள் பயன்பாடு குறியீட்டை பலவீனங்களுக்கு பகுப்பாய்வு செய்ய, சோதனை பேலோட்களை உருவாக்க, அல்லது பாதுகாப்பு கருத்துக்களை ব்যবহারকারীদের விளக்க ஒரு AI மாதிரியை சார்பவுள்ளது என்றால், மாதிரி உங்கள் சூழলில் முற்றிலুமாக நியாயமான ஒரு கோரிக்கையை மறுக்கக்கூடும் என்ற বাস্তবতার জন்য পরিকল்পனை செய்ய வேண்டும். இது ஒரு তাত্ত্বিক edge case அல்ல — இது ஆராய்ச்சியாளர்கள் বারবার அভিজ்ঞতা பெறும் ஒரு ডকুமেন்ট করা প্যাটার்ন. அதைச் சுற்றி নির্মாணம் fallback தর্ক ডিজাইন করা, সিস্টেম প্রম্পட்ডে உங்கள் ব்যবহারের কেসை স্পষ্ট করা, এবং আপনি জাহাজ করার আগে আপনি ব্যবহার করছেন যেকোনো মাতিরির பாதুকাপ্পু আணাইকে বিরুদ্ধে আপনার নির্দিষ্ট কর্মপ্রবাহ পরীক্ষা করা অর্থ.

দ্বিতীয় প্রভাব মডেল নির্বাচন. সমস্ত মাতিরি একই ক্যালিব্রেশনের সাথে পাহারা প্রয়োগ করে না. কিছু প্রসঙ্গ স্পষ্টভাবে পেশাদার হলে প্রযুক্তিগত নিরাপত্তা বিষয়গুলির জন্য আরও অনুমতিপ্রাপ্ত; অন্যরা বোর্ড জুড়ে আরও আক্রমণাত্মক. আপনি যদি নিরাপত্তা কার্যকারিতা তৈরি করছেন, মডেল বেঞ্চমার্কিং একটি প্রথম-শ্রেণীর মূল্যায়ন মানদণ্ড হিসাবে পাহারা আচরণ অন্তর্ভুক্ত করতে হবে, একটি পরবর্তীকথা নয়.

তৃতীয় প্রভাব আপনি করেন বিস্তৃত প্ল্যাটফর্ম পছন্দ সম্পর্কে. ঐশ্বরিক এ AI-নেটিভ অ্যাপ্লিকেশন তৈরি করছেন ডেভেলপার ক্রমবর্ধমান প্ল্যাটফর্ম খুঁজছেন যা তাদের নির্দিষ্ট প্রসঙ্গে মডেল কিভাবে আচরণ করে তার উপর আরও নিয়ন্ত্রণ দেয় — ভোক্তা পণ্যের জন্য ডিজাইন করা ডিফল্ট সামগ্রী নীতিগুলির বিরুদ্ধে লড়াই ছাড়াই পেশাদার ব্যবহারের ক্ষেত্রে মডেল আচরণ কনফিগার করার ক্ষমতা সহ. MonstarX, AI-নেটিভ উন্নয়ন প্ল্যাটফর্ম হিসাবে এশিয়ান ডেভেলপার ইকোসিস্টেমের জন্য নির্মিত, একটি পরিবেশের একটি উদাহরণ যেখানে সেই প্রসঙ্গ নিয়ন্ত্রণগুলি একটি পরবর্তীকথা নয় বরং ডিজাইন কথোপকথনের অংশ.

চতুর্থ প্রভাব ডকুমেন্টেশন. যখন আপনি নিরাপত্তা-সংলগ্ন কার্যকারিতা তৈরি করছেন এবং আপনার AI ইন্টিগ্রেশন পাহারা হস্তক্ষেপের কারণে অপ্রত্যাশিতভাবে আচরণ করে, আপনার স্থাপনা প্রসঙ্গে মডেল কি করবে এবং করবে না তার স্পষ্ট ডকুমেন্টেশন প্রয়োজন. এটি শুধুমাত্র ভাল প্রকৌশল অনুশীলন নয় — এটি আপনার ব্যবহারকারীদের জন্য অপরিহার্য যাতে তারা আপনার স্থাপনা প্রসঙ্গে মডেল আচরণ বিশ্বাস করে.