Microsoft-ன் சமீபத்திய Patch Tuesday, அதன் AI மூலம் இயங்கும் குறியீடு ஸ்கேனர் Windows, Office மற்றும் பிற தயாரிப்புகளில் பிழைகளின் அதிகரிப்பைக் கண்டறிந்த பிறகு, 570 பாதுகாப்புத் திருத்தங்களை (security fixes) வழங்கியுள்ளது. இந்தத் திருத்தங்களின் அளவு மிக முக்கியமானது, ஏனெனில் இது பாதிப்புகளைக் கண்டறிவதில் புதிய, AI-ஆல் இயங்கும் வேகத்தைக் குறிக்கிறது, இது வரும் ஆண்டுகளில் டெவலப்பர்களின் பேட்ச்-மேனேஜ்மென்ட் (patch-management) பணிச்சுமையை அதிகரிக்கக்கூடும்.
AI எவ்வாறு ஒரு வழக்கமான புதுப்பிப்பை சாதனை அளவுகோலைத் தொடும் வேகமான ஓட்டமாக மாற்றியது
Microsoft நிறுவனத்தின் பிரம்மாண்டமான குறியீட்டுத் தொகுப்புகளை (codebases) தொடர்ந்து ஆய்வு செய்யும் ஒரு இயந்திரக் கற்றல் (machine-learning) அமைப்பு, வழக்கமான பேட்ச் எண்ணிக்கையிலிருந்து 570 பிழைகள் வரை இந்தத் தாவலை ஏற்படுத்தியதாகக் கூறுகிறது. மனித ஆய்வாளர்கள் கவனிக்கத் தவறும் முறைகளைக் கண்டறிந்து, பழைய கூறுகளில் (legacy components) பல தசாப்தங்களாகத் தங்கியிருக்கும் மறைந்திருக்கும் பிழைகளை இந்த அமைப்பு வெளிச்சத்திற்கு கொண்டு வருகிறது. Windowsத் தலைவர் பவன் தவுலூரி (Pavan Davuluri), AI கருவிகள் இப்போது "பல ஆண்டுகளாக மறைந்திருந்த பிழைகளைக் கண்டறிந்து வருகின்றன," இது அரிதான கண்டுபிடிப்புகளை ஒரு வழக்கமான வெளியீடாக மாற்றியுள்ளது என்று கூறினார்.
570-பேட்ச் தொகுப்பிற்குள் என்ன இருக்கிறது
இந்தத் திருத்தங்களில் குறைந்தது இரண்டு முக்கியமான zero-day பிழைகள் உள்ளன—அதாவது Microsoft ஒரு திருத்தத்தை வழங்குவதற்கு முன்பே தாக்குபவர்கள் ஏற்கனவே பயன்படுத்திக் கொண்டிருந்த பாதிப்புகள்.
- Windows Server privilege escalation – இந்த பிழை, வரையறுக்கப்பட்ட கணக்கைக் கொண்ட ஒரு தாக்குபவர் முழு சிஸ்டம் அட்மினிஸ்ட்ரேட்டர் உரிமைகளைப் பெற அனுமதிக்கிறது, இது ஒரு சர்வரை முழுமையாகக் கட்டுப்படுத்தும் வாய்ப்பைத் திறக்கிறது.
- SharePoint file-sharing server – இந்த பிழை தற்போது தாக்குதல்களுக்குப் பயன்படுத்தப்பட்டு வருவதாக CISA அவசர அறிவுறுத்தலை வெளியிட்டுள்ளது, இது அச்சுறுத்தல் காரணிகள் நிறுவனத் தரவு சேமிப்பகங்களை ஊடுருவ அனுமதிக்கிறது.
சைபர் பாதுகாப்பில் AI-ன் இரட்டை முனை வாள்
Microsoft-ன் AI கருவிகள் ஒரு பரந்த "ஆயுதப் போட்டியில்" (arms race) உள்ளன, அங்கு பாதுகாப்பாளர்கள் மற்றும் தாக்குபவர்கள் இருவருமே பலவீனங்களைக் கண்டறிய இயந்திரக் கற்றலைச் சார்ந்துள்ளனர். பாதுகாப்பாளர்கள் தரப்பில், மில்லியன் கணக்கான வரிகள் கொண்ட பழைய குறியீடுகளை (legacy code) ஆய்வு செய்வது, நிறுவனங்கள் இறுதியாக "தொழில்நுட்பக் கடனை" (technical debt) – அதாவது முன்பு தணிக்கை செய்ய மிகவும் செலவு மிகுந்ததாக இருந்த, சரியாக ஆவணப்படுத்தப்படாத பழைய குறியீடுகளைக் கையாள அனுமதிக்கிறது.
தாக்குதல் தரப்பில், அதே முறை கண்டறியும் நுட்பங்கள் (pattern-recognition techniques) எதிரிகள் தாக்குதல் பரப்பளவுகளை (attack surfaces) மிகவும் திறமையாகத் திட்டமிட உதவுகின்றன. இதன் விளைவாக, இரு தரப்பிலும் கண்டறியும் சுழற்சி (discovery loop) வேகமடைகிறது, இது பாதிப்பு முதல் தாக்குதல் வரையிலான கால அளவைக் குறைத்து, பேட்ச் சுழற்சிகளின் (patch cycles) மீதான அழுத்தத்தை அதிகரிக்கிறது.
சாதனை அளவிலான பேட்ச் எண்ணிக்கை டெவலப்பர்கள் மற்றும் IT குழுக்களுக்கு எதைக் குறிக்கிறது
இதன் நன்மை வெளிப்படையானது: பிழைகள் முன்னரே கண்டறியப்படுவதால், தாக்குதலுக்கான கால அவகாசம் குறைகிறது. இதன் தீமை, அதிகப்படியான பேட்ச்-மேனேஜ்மென்ட் சுமையாகும்.
- புதுப்பிப்புகளின் அதிகரித்த அதிர்வெண் – ஒவ்வொரு சுழற்சியிலும் AI அதிக சிக்கல்களைக் கண்டறிவதால், அச்சுறுத்தல்களுக்கு முன்னால் இருக்க நிறுவனங்கள் அடிக்கடி பேட்ச்களைப் பயன்படுத்த வேண்டியிருக்கும்.
- சோதனைச் சுமை (Testing overload) – பின்னடைவுகளைத் (regressions) தவிர்க்க, ஒவ்வொரு பேட்சும் தற்போதுள்ள பணிச்சுமைகளுக்கு எதிராகச் சரிபார்க்கப்பட வேண்டும், இது QA வளங்களைச் சவாலுக்கு உட்படுத்துகிறது.
சுருக்கமாக
Microsoft-ன் AI-ஆல் மேம்படுத்தப்பட்ட கண்டறியும் இயந்திரம், ஒரு வழக்கமான Patch Tuesday நிகழ்வை சாதனை அளவாகிய 570-பேட்ச் வெளியீடாக மாற்றியுள்ளது, இது இயந்திரக் கற்றல் மூலம் இயக்கப்படும் பாதுகாப்பின் வாக்குறுதி மற்றும் அழுத்தம் ஆகிய இரண்டையும் வெளிச்சம் போட்டுக் காட்டுகிறது. இந்த அணுகுமுறை மறைந்திருக்கும் பிழைகள் ஆயுதமாக மாற்றப்படுவதற்கு முன்பே அவற்றைச் பிடிக்கிறது, ஆனால் இது டெவலப்பர்கள் மற்றும் IT ஊழியர்களை அதிகப்படியான புதுப்பிப்புகளைக் கையாளவும் கட்டாயப்படுத்துகிறது. அடுத்த கட்டம், "பேட்ச் சோர்வில்" (patch fatigue) மூழ்கிவிடாமல், AI-ஆல் தூண்டப்படும் கண்டுபிடிப்புகளுடன் இணைந்து பயணிக்க, இந்தத் துறை எவ்வளவு விரைவாகச் சோதனை மற்றும் வரிசைப்படுத்தலை (deployment) தானியக்கமாக்க முடியும் என்பதில்தான் உள்ளது.
