AI Agent Security: நிறுவனங்களுக்கு பெரும் பின்னடைவை ஏற்படுத்தும் மறைமுக ஆபத்து

TECHNOLOGY
Whalesbook Logo
AuthorSimran Kaur|Published at:
AI Agent Security: நிறுவனங்களுக்கு பெரும் பின்னடைவை ஏற்படுத்தும் மறைமுக ஆபத்து
Overview

தன்னாட்சி AI ஏஜென்ட்கள் (Autonomous AI Agents) முறையான தனிமைப்படுத்தல் இன்றி செயல்படுவதால், 'பேரழிவுகரமான பாதுகாப்பு கடன்' (catastrophic security debt) அதிகரித்து வருகிறது. இதனால், உள்ளூர் உள்கட்டமைப்புகள் (local infrastructure) பெரும் தாக்குதல் அபாயப் பகுதிகளாக மாறி வருகின்றன. இந்த ஏஜென்ட்கள் நிதி பரிவர்த்தனைகளை மேற்கொள்ளவும், முக்கிய தரவுகளை அணுகவும் அனுமதி பெறும்போது, மனிதர்களை குறிவைக்கும் சமூக பொறியியலில் (social engineering) இருந்து இயந்திரத்தால் இயக்கப்படும் சுரண்டல்களுக்கு (machine-automated exploitation) மாறும் நிலை உருவாகிறது. ஜீரோ டிரஸ்ட் கட்டமைப்புக்கு (Zero Trust architecture) மாறாவிட்டால், உற்பத்தித்திறனுக்காக வடிவமைக்கப்பட்ட கருவிகளே, தரவு திருட்டு மற்றும் சான்றுகள் திருட்டுக்கான முக்கிய வழியாக மாறிவிடும்.

Instant Stock Alerts on WhatsApp

Used by 10,000+ active investors

1

Add Stocks

Select the stocks you want to track in real time.

2

Get Alerts on WhatsApp

Receive instant updates directly to WhatsApp.

  • Quarterly Results
  • Concall Announcements
  • New Orders & Big Deals
  • Capex Announcements
  • Bulk Deals
  • And much more

தன்னாட்சி லாஜிக்கின் உள்ளார்ந்த பாதிப்பு

நிறுவனங்களின் பணிகளுக்குள் தன்னாட்சி AI ஏஜென்ட்களை (Autonomous AI Agents) வேகமாக ஒருங்கிணைப்பது, வலுவான பாதுகாப்பு கட்டமைப்புகளின் வளர்ச்சியை விஞ்சியுள்ளது. பயனர் நோக்கத்திற்கும் டிஜிட்டல் செயலாக்கத்திற்கும் இடையிலான இடைவெளியைக் குறைப்பதற்காக வடிவமைக்கப்பட்ட இந்த அமைப்புகள், அறியாமலேயே ஒரு புதிய வகை நிறுவன ஆபத்தை உருவாக்குகின்றன. இந்த ஏஜென்ட்கள் பெரும்பாலும் உள்ளூர் சேமிப்பு (local storage) மற்றும் அங்கீகார டோக்கன்களுக்கான (authentication tokens) சிறப்பு அணுகலுடன் செயல்படுவதால், ஏஜென்ட்டின் லாஜிக் ஓட்டத்தில் ஒரு சிறிய மீறல் கூட, தாக்குபவருக்கு ஒரு நெட்வொர்க்கில் முழு கட்டுப்பாட்டையும் வழங்க முடியும். திறந்த மூல கட்டமைப்புகளையே (open-source frameworks) அதிகம் நம்பியிருப்பதால், நிறுவன-தர பாதுகாப்பு சூழல்களுக்குத் தேவையான கடினமான எல்லை சோதனைகள் (hardened boundary checks) பெரும்பாலும் இல்லை. இது இந்த ஆபத்தை அதிகரிக்கிறது.

பாதுகாப்பு நிலைப்பாட்டில் போட்டி வேறுபாடு

பாரம்பரிய நிறுவன மென்பொருட்கள் (enterprise software) SOC2 மற்றும் ISO இணக்க நெறிமுறைகளைப் பின்பற்றுகின்றன. ஆனால், வளர்ந்து வரும் AI ஏஜென்ட்களின் சூழல் ஒரு ஒழுங்குமுறை சாம்பல் நிறப் பகுதியில் (regulatory gray area) இயங்குகிறது. CrowdStrike அல்லது Palo Alto Networks போன்ற பாரம்பரிய சைபர் பாதுகாப்பு நிறுவனங்களுடன் ஒப்பிடும்போது, இந்த வேறுபாடு தெளிவாகத் தெரிகிறது. பாரம்பரிய பாதுகாப்பு உள்கட்டமைப்பு, விதி அடிப்படையிலான கண்டறிதலை (rule-based detection) நம்பியுள்ளது. இது நவீன மொழி மாதிரிகளின் (language models) நேரியல் அல்லாத, தகவமைப்புத் தன்மையைப் புரிந்துகொள்வதில் சிரமப்படுகிறது. இதன் விளைவாக, பாதுகாப்பு சுமை, AI மாதிரிகளின் உள்ளார்ந்த பாதுகாப்பை விட, தனிமைப்படுத்தப்பட்ட சூழல்களை (isolated environments) செயல்படுத்துவதிலேயே உள்ளது. இந்த ஏஜென்ட்களை சாண்ட்பாக்ஸ் (sandbox) செய்யத் தவறும் நிறுவனங்கள், தீங்கிழைக்கும் உள்ளீட்டு ஸ்ட்ரீம்கள் (malicious input streams) மூலம் உள் செயல்பாடுகளை கையாள வெளி நபர்களுக்கு திறம்பட அனுமதி அளிக்கின்றன.

தடயவியல் கரடி வழக்கு: கட்டமைப்பு பலவீனங்கள்

ப்ராம்ப்ட் அடிப்படையிலான அறிவுறுத்தல்களை (prompt-based instruction) நம்பியிருப்பது தற்போதைய ஏஜென்டிக் அமைப்புகளின் (agentic systems) முக்கிய பலவீனமாகும். சாதாரண கோப்புகள் அல்லது தரவு ஸ்ட்ரீம்களில் மறைக்கப்பட்ட கட்டளைகளைச் செலுத்துவதன் மூலம், தாக்குபவர்கள் பெரிய மொழி மாதிரிகளின் (large language models) அறிவுறுத்தல் தரவுக்கும் செயல்பாட்டு நோக்கத்திற்கும் இடையில் வேறுபாடு காண இயலாமையைச் சுரண்டுகின்றனர். இது ஒரு மென்பொருள் பிழை மட்டுமல்ல; இது ஒரு கட்டமைப்பு தோல்வி (structural architectural failure). மேலும், சில வினாடிகளுக்குள் செயல்பட்டு மறைந்துவிடும் தற்காலிக, ஆன்-செயின் சுரண்டல்களின் (ephemeral, on-chain exploits) எழுச்சி, மனித மேற்பார்வையை (human oversight) முற்றிலும் காலாவதியாக்குகிறது. தானியங்கு வர்த்தக பாட் (automated trading bots) அல்லது பரவலாக்கப்பட்ட நிதி ஒருங்கிணைப்புகளில் (decentralized finance integrations) அதிகம் முதலீடு செய்துள்ள நிறுவனங்களுக்கு, இந்த பாட்கள் இழப்புகளுக்கு ஒரு பெருக்கியாக (force multiplier) செயல்படுகின்றன. டெவலப்பர் சமூகம் பாதுகாப்பு தனிமைப்படுத்தலை விட சந்தைக்கு வரும் வேகத்திற்கு தொடர்ந்து முன்னுரிமை அளித்தால், இதன் விளைவாக ஏற்படும் மீறல்கள் கணிசமான ஒழுங்குமுறை தலையீட்டைத் தூண்டும். இது உலகளவில் தன்னாட்சி நிறுவன அம்சங்களின் (autonomous enterprise features) வளர்ச்சியைத் தடுக்கக்கூடும்.

எதிர்காலக் கண்ணோட்டம் மற்றும் துறை தாக்கங்கள்

பாதுகாப்பு கட்டிடக் கலைஞர்களிடையே (security architects) கட்டாய சாண்ட்பாக்சிங் (mandatory sandboxing) மற்றும் நுணுக்கமான அணுகல் கட்டுப்பாடுகளின் (granular access controls) அமலாக்கம் நோக்கி ஒருமித்த கருத்து உருவாகி வருகிறது. நிறுவன தளங்கள் ஒற்றைப்படை ஏஜென்ட் வரிசைப்படுத்தலில் (monolithic agent deployments) இருந்து துண்டு துண்டான, குறைந்த-சலுகை கட்டமைப்புகளுக்கு (fragmented, low-privilege architectures) மாறும் என்று எதிர்பார்க்கலாம். எதிர்கால மேம்பாடுகள் பல-அடுக்கு சரிபார்ப்பில் (multi-layer verification) கவனம் செலுத்தும். அங்கு எந்தவொரு ஒற்றை ஏஜென்டும் நிதி பரிமாற்றத்தைத் தொடங்கவோ அல்லது முக்கிய குறியீட்டை மாற்றவோ இரண்டாம் நிலை, மனித-வட்டத்தில் உள்ள சரிபார்ப்பு (human-in-the-loop validation) அல்லது தனி, விதி அடிப்படையிலான பாதுகாப்பு நெறிமுறை இல்லாமல் அதிகாரம் பெற்றிருக்காது. கட்டுப்பாடற்ற தன்னாட்சி அணுகலின் (unchecked autonomous access) சகாப்தம் முடிவுக்கு வருகிறது. தற்போதைய பாதுகாப்பு இடைவெளிகளின் நிதிச் செலவு பரந்த சந்தை ஏற்ற இறக்கமாக (market volatility) வெளிப்படத் தொடங்குகிறது.

Get stock alerts instantly on WhatsApp

Quarterly results, bulk deals, concall updates and major announcements delivered in real time.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.