ಇಂದು, ನಾವು GPT‑5 ನಿಂದ ನಡೆಸಲ್ಪಡುವ ಏಜೆಂಟ್ ಭದ್ರತಾ ಸಂಶೋಧಕ ಆರ್ಡ್ವಾರ್ಕ್ ಅನ್ನು ಘೋಷಿಸುತ್ತಿದ್ದೇವೆ.
ಸಾಫ್ಟ್ವೇರ್ ಭದ್ರತೆಯು ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ—ಮತ್ತು ಸವಾಲಿನ—ಗಡಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಪ್ರತಿ ವರ್ಷ, ಎಂಟರ್ಪ್ರೈಸ್ ಮತ್ತು ಓಪನ್-ಸೋರ್ಸ್ ಕೋಡ್ಬೇಸ್ಗಳಲ್ಲಿ ಹತ್ತಾರು ಸಾವಿರ ಹೊಸ ದುರ್ಬಲತೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗುತ್ತದೆ. ರಕ್ಷಕರು ತಮ್ಮ ಎದುರಾಳಿಗಳು ಮಾಡುವ ಮೊದಲು ದುರ್ಬಲತೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವ ಮತ್ತು ಪ್ಯಾಚ್ ಮಾಡುವ ಬೆದರಿಸುವ ಕಾರ್ಯಗಳನ್ನು ಎದುರಿಸುತ್ತಾರೆ. OpenAI ನಲ್ಲಿ, ನಾವು ರಕ್ಷಕರ ಪರವಾಗಿ ಆ ಸಮತೋಲನವನ್ನು ಹೆಚ್ಚಿಸಲು ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇವೆ.
ಆರ್ಡ್ವಾರ್ಕ್ AI ಮತ್ತು ಭದ್ರತಾ ಸಂಶೋಧನೆಯಲ್ಲಿ ಒಂದು ಪ್ರಗತಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ: ಡೆವಲಪರ್ಗಳು ಮತ್ತು ಭದ್ರತಾ ತಂಡಗಳು ಪ್ರಮಾಣದಲ್ಲಿ ಭದ್ರತಾ ದುರ್ಬಲತೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮತ್ತು ಸರಿಪಡಿಸಲು ಸಹಾಯ ಮಾಡುವ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್. ಕ್ಷೇತ್ರದಲ್ಲಿ ತನ್ನ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ಮತ್ತು ಪರಿಷ್ಕರಿಸಲು ಆರ್ಡ್ವಾರ್ಕ್ ಈಗ ಖಾಸಗಿ ಬೀಟಾದಲ್ಲಿ ಲಭ್ಯವಿದೆ.
ಆರ್ಡ್ವಾರ್ಕ್ ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಲು, ಶೋಷಣೆಯನ್ನು ನಿರ್ಣಯಿಸಲು, ತೀವ್ರತೆಯನ್ನು ಆದ್ಯತೆ ನೀಡಲು ಮತ್ತು ಗುರಿ ಪ್ಯಾಚ್ಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲು ಸೋರ್ಸ್ ಕೋಡ್ ರೆಪೊಸಿಟರಿಗಳನ್ನು ನಿರಂತರವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ.
ಕೋಡ್ಬೇಸ್ಗಳಿಗೆ ಕಮಿಟ್ಗಳು ಮತ್ತು ಬದಲಾವಣೆಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಮೂಲಕ, ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ, ಅವುಗಳನ್ನು ಹೇಗೆ ಬಳಸಿಕೊಳ್ಳಬಹುದು ಮತ್ತು ಪರಿಹಾರಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸುವ ಮೂಲಕ ಆರ್ಡ್ವಾರ್ಕ್ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಆರ್ಡ್ವರ್ಕ್ ಫಜಿಂಗ್ ಅಥವಾ ಸಾಫ್ಟ್ವೇರ್ ಸಂಯೋಜನೆ ವಿಶ್ಲೇಷಣೆಯಂತಹ ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರೋಗ್ರಾಂ ವಿಶ್ಲೇಷಣಾ ತಂತ್ರಗಳನ್ನು ಅವಲಂಬಿಸಿಲ್ಲ. ಬದಲಾಗಿ, ಕೋಡ್ ನಡವಳಿಕೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಲು ಇದು LLM-ಚಾಲಿತ ತಾರ್ಕಿಕತೆ ಮತ್ತು ಪರಿಕರ-ಬಳಕೆಯನ್ನು ಬಳಸುತ್ತದೆ. ಮಾನವ ಭದ್ರತಾ ಸಂಶೋಧಕನಂತೆ ಆರ್ಡ್ವರ್ಕ್ ದೋಷಗಳನ್ನು ಹುಡುಕುತ್ತದೆ: ಕೋಡ್ ಅನ್ನು ಓದುವುದು, ವಿಶ್ಲೇಷಿಸುವುದು, ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುವುದು ಮತ್ತು ಚಲಾಯಿಸುವುದು, ಪರಿಕರಗಳನ್ನು ಬಳಸುವುದು ಮತ್ತು ಇನ್ನೂ ಹೆಚ್ಚಿನವುಗಳ ಮೂಲಕ.
ಆರ್ಡ್ವರ್ಕ್ ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಲು, ವಿವರಿಸಲು ಮತ್ತು ಸರಿಪಡಿಸಲು ಬಹು-ಹಂತದ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಅವಲಂಬಿಸಿದೆ:
- ವಿಶ್ಲೇಷಣೆ: ಪ್ರಾಜೆಕ್ಟ್ನ ಭದ್ರತಾ ಉದ್ದೇಶಗಳು ಮತ್ತು ವಿನ್ಯಾಸದ ಬಗ್ಗೆ ಅದರ ತಿಳುವಳಿಕೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಬೆದರಿಕೆ ಮಾಡೆಲ್ ಅನ್ನು ಉತ್ಪಾದಿಸಲು ಪೂರ್ಣ ರೆಪೊಸಿಟರಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಇದು ಪ್ರಾರಂಭವಾಗುತ್ತದೆ.
- ಕಮಿಟ್ ಸ್ಕ್ಯಾನಿಂಗ್: ಹೊಸ ಕೋಡ್ ಬದ್ಧವಾಗುತ್ತಿದ್ದಂತೆ ಸಂಪೂರ್ಣ ರೆಪೊಸಿಟರಿ ಮತ್ತು ಬೆದರಿಕೆ ಮಾದರಿಯ ವಿರುದ್ಧ ಕಮಿಟ್-ಲೆವೆಲ್ ಬದಲಾವಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ಇದು ದುರ್ಬಲತೆಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ. ರೆಪೊಸಿಟರಿಯನ್ನು ಮೊದಲು ಸಂಪರ್ಕಿಸಿದಾಗ, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಮಸ್ಯೆಗಳನ್ನು ಗುರುತಿಸಲು ಆರ್ಡ್ವರ್ಕ್ ಅದರ ಇತಿಹಾಸವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ. ಆರ್ಡ್ವರ್ಕ್ ಹಂತ ಹಂತವಾಗಿ ಕಂಡುಕೊಳ್ಳುವ ದುರ್ಬಲತೆಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ, ಮಾನವ ಪರಿಶೀಲನೆಗಾಗಿ ಕೋಡ್ ಅನ್ನು ಟಿಪ್ಪಣಿ ಮಾಡುತ್ತದೆ.
- ಮೌಲ್ಯೀಕರಣ: ಆರ್ಡ್ವರ್ಕ್ ಸಂಭಾವ್ಯ ದುರ್ಬಲತೆಯನ್ನು ಗುರುತಿಸಿದ ನಂತರ, ಅದರ ಶೋಷಣೆಯನ್ನು ದೃಢೀಕರಿಸಲು ಪ್ರತ್ಯೇಕವಾದ, ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ಡ್ ಪರಿಸರದಲ್ಲಿ ಅದನ್ನು ಪ್ರಚೋದಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ. ನಿಖರ, ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಮತ್ತು ಕಡಿಮೆ ತಪ್ಪು-ಧನಾತ್ಮಕ ಒಳನೋಟಗಳನ್ನು ಬಳಕೆದಾರರಿಗೆ ಹಿಂತಿರುಗಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ತೆಗೆದುಕೊಂಡ ಕ್ರಮಗಳನ್ನು ಆರ್ಡ್ವರ್ಕ್ ವಿವರಿಸುತ್ತದೆ.
- ಪ್ಯಾಚಿಂಗ್: ಆರ್ಡ್ವರ್ಕ್ ತಾನು ಕಂಡುಕೊಳ್ಳುವ ದುರ್ಬಲತೆಗಳನ್ನು ಸರಿಪಡಿಸಲು ಸಹಾಯ ಮಾಡಲು OpenAI ಕೋಡೆಕ್ಸ್ನೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ. ಇದು ಮಾನವ ಪರಿಶೀಲನೆ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ, ಒಂದು-ಕ್ಲಿಕ್ ಪ್ಯಾಚಿಂಗ್ಗಾಗಿ ಪ್ರತಿ ಶೋಧನೆಗೆ ಕೋಡೆಕ್ಸ್-ರಚಿತ ಮತ್ತು ಆರ್ಡ್ವರ್ಕ್-ಸ್ಕ್ಯಾನ್ ಮಾಡಿದ ಪ್ಯಾಚ್ ಅನ್ನು ಲಗತ್ತಿಸುತ್ತದೆ.
ಆರ್ಡ್ವರ್ಕ್ ಎಂಜಿನಿಯರ್ಗಳ ಜೊತೆಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಅಭಿವೃದ್ಧಿಯನ್ನು ನಿಧಾನಗೊಳಿಸದೆ ಸ್ಪಷ್ಟ, ಕಾರ್ಯಸಾಧ್ಯ ಒಳನೋಟಗಳನ್ನು ನೀಡಲು GitHub, ಕೋಡೆಕ್ಸ್ ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವರ್ಕ್ಫ್ಲೋಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ. ಆರ್ಡ್ವರ್ಕ್ ಅನ್ನು ಭದ್ರತೆಗಾಗಿ ನಿರ್ಮಿಸಲಾಗಿದ್ದರೂ, ನಮ್ಮ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಅದು ತರ್ಕ ನ್ಯೂನತೆಗಳು, ಅಪೂರ್ಣ ಪರಿಹಾರಗಳು ಮತ್ತು ಗೌಪ್ಯತೆ ಸಮಸ್ಯೆಗಳಂತಹ ದೋಷಗಳನ್ನು ಸಹ ಬಹಿರಂಗಪಡಿಸಬಹುದು ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ.
ಆರ್ಡ್ವರ್ಕ್ ಹಲವಾರು ತಿಂಗಳುಗಳಿಂದ ಸೇವೆಯಲ್ಲಿದೆ, OpenAI ನ ಆಂತರಿಕ ಕೋಡ್ಬೇಸ್ಗಳು ಮತ್ತು ಬಾಹ್ಯ ಆಲ್ಫಾ ಪಾಲುದಾರರಾದ್ಯಂತ ನಿರಂತರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ. OpenAI ಒಳಗೆ, ಇದು ಅರ್ಥಪೂರ್ಣ ದುರ್ಬಲತೆಗಳನ್ನು ಹೊರಹೊಮ್ಮಿಸಿದೆ ಮತ್ತು OpenAI ನ ರಕ್ಷಣಾತ್ಮಕ ಭಂಗಿಗೆ ಕೊಡುಗೆ ನೀಡಿದೆ. ಪಾಲುದಾರರು ಅದರ ವಿಶ್ಲೇಷಣೆಯ ಆಳವನ್ನು ಎತ್ತಿ ತೋರಿಸಿದ್ದಾರೆ, ಆರ್ಡ್ವರ್ಕ್ ಸಂಕೀರ್ಣ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮಾತ್ರ ಸಂಭವಿಸುವ ಸಮಸ್ಯೆಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದೆ.
“ಗೋಲ್ಡನ್” ರೆಪೊಸಿಟರಿಗಳ ಮೇಲಿನ ಮಾನದಂಡ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಆರ್ಡ್ವರ್ಕ್ ತಿಳಿದಿರುವ ಮತ್ತು ಕೃತಕವಾಗಿ ಪರಿಚಯಿಸಲಾದ 92% ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಿದೆ, ಇದು ಹೆಚ್ಚಿನ ಮರುಸ್ಥಾಪನೆ ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.
ಆರ್ಡ್ವರ್ಕ್ ಅನ್ನು ಓಪನ್-ಸೋರ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್ಗಳಿಗೂ ಅನ್ವಯಿಸಲಾಗಿದೆ, ಅಲ್ಲಿ ಅದು ಕಂಡುಹಿಡಿದಿದೆ ಮತ್ತು ನಾವು ಹಲವಾರು ದುರ್ಬಲತೆಗಳನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ಬಹಿರಂಗಪಡಿಸಿದ್ದೇವೆ—ಅವುಗಳಲ್ಲಿ ಹತ್ತು ಸಾಮಾನ್ಯ ದುರ್ಬಲತೆಗಳು ಮತ್ತು ಮಾನ್ಯತೆಗಳು (CVE) ಗುರುತಿಸುವಿಕೆಗಳನ್ನು ಸ್ವೀಕರಿಸಿವೆ.
ದಶಕಗಳ ಮುಕ್ತ ಸಂಶೋಧನೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯ ಫಲಾನುಭವಿಗಳಾಗಿ, ನಾವು ಹಿಂತಿರುಗಿಸಲು ಬದ್ಧರಾಗಿದ್ದೇವೆ—ಎಲ್ಲರಿಗೂ ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುರಕ್ಷಿತವಾಗಿಸುವ ಕೊಡುಗೆ ನೀಡುವ ಪರಿಕರಗಳು ಮತ್ತು ಸಂಶೋಧನೆಗಳು. ಓಪನ್ ಸೋರ್ಸ್ ಸಾಫ್ಟ್ವೇರ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆ ಮತ್ತು ಪೂರೈಕೆ ಸರಪಳಿಯ ಸುರಕ್ಷತೆಗೆ ಕೊಡುಗೆ ನೀಡಲು ನಾವು ವಾಣಿಜ್ಯೇತರ ಓಪನ್ ಸೋರ್ಸ್ ರೆಪೊಸಿಟರಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಪ್ರೊ-ಬೊನೊ ಸ್ಕ್ಯಾನಿಂಗ್ ನೀಡಲು ಪ್ಲಾನ್ ಮಾಡಿದ್ದೇವೆ.
ನಾವು ಇತ್ತೀಚೆಗೆ ನಮ್ಮ ಹೊರಹೋಗುವ ಸಂಯೋಜಿತ ಬಹಿರಂಗಪಡಿಸುವಿಕೆ ನೀತಿಯನ್ನು ನವೀಕರಿಸಿದ್ದೇವೆ ಇದು ಡೆವಲಪರ್ಗಳ ಮೇಲೆ ಒತ್ತಡ ಹೇರುವ ಕಠಿಣ ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯ ಸಮಯರೇಖೆಗಳಿಗಿಂತ ಸಹಯೋಗ ಮತ್ತು ಸ್ಕೇಲೆಬಲ್ ಪ್ರಭಾವದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ ಡೆವಲಪರ್ ಸ್ನೇಹಿ ನಿಲುವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಆರ್ಡ್ವರ್ಕ್ನಂತಹ ಪರಿಕರಗಳು ಹೆಚ್ಚುತ್ತಿರುವ ಸಂಖ್ಯೆಯ ದೋಷಗಳ ಆವಿಷ್ಕಾರಕ್ಕೆ ಕಾರಣವಾಗುತ್ತವೆ ಎಂದು ನಾವು ನಿರೀಕ್ಷಿಸುತ್ತೇವೆ ಮತ್ತು ದೀರ್ಘಕಾಲೀನ ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವವನ್ನು ಸಾಧಿಸಲು ಸುಸ್ಥಿರವಾಗಿ ಸಹಕರಿಸಲು ಬಯಸುತ್ತೇವೆ.
ಸಾಫ್ಟ್ವೇರ್ ಈಗ ಪ್ರತಿಯೊಂದು ಉದ್ಯಮದ ಬೆನ್ನೆಲುಬಾಗಿದೆ—ಅಂದರೆ ಸಾಫ್ಟ್ವೇರ್ ದುರ್ಬಲತೆಗಳು ವ್ಯವಹಾರಗಳು, ಮೂಲಸೌಕರ್ಯ ಮತ್ತು ಸಮಾಜಕ್ಕೆ ವ್ಯವಸ್ಥಿತ ಅಪಾಯವಾಗಿದೆ. 2024 ರಲ್ಲಿ ಮಾತ್ರ 40,000 ಕ್ಕೂ ಹೆಚ್ಚು CVE ಗಳು ವರದಿಯಾಗಿವೆ. ನಮ್ಮ ಪರೀಕ್ಷೆಯು ಸುಮಾರು 1.2% ಕಮಿಟ್ಗಳು ದೋಷಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತವೆ ಎಂದು ತೋರಿಸುತ್ತದೆ—ಇದು ದೊಡ್ಡ ಪರಿಣಾಮಗಳನ್ನು ಬೀರುವ ಸಣ್ಣ ಬದಲಾವಣೆಗಳು.
ಆರ್ಡ್ವರ್ಕ್ ಹೊಸ ರಕ್ಷಕ-ಮೊದಲ ಮಾಡೆಲ್ ಅನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ: ಕೋಡ್ ವಿಕಸನಗೊಳ್ಳುತ್ತಿದ್ದಂತೆ ನಿರಂತರ ರಕ್ಷಣೆ ನೀಡುವ ಮೂಲಕ ತಂಡಗಳೊಂದಿಗೆ ಪಾಲುದಾರಿಕೆ ಹೊಂದಿರುವ ಏಜೆಂಟ್ ಭದ್ರತಾ ಸಂಶೋಧಕ. ದುರ್ಬಲತೆಗಳನ್ನು ಮೊದಲೇ ಪತ್ತೆಹಚ್ಚುವ ಮೂಲಕ, ನೈಜ-ಪ್ರಪಂಚದ ಶೋಷಣೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸುವ ಮೂಲಕ ಮತ್ತು ಸ್ಪಷ್ಟ ಪರಿಹಾರಗಳನ್ನು ನೀಡುವ ಮೂಲಕ, ಆರ್ಡ್ವರ್ಕ್ ನಾವೀನ್ಯತೆಯನ್ನು ನಿಧಾನಗೊಳಿಸದೆ ಭದ್ರತೆಯನ್ನು ಬಲಪಡಿಸಬಹುದು. ಭದ್ರತಾ ಪರಿಣತಿಗೆ ಪ್ರವೇಶವನ್ನು ವಿಸ್ತರಿಸುವಲ್ಲಿ ನಾವು ನಂಬುತ್ತೇವೆ. ನಾವು ಖಾಸಗಿ ಬೀಟಾದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸುತ್ತಿದ್ದೇವೆ ಮತ್ತು ನಾವು ಕಲಿತಂತೆ ಲಭ್ಯತೆಯನ್ನು ವಿಸ್ತರಿಸುತ್ತೇವೆ.
ಆಡ್ವರ್ಕ್ ಖಾಸಗಿ ಬೀಟಾಗೆ ಸೇರಲು ನಾವು ಆಯ್ದ ಪಾಲುದಾರರನ್ನು ಆಹ್ವಾನಿಸುತ್ತಿದ್ದೇವೆ. ಭಾಗವಹಿಸುವವರು ಆರಂಭಿಕ ಪ್ರವೇಶವನ್ನು ಪಡೆಯುತ್ತಾರೆ ಮತ್ತು ಪತ್ತೆ ನಿಖರತೆ, ಮೌಲ್ಯೀಕರಣ ಕಾರ್ಯಪ್ರವಾಹಗಳು ಮತ್ತು ವರದಿ ಮಾಡುವ ಅನುಭವವನ್ನು ಪರಿಷ್ಕರಿಸಲು ನಮ್ಮ ತಂಡದೊಂದಿಗೆ ನೇರವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಾರೆ.
ನಾವು ವಿವಿಧ ಪರಿಸರಗಳಲ್ಲಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ನೋಡುತ್ತಿದ್ದೇವೆ. ನಿಮ್ಮ ಸಂಸ್ಥೆ ಅಥವಾ ಓಪನ್-ಸೋರ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್ ಸೇರಲು ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೆ, ನೀವು ಇಲ್ಲಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಬಹುದು.
ಲೇಖಕ
ಕೊಡುಗೆದಾರರು
Akshay Bhat, Andy Nguyen, Dave Aitel, Harold Nguyen, Ian Brelinsky, Tiffany Citra, Xin Hu, Matt Knight


