OpenAI ತಂತ್ರಜ್ಞಾನದಿಂದ Block AI-ಚಾಲಿತ ಭದ್ರತೆಯನ್ನು ಹೇಗೆ ಕಟ್ಟುತ್ತಿದೆ

Square, Cash App ಮತ್ತು Afterpay ಹಿಂದಿರುವ ಕಂಪನಿಯಾದ Block ನಲ್ಲಿ, ಭದ್ರತಾ ತಂಡವು OpenAI Defense Factory ಅನ್ನು ಬಳಸುತ್ತದೆ: AI ದುರ್ಬಲತೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು, ಗುರುತಿಸುವುದು ಮತ್ತು ಅವುಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವುದನ್ನು ಯಾವುದೇ ಮಾನವ ತಂಡ ಮುಂದುವರಿಸಲಾಗದಷ್ಟು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನಿರ್ವಹಿಸುತ್ತದೆ. OpenAI Daybreak ಸೇರಿದಂತೆ AI ವ್ಯವಸ್ಥೆಗಳ ನೆರವಿನಿಂದ, ಹಿಂದೆ ವಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಿದ್ದ ಕೆಲಸವನ್ನು Block ಈಗ ಕೆಲವೇ ಗಂಟೆಗಳಲ್ಲಿ ಮಾಡುತ್ತಿದೆ.

Block ನ ಭದ್ರತಾ ತಂಡವು ಕೋಡ್ ರಚನೆಯಿಂದ ಹಿಡಿದು ಭದ್ರತಾ ಕಾರ್ಯಾಚರಣೆಗಳವರೆಗೆ ವಿವಿಧ ಕೆಲಸದ ಹರಿವುಗಳಲ್ಲಿ AI ಅನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ಅಳವಡಿಸಿಕೊಳ್ಳುವುದರ ಮೇಲೆ ಗಮನಹರಿಸಿದೆ. “ನಿಮ್ಮೊಂದಿಗೆ ಬೆಳೆದು ವಿಸ್ತರಿಸಬಹುದಾದ ಹೊಸ ತಂಡದ ಸದಸ್ಯರನ್ನು ಹೊಂದುವುದೇ ಇದರ ನಿಜವಾದ ಉದ್ದೇಶ,” ಎಂದು ಮುಖ್ಯ ಮಾಹಿತಿ ಭದ್ರತಾ ಅಧಿಕಾರಿ ಜೇಮ್ಸ್ ನೆಟ್ಟೆಶೈಮ್ ಹೇಳುತ್ತಾರೆ. “ಹಂತ ಹಂತವಾಗಿ ಮುಂದುವರಿಯಬೇಕಾಗಿದ್ದ ಸಾಂಪ್ರದಾಯಿಕ ಆಟೊಮೇಷನ್‌ನಂತೆ ಇದು ಅಲ್ಲ. ಸಾಕಷ್ಟು ನಿರ್ದಿಷ್ಟವಾದರೂ ಅಸ್ಪಷ್ಟವಾಗಿರುವ ಸಮಸ್ಯೆಯೊಂದಕ್ಕೆ ನೀವು ಇದಕ್ಕೆ ಪ್ರಾಂಪ್ಟ್ ನೀಡಬಹುದು ಮತ್ತು ಅದನ್ನು ಒಟ್ಟಿಗೆ ಪರಿಹರಿಸಬಹುದು.”

ಸಾಫ್ಟ್‌ವೇರ್ ದೋಷವನ್ನು ಪರಿಶೀಲಿಸುವುದು ಅಥವಾ ಲಾಗ್ ಅನ್ನು ಪಾರ್ಸ್ ಮಾಡುವುದರಂತಹ ಯೋಜನೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ದಿನಗಳು ಅಥವಾ ವಾರಗಳು ಬೇಕಾಗುತ್ತಿದ್ದವು. ಈಗ ತಂಡವು ಆ ಯೋಜನೆಗಳನ್ನು ಬಹಳ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಬಹುದು, ಆದರೆ ಪ್ರತಿಯೊಂದು ಫಲಿತಾಂಶವನ್ನೂ ಮನುಷ್ಯರೇ ಇನ್ನೂ ಪರಿಶೀಲಿಸುತ್ತಾರೆ.

ಉದಾಹರಣೆಗೆ, ಪತ್ತೆ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೂಕ್ಷ್ಮವಾಗಿ ಹೊಂದಿಸಲು, ಪ್ರತಿ ತನಿಖೆಯಲ್ಲೂ ಕ್ವೆರಿಯಿಂದ ಪಡೆದ ಸಾಕ್ಷ್ಯವನ್ನು ಅದರ ಮೂಲ ರೂಪದಲ್ಲೇ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಹೀಗಾಗಿ ತಂಡವು ಈಗ ಪ್ರಸ್ತಾಪಿತ ಪತ್ತೆ ಬದಲಾವಣೆಯನ್ನು ಏಳು ತಿಂಗಳ ಕಾರ್ಯಾಚರಣೆಯ ಟೆಲಿಮೆಟ್ರಿ ಡೇಟಾದ ವಿರುದ್ಧ ಒಂದು ಗಂಟೆಗಿಂತ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಮರುಚಾಲನೆ ಮಾಡಬಹುದು. ಹಿಂದೆ ಈ ಕೆಲಸಕ್ಕಾಗಿ ನೂರಾರು ಹಳೆಯ ಪ್ರಕರಣಗಳ ಮೇಲೆ ಕೈಯಾರೆ ಮತ್ತೆ ಕ್ವೆರಿಗಳನ್ನು ಚಲಾಯಿಸಬೇಕಾಗುತ್ತಿತ್ತು. ಇದಕ್ಕೆ ತುಂಬಾ ಸಮಯ ಬೇಕಾಗುತ್ತಿದ್ದುದರಿಂದ, ಪ್ರಾಯೋಗಿಕವಾಗಿ ಈ ಕೆಲಸ ನಡೆಯುತ್ತಿದ್ದುದು ತೀರಾ ವಿರಳವಾಗಿತ್ತು.

ಯಾವ ಕೆಲಸಕ್ಕೆ ಯಾವ ಮಾಡೆಲ್ ಬಳಸಬೇಕು ಎಂಬುದರ ಬಗ್ಗೆ ತಂಡ ಈಗ ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟವಾಗಿದೆ. “ಮೊದಲು ನಾವು ಇತ್ತೀಚಿನ ಮಾಡೆಲ್ ಅನ್ನು ಬಳಸುತ್ತಿದ್ದೆವು, ಆದರೆ ಇನ್ನು ಹಾಗೆ ಮಾಡುವ ಅಗತ್ಯವಿಲ್ಲ,” ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. “ವಿಭಿನ್ನ ಕೆಲಸಗಳಿಗೆ ವಿಭಿನ್ನ ಮಾಡೆಲ್‌ಗಳನ್ನು ಆಯ್ಕೆಮಾಡುವುದು ಒಂದು ಕಲಿಕೆಯ ಅನುಭವವಾಗಿದೆ.” Block‌ನ ಭದ್ರತಾ ಪೂರಕ ವ್ಯವಸ್ಥೆಯು Daybreak ಆಧಾರಿತವಾಗಿದ್ದು, ಕೆಲಸಗಳನ್ನು ಸೂಕ್ತ ಮಾಡೆಲ್‌ಗೆ ಕಳುಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಜೊತೆಗೆ, ಕೆಲಸಗಳನ್ನು ಮಾನವರು ವಹಿಸಿಕೊಳ್ಳಲು ಅಥವಾ ಏಜೆಂಟ್‌ಗಳು ಪರಸ್ಪರರ ಕೆಲಸವನ್ನು ಪರಿಶೀಲಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ಹುಕ್‌ಗಳನ್ನೂ ಇದು ಒಳಗೊಂಡಿದೆ. ತಂಡವು ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಆಂತರಿಕ ಮಾನದಂಡಗಳು ಮತ್ತು ನೈಜ ಜಗತ್ತಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಆಧಾರದ ಮೇಲೆ ನಿರಂತರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ. ಅಗತ್ಯವಿದ್ದಾಗ ತನ್ನ ವಿಧಾನವನ್ನು ಹೊಂದಿಸಿಕೊಳ್ಳುತ್ತದೆ; ಅದರಲ್ಲಿ, ಜವಾಬ್ದಾರಿಯುತ ಕ್ರಮವೆನಿಸಿದಾಗ ಕೆಲಸವನ್ನು ಮಾನವ ಪರಿಶೀಲನೆಗೆ ಕಳುಹಿಸುವುದೂ ಸೇರಿದೆ.

ಸ್ವಯಂಚಾಲಿತ ಟ್ರಿಯಾಜ್ ವ್ಯವಸ್ಥೆಯಿಂದ ಕೆಲಸಗಳು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಪೂರ್ಣಗೊಳ್ಳುತ್ತಿವೆ (ಮತ್ತು ಅವುಗಳ ಪ್ರಮಾಣವೂ ಹೆಚ್ಚಿದೆ). Block ನ ಭದ್ರತಾ ತಂಡವು ಟ್ರಿಯಾಜ್ ಥ್ರೂಪುಟ್‌ನಲ್ಲಿ 50% ಹೆಚ್ಚಳ, ಇಂಟೆಲಿಜೆನ್ಸ್ ಸಂಗ್ರಹಣೆ ಮತ್ತು ತನಿಖೆಗಳಲ್ಲಿ 50% ಹೆಚ್ಚಳ, ಜೊತೆಗೆ ಸಂಪೂರ್ಣ ಹೊಸ ಸ್ವಾಯತ್ತ ಬೆದರಿಕೆ-ಹಂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯವನ್ನು ಕಂಡಿದೆ. ನೆಟ್ಟೆಶೈಮ್ ಹೇಳುತ್ತಾರೆ, “ಪ್ರತಿ ತ್ರೈಮಾಸಿಕದಲ್ಲಿ ಇದು ~1,100 ವಿಶ್ಲೇಷಕ-ಗಂಟೆಗಳ ತನಿಖಾ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ; ಏಕೆಂದರೆ ಈಗ ಪ್ರತಿಯೊಂದು ಎಚ್ಚರಿಕೆಯನ್ನೂ ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಎಲ್ಲ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಸಂಪೂರ್ಣವಾಗಿ, ಆಳವಾಗಿ ತನಿಖೆ ಮಾಡಲಾಗುತ್ತದೆ. ಆ ದಿನ ನಮಗಿರುವ ಏಕೈಕ ಎಚ್ಚರಿಕೆಯೇನೋ ಎಂಬಂತೆ ನಮ್ಮ ವ್ಯವಸ್ಥೆಯು ಪ್ರತಿಯೊಂದು ಎಚ್ಚರಿಕೆಯನ್ನೂ ನಿರ್ವಹಿಸುತ್ತದೆ.”

ಸಾಂಪ್ರದಾಯಿಕ ಸ್ಕ್ಯಾನಿಂಗ್ ಉಪಕರಣಗಳು ಒಂದೇ ದುರ್ಬಲತೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸುತ್ತವೆ, ಆದರೆ Daybreak ಬಳಸಿ Block‌ನ ಭದ್ರತಾ ತಂಡ ಇನ್ನೂ ಬಹಳ ಮುಂದೆ ಹೋಗಬಹುದು. ಮಾಡೆಲ್ ದಾಳಿಯ ಮಾದರಿಗಳ ಕುರಿತು ಊಹೆಗಳನ್ನು ರೂಪಿಸಲು ಮತ್ತು ದಾಳಿಗಳ ಸರಣಿಯನ್ನು ಜೋಡಿಸಿ ವ್ಯವಸ್ಥೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ವಶಪಡಿಸಿಕೊಳ್ಳುವ ಆರಂಭದಿಂದ ಅಂತ್ಯದವರೆಗಿನ ಮಾರ್ಗವನ್ನು ರೂಪಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಇದರಿಂದ ವರ್ಷಗಳಿಂದ ಅಸ್ತಿತ್ವದಲ್ಲಿರಬಹುದಾದ ದುರ್ಬಲತೆಗಳು ಪತ್ತೆಯಾಗುತ್ತವೆ.

ಒಂದು ಸಂದರ್ಭದಲ್ಲಿ, ಒಂದೇ ಲ್ಯಾಪ್‌ಟಾಪ್‌ನಲ್ಲಿನ ಎಚ್ಚರಿಕೆಯು ಪ್ರತ್ಯೇಕವಾಗಿ ನೋಡಿದಾಗ ಸಣ್ಣ ನೀತಿ ಸಮಸ್ಯೆಯಂತೆ ಕಂಡಿತು. ಆದರೆ ಸಹಪರಿಶೀಲನೆಯ ಸಮಯದಲ್ಲಿ, ಸಾಕ್ಷ್ಯದಲ್ಲಿ ಕೇವಲ ಆಕಸ್ಮಿಕವಾಗಿ ಕಾಣಿಸಿಕೊಂಡ ಸೂಚಕವನ್ನು ಮಾಡೆಲ್ ಅನುಸರಿಸಿ, ಅದನ್ನು Block‌ನ ಗುರುತು ಲಾಗ್‌ಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ, ಇನ್ನೂ ದೊಡ್ಡ ಸಮಸ್ಯೆಗಳ ಗುಂಪನ್ನು ಪತ್ತೆಹಚ್ಚಿತು. “ಒಂದು ಸಾಮಾನ್ಯ ಎಂಡ್‌ಪಾಯಿಂಟ್ ಎಚ್ಚರಿಕೆಯೇ ಅಭಿಯಾನದ ಪತನಕ್ಕೆ ಕಾರಣವಾಯಿತು. ಆ ಹೋಲಿಕೆಯನ್ನು ಮಾಡುವ ಒಂದೇ ಒಂದು ಸಾಧನವಿಲ್ಲ. ಎರಡು ಉತ್ಪನ್ನಗಳ ಲಾಗ್‌ಗಳನ್ನು ಒಟ್ಟಿಗೆ ನೋಡಿದಾಗ ಮಾತ್ರ ಆ ಸಂಕೇತ ಕಾಣಿಸುತ್ತದೆ,” ಎಂದು ಜೇಮ್ಸ್ ಹೇಳುತ್ತಾರೆ.

ಇತ್ತೀಚಿನ ರೆಡ್ ಟೀಮ್ ಅಭ್ಯಾಸವೊಂದರಲ್ಲಿಯೂ Daybreak ಸಹಾಯ ಮಾಡಿತು. ಆಂತರಿಕ ವ್ಯವಸ್ಥೆಯ ಕುರಿತು ಮಾಡೆಲ್‌ಗೆ ಕೆಲವು ಸುಳಿವುಗಳನ್ನು ನೀಡಲಾಯಿತು; ಅದು ಅವುಗಳನ್ನು ಜೋಡಿಸಿ, ಸುಮಾರು ಎರಡು ಗಂಟೆಗಳಲ್ಲಿ ಸಂಪೂರ್ಣ ದಾಳಿಯ ಮಾರ್ಗವನ್ನು ರೂಪಿಸಿತು—SQL ಇಂಜೆಕ್ಷನ್, ಸವಲತ್ತುಗಳ ಹೆಚ್ಚಳ, ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ನೆಲೆಯೂರಿಕೆ, ರುಜುವಾತುಗಳ ಪತ್ತೆ ಮತ್ತು ಇತರ ವ್ಯವಸ್ಥೆಗಳತ್ತ ಚಲನೆ. ಸಾಮಾನ್ಯವಾಗಿ ಇದನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಮಾನವ ರೆಡ್ ಟೀಮರ್‌ಗೆ ಹಲವು ದಿನಗಳು ಬೇಕಾಗುತ್ತವೆ. ಇತ್ತೀಚಿನ ರೆಡ್ ಟೀಮ್ ಅಭ್ಯಾಸಗಳಲ್ಲಿ, ಉನ್ನತ ಮಟ್ಟದ ದುರ್ಬಲತೆಯನ್ನು ಸಲ್ಲಿಸಿದ ಕ್ಷಣದಿಂದ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪ್ಯಾಚ್ ಪ್ರಸ್ತಾಪಿಸುವವರೆಗೆ ತೆಗೆದುಕೊಂಡ ಸಮಯ 18 ನಿಮಿಷಗಳಾಗಿತ್ತು.

ದುರ್ಬಲತೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದರ ಮೌಲ್ಯವು ಅವುಗಳನ್ನು ಸರಿಪಡಿಸುವ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿರುತ್ತದೆ. ತನ್ನ ತಂಡವು ಪತ್ತೆಹಚ್ಚಿದ ಪ್ರತಿಯೊಂದು ಸಮಸ್ಯೆಯಲ್ಲೂ ಅನುಸರಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೆಟ್ಟೆಶೈಮ್ ವಿವರಿಸುತ್ತಾರೆ: ಕೋಡ್‌ನಲ್ಲಿ ಸಮಸ್ಯೆ ಎಲ್ಲಿದೆ ಎಂದು ಕಂಡುಹಿಡಿದು, ಅದರ ಜವಾಬ್ದಾರಿ ಯಾರ ಮೇಲಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಿ, ನಂತರ ಅದನ್ನು ಸರಿಪಡಿಸುವ ಹಂತಕ್ಕೆ ಸಾಗುವುದು. “ನೀವು ಒಂದು ಪ್ಯಾಚ್ ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತೀರಿ, ಅದನ್ನು ದುರುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವೇ ಎಂಬುದನ್ನು ದೃಢಪಡಿಸುತ್ತೀರಿ, ನಂತರ ಮಾನವನ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ಕೋಡ್ ಬದಲಾವಣೆಗಳನ್ನು ನಿಯೋಜಿಸುವ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ಅದನ್ನು ಸರಿಪಡಿಸಿದ್ದೀರಿ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತೀರಿ.”

ಏಜೆಂಟ್‌ಗಳು ತಾಂತ್ರಿಕವಾಗಿ ಸಮರ್ಥವಾಗಿದ್ದರೂ, ಅವುಗಳಿಗೆ ಸಂಸ್ಥೆಯ ಸಂದರ್ಭದ ಅರಿವಾಗಲಿ, ಹಿಂದಿನ ನಿರ್ಧಾರಗಳ ಹಿಂದಿನ ರೀಜನಿಂಗ್ ಆಗಲಿ ಇರುವುದಿಲ್ಲ. ಒಬ್ಬ ವ್ಯಕ್ತಿ ಆ ಸಂದರ್ಭ ಮತ್ತು ಕಾರ್ಯತಂತ್ರವನ್ನು ಒದಗಿಸುತ್ತಾರೆ. ಇಲ್ಲಿಯೇ ಅವರ ತಂಡವು ಮಾನವ ಪರಿಶೀಲನೆಯ ಹಂತವನ್ನು ಒದಗಿಸಲು ನೆರವಾಗುತ್ತದೆ. AI ಯ ನಿರ್ಣಯ ಸಾಮರ್ಥ್ಯವು ಪ್ರಾಯೋಗಿಕ ಬಳಕೆಯಲ್ಲಿ ಸಾಬೀತಾಗುತ್ತಾ ಹೋದಂತೆ, “ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮವಾದ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಅದನ್ನು ಬಳಸಲು ನಾವು ಕ್ರಮೇಣ ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಹೆಚ್ಚಿಸುತ್ತೇವೆ” ಎಂದು ನೆಟ್ಟೆಶೈಮ್ ಹೇಳುತ್ತಾರೆ.

• ಏಳು ತಿಂಗಳ ಟೆಲಿಮೆಟ್ರಿ ಡೇಟಾದ ವಿರುದ್ಧ ಪ್ರಸ್ತಾಪಿತ ಪತ್ತೆ ಬದಲಾವಣೆಯನ್ನು ಮರುಚಾಲನೆ ಮಾಡಲು ಒಂದು ಗಂಟೆಗಿಂತ ಕಡಿಮೆ ಸಮಯ.

• ಇತ್ತೀಚಿನ ರೆಡ್ ಟೀಮ್ ಅಭ್ಯಾಸಗಳಲ್ಲಿ ಹೈ-ಲೆವೆಲ್ ದುರ್ಬಲತೆಯನ್ನು ಸಲ್ಲಿಸಿದಾಗಿನಿಂದ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪ್ಯಾಚ್ ಪ್ರಸ್ತಾಪವಾಗುವವರೆಗೆ 18 ನಿಮಿಷಗಳು.

• ತಪ್ಪು-ಧನಾತ್ಮಕ ಪ್ರಕರಣಗಳ ಪರಿಶೀಲನೆಯಿಂದ ಪ್ರತಿ ತ್ರೈಮಾಸಿಕಕ್ಕೆ ಸುಮಾರು 600 ವಿಶ್ಲೇಷಕ-ಗಂಟೆಗಳು ಮರಳಿ ಲಭ್ಯವಾಗುತ್ತವೆ.

• ಪ್ರತಿ ತ್ರೈಮಾಸಿಕದಲ್ಲಿ ಸುಮಾರು 1,100 ವಿಶ್ಲೇಷಕ-ಗಂಟೆಗಳ ತನಿಖಾ ಕಾರ್ಯ ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ.

• ಟ್ರಯಾಜ್ ಥ್ರೂಪುಟ್‌ನಲ್ಲಿ 50% ಹೆಚ್ಚಳ.

• ಇಂಟೆಲಿಜೆನ್ಸ್ ಸಂಗ್ರಹಣೆ ಮತ್ತು ತನಿಖೆಗಳಲ್ಲಿ 50% ಹೆಚ್ಚಳ.

ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ಕಾರ್ಯದಿಂದಲೇ, ತಪ್ಪು-ಧನಾತ್ಮಕ ಪ್ರಕರಣಗಳ ಪರಿಶೀಲನೆಗೆ ಹಿಂದೆ ಬಳಸುತ್ತಿದ್ದ ಪ್ರತಿ ತ್ರೈಮಾಸಿಕದ ಸುಮಾರು 600 ವಿಶ್ಲೇಷಕ-ಗಂಟೆಗಳು ಮರಳಿ ಲಭ್ಯವಾಗಿವೆ. ಆ ಸಮಯ ಮರಳಿ ಸಿಕ್ಕಿರುವುದರಿಂದ, ತಂಡವು ಈಗ ಹೆಚ್ಚು ಆಳವಾದ ತನಿಖೆಗಳಿಗೆ ಮತ್ತು ಇನ್ನಷ್ಟು ಸ್ವಯಂಚಾಲನೆಯನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ನಿರ್ಮಿಸಲು ಹೆಚ್ಚು ಸಮಯವನ್ನು ವ್ಯಯಿಸುತ್ತದೆ.

ದಾಳಿಗಳ ವೇಗ ಹೆಚ್ಚುತ್ತಿರುವಂತೆ ಮತ್ತು AI ಮಾಡೆಲ್‌ಗಳು ನಿರಂತರವಾಗಿ ಸುಧಾರಿಸುತ್ತಿರುವಂತೆ, ಆರಂಭದಲ್ಲೇ ಪರಿಚಯವಾಗುವ ದುರ್ಬಲತೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಅವಕಾಶವಿದೆ ಎಂದು ನೆಟ್ಟೆಶೈಮ್ ಅವರು ಕಾಣುತ್ತಾರೆ. ಇದರಿಂದ ಭದ್ರತಾ ತಂಡಗಳು ಪ್ಯಾಚ್‌ಗಳನ್ನು ಅನ್ವಯಿಸಲು ಕಡಿಮೆ ಸಮಯ ಕಳೆದು, ತಡೆಗಟ್ಟುವಿಕೆ ಮತ್ತು ಕಾರ್ಯತಂತ್ರದ ಕೆಲಸಗಳಿಗೆ ಹೆಚ್ಚು ಸಮಯ ಮೀಸಲಿಡಬಹುದು.

“ಈ ಸುಧಾರಿತ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಎಲ್ಲರಿಗೂ ಒದಗಿಸುವ ಮೂಲಕ OpenAI ರಕ್ಷಣಾ ತಂಡಗಳ ಕಡೆಗೆ ಮೇಲುಗೈಯನ್ನು ವರ್ಗಾಯಿಸುತ್ತಿದೆ,” ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. “ಸಾಮಾನ್ಯವಾಗಿ, ಇವು ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಗಳು ಮತ್ತು ಸರ್ಕಾರಗಳ ಕೈಯಲ್ಲಿ ಮಾತ್ರ ಇದ್ದವು. ಆದರೆ ನಿರ್ಣಾಯಕ ಮೂಲಸೌಕರ್ಯ, ಶಾಲೆಗಳು ಮತ್ತು ಸಣ್ಣ ವ್ಯವಹಾರಗಳು ಸೇರಿದಂತೆ ಎಲ್ಲರೂ ಈಗ ತಮ್ಮ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ರಕ್ಷಿಸಲು ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಲು ಆರಂಭಿಸಬಹುದು.”