Cogent, OpenAI: സ്ഥാപനങ്ങൾക്ക് സൈബർ പ്രതിരോധ ഫാക്ടറികൾ
OpenAI മോഡലുകളും സ്ഥാപനത്തിന്റെ പശ്ചാത്തല വിവരങ്ങളും ചേർത്ത്, ഏജന്റുകൾ വഴി സുരക്ഷാ ദൗർബല്യങ്ങൾ സ്വയം പരിഹരിക്കാൻ Cogent സഹായിക്കുന്നു.

75%
സുരക്ഷാ ദൗർബല്യങ്ങൾ പരിഹരിക്കാനുള്ള ശരാശരി സമയത്തിൽ കുറവ്
5 മടങ്ങ്
കൂടുതൽ സുരക്ഷാ ദൗർബല്യങ്ങൾ വിലയിരുത്തി മുൻഗണന നിശ്ചയിച്ചു
സ്ഥാപനങ്ങൾ മുമ്പെന്നത്തേക്കാളും കൂടുതൽ സുരക്ഷാ അപകടസാധ്യതകൾ നേരിടുന്നതായി Cogent Security(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണുന്നു. സുരക്ഷാ ദൗർബല്യങ്ങൾ കണ്ടെത്തുന്നതല്ല, അവ പരിഹരിക്കുന്നതാണ് ഏറ്റവും പ്രയാസകരമെന്ന് കമ്പനി മനസ്സിലാക്കിയിട്ടുണ്ട്. പരിഹാര പ്രവർത്തനങ്ങൾ സങ്കീർണവും ഒന്നിലധികം ടീമുകളുടെ പങ്കാളിത്തം ആവശ്യപ്പെടുന്നതുമാണ്. അതിന് കമ്പനിയുടെ പ്രവർത്തനപരിസരത്തെക്കുറിച്ചുള്ള ധാരണ ആവശ്യമാണ്: ഒരു ആക്രമണകാരിക്ക് സുരക്ഷാ ദൗർബല്യം എങ്ങനെ ചൂഷണം ചെയ്യാനാകും, ഏതൊക്കെ ബിസിനസ് സംവിധാനങ്ങളാണ് അപകടത്തിലാകുന്നത്, എന്തൊക്കെ മാറ്റങ്ങളാണ് സുരക്ഷിതമായി വരുത്താനാകുക എന്നിവ മനസ്സിലാക്കണം.
അത്തരം അപകടസാധ്യതകൾ സ്വയം കണ്ടെത്തി ഇല്ലാതാക്കാൻ സ്ഥാപനങ്ങൾക്കായി Cogent സൈബർ പ്രതിരോധ ഫാക്ടറികൾ നിർമിക്കുന്നു. സുരക്ഷാ ദൗർബല്യങ്ങൾ കണ്ടെത്തുന്നതിനും ചൂഷണം ചെയ്യുന്നതിനും വേഗമേറുന്ന സാഹചര്യത്തിൽ, പ്രതിരോധകർക്ക് യന്ത്രവേഗത്തിൽ പ്രവർത്തിക്കാൻ സഹായിക്കുന്ന രീതിയിലാണ് ഈ ഫാക്ടറികൾ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്.
അന്വേഷണം മുതൽ പരിഹാരം ഉറപ്പാക്കുന്നതു വരെ കൈകാര്യം ചെയ്യാൻ കമ്പനിയുടെ AI ഏജന്റുകൾ GPT‑6.1 Sol, GPT‑5.6 എന്നിവയെ സ്ഥാപനത്തിന്റെ പശ്ചാത്തല വിവരങ്ങളുമായും നിയന്ത്രണങ്ങളുമായും സംയോജിപ്പിക്കുന്നു. ഏജന്റുകൾ ആക്രമണത്തിന് ഇരയാകാനുള്ള സാധ്യത വിലയിരുത്തുകയും അനുവദിച്ച മാറ്റങ്ങൾ നടപ്പാക്കുകയും അപകടസാധ്യത ഇല്ലാതായെന്ന് സ്ഥിരീകരിക്കുകയും ചെയ്യുന്നു. Cyber, Daybreak എന്നിവ ഉപയോഗിച്ച് ആക്രമണപാതകളും പ്രതിരോധശേഷികളും അന്വേഷിക്കുന്ന ആന്തരിക ഗവേഷണവും Cogent നടത്തുന്നു.
“ദീർഘനേരം നീളുന്ന ജോലികൾ തുടർന്നുകൊണ്ടുപോകാനുള്ള OpenAI മോഡലുകളുടെ കഴിവ് സ്ഥാപനങ്ങളുടെ പ്രതിരോധത്തിന് പുതിയൊരു തലത്തിലുള്ള സ്വയംപ്രവർത്തനശേഷി നൽകുന്നു: അന്വേഷണം മുതൽ പരിഹാരം ഉറപ്പാക്കുന്നതു വരെയുള്ള ജോലികൾ ഇപ്പോൾ AI ഏജന്റുകൾക്ക് നിർവഹിക്കാം.”

ഓരോ ഉപഭോക്താവിനും വേണ്ടി, ആസ്തികൾ, സുരക്ഷാ ദൗർബല്യങ്ങൾ, ഡിജിറ്റൽ തിരിച്ചറിയലുകൾ, ഉടമസ്ഥത, ആശ്രിതബന്ധങ്ങൾ എന്നിവ ഉൾക്കൊള്ളുന്ന സ്ഥാപനതല വിജ്ഞാന ഗ്രാഫ് Cogent-ന്റെ കോൺടെക്സ്റ്റ് എൻജിൻ പരിപാലിക്കുന്നു. പശ്ചാത്തലത്തിൽ പ്രവർത്തിക്കുന്ന പ്രത്യേക ഏജന്റുകൾ സുരക്ഷാ ഉപകരണങ്ങളിലും സംവിധാനങ്ങളിലുമുള്ള വിവരങ്ങൾ തുടർച്ചയായി ഒത്തുനോക്കി പൊരുത്തപ്പെടുത്തുന്നു. ഇതിലൂടെ അന്വേഷണത്തിനും പരിഹാരത്തിനുമുള്ള ഏജന്റുകൾക്ക് പ്രവർത്തനപരിസരത്തെക്കുറിച്ച് പൊതുവായൊരു ധാരണ ലഭിക്കുന്നു.
ആ ജോലിക്കുള്ള മുൻകൂർ ആസൂത്രണവും സങ്കീർണമായ റീസണിംഗും GPT‑6 Astra കൈകാര്യം ചെയ്യുന്നു. Cogent-ന്റെ സഹസ്ഥാപകനും മുഖ്യ സാങ്കേതിക ഉദ്യോഗസ്ഥനുമായ ഗെങ് സങ് “സ്ഥാപനത്തിനായുള്ള മെമ്മറി ഹാർനെസ്” എന്ന് വിശേഷിപ്പിക്കുന്നത് ഇതിലൂടെ സാധ്യമാകുന്നു. അദ്ദേഹം പറയുന്നു: “ഓരോ പുതിയ ജോലിയും വരുമ്പോൾ ചുറ്റുമുള്ള സംവിധാനങ്ങൾ എങ്ങനെയാണെന്ന് ഞങ്ങൾക്ക് വീണ്ടും പഠിക്കേണ്ടിവരുന്നില്ല.” പശ്ചാത്തല വിവരങ്ങൾ വീണ്ടും ഉപയോഗിക്കുന്നത് പ്രതികരണത്തിലെ കാലതാമസവും മോഡലിൽ നിന്ന് ഫലം ലഭിക്കാനുള്ള ചെലവും ഫലങ്ങളിലെ പൊരുത്തക്കേടുകളും കുറയ്ക്കുന്നു.
ഓരോ സ്ഥാപനത്തിലും അനുവദനീയമായ മാറ്റങ്ങളും അംഗീകാര നിബന്ധനകളും Cogent-ന്റെ ഏജന്റ് നയങ്ങൾ നിർവചിക്കുന്നു. നയങ്ങൾ നടപ്പാക്കുന്ന അതിന്റെ എൻജിനായ TRACE, ഉപകരണ വിളികൾ നിർവഹിക്കുന്നതിന് മുമ്പ് അവ നയങ്ങളുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് പരിശോധിക്കുന്നു. ഒരേ വ്യവസ്ഥകളിൽ ഒരേ ഫലം നൽകുന്ന ഈ പരിശോധനകൾക്ക് പ്രത്യേക മോഡൽ അനുമാനം ആവശ്യമില്ല.
ഒരു ഏജന്റ് ഗേറ്റ്വേ സ്വതന്ത്രമായി അനുമതി പരിശോധിക്കുന്നു. കൂടുതൽ അപകടസാധ്യതയുള്ള ജോലികൾ ഒറ്റപ്പെടുത്തിയ പരീക്ഷണപരിസരങ്ങളിൽ നടത്താം. ഉപഭോക്താക്കൾക്ക് അന്വേഷണം ഏജന്റുകളെ ഏൽപ്പിക്കാം, മാറ്റങ്ങൾക്ക് അംഗീകാരം നിർബന്ധമാക്കാം, അല്ലെങ്കിൽ നിശ്ചിത പരിധിക്കുള്ളിൽ സ്വയം പരിഹാരം നടപ്പാക്കാൻ അനുമതി നൽകാം.
വെബ്സൈറ്റുകൾ പ്രവർത്തിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന പ്രോഗ്രാമിംഗ് ഭാഷയായ PHP-യിൽ PHP2Shell എന്നറിയപ്പെടുന്ന ഗുരുതരമായ സുരക്ഷാ പിഴവുകൾ വെളിപ്പെടുത്തിയപ്പോൾ, ഉപഭോക്താക്കൾ തങ്ങളുടെ സംവിധാനങ്ങളിൽ Cogent നേരത്തേ വിന്യസിച്ചിരുന്ന സൈബർ പ്രതിരോധ ഫാക്ടറികളെ ആശ്രയിച്ചു.
അന്വേഷണത്തിനും പരിഹാരം ആസൂത്രണം ചെയ്യുന്നതിനും ആവശ്യമായ ആഴത്തിലുള്ള റീസണിംഗ് GPT‑6.1 Sol, GPT‑6 Astra എന്നിവ നൽകി. Cogent-ന്റെ പശ്ചാത്തല വിവര പാളി ഉപയോഗിച്ച് ഏജന്റുകൾ ബാധിക്കപ്പെട്ട സംവിധാനങ്ങൾ കണ്ടെത്തി, ആക്രമണത്തിന് ഇരയാകാനുള്ള സാധ്യത വിലയിരുത്തി, ആപ്ലിക്കേഷനുകളുടെ ആശ്രിതബന്ധങ്ങളും പ്രവർത്തനപരമായ പരിമിതികളും കണക്കിലെടുത്ത് പദ്ധതികൾ തയ്യാറാക്കി. തുടർന്ന് ഉപഭോക്താവ് നിർവചിച്ച അംഗീകാര, നിർവഹണ പ്രവർത്തനക്രമങ്ങൾ ഉപയോഗിച്ച് അവർ പരിഹാര നടപടികൾ ഏകോപിപ്പിക്കുകയും പ്രശ്നം പരിഹരിക്കപ്പെട്ടെന്ന് ഉറപ്പാക്കുകയും ചെയ്തു.
സുരക്ഷാ ദൗർബല്യങ്ങൾ കൂടുതൽ വേഗത്തിൽ പരിഹരിക്കാനും അന്വേഷണശേഷി വർധിപ്പിക്കാനും ഉപഭോക്താക്കൾ തങ്ങളുടെ സൈബർ പ്രതിരോധ ഫാക്ടറികൾ ഉപയോഗിക്കുന്നതായി Cogent റിപ്പോർട്ട് ചെയ്യുന്നു. Cogent ഉപയോഗിച്ച്, Fortune 1000 പട്ടികയിലുള്ള ഒരു വാഹനമേഖലാ ഉപഭോക്താവ് ഗുരുതരമായ സുരക്ഷാ ദൗർബല്യങ്ങൾ പരിഹരിക്കാനുള്ള ശരാശരി സമയം 75% കുറച്ചു. Fortune 500 പട്ടികയിലുള്ള ഒരു വിവരസാങ്കേതിക സേവന ഉപഭോക്താവ് സുരക്ഷാ ദൗർബല്യങ്ങൾ വിലയിരുത്തി മുൻഗണന നിശ്ചയിക്കുന്നതിൽ 5 മടങ്ങ് ത്രൂപുട്ട് കൈവരിച്ചു.
ഏത് സുരക്ഷാ അപകടസാധ്യതയാണ് ആദ്യം പരിഹരിക്കേണ്ടതെന്ന് തീരുമാനിക്കാൻ Cogent സഹായിക്കുന്നതായി വ്യാപാര പ്ലാറ്റ്ഫോമായ MarketAxess പറയുന്നു: “ഒരു ആക്രമണകാരിയുടെ കാഴ്ചപ്പാടിലാണ് Cogent ഞങ്ങളുടെ സംവിധാനങ്ങളെ കാണുന്നത്. ഇന്റർനെറ്റിൽ നിന്ന് സുരക്ഷാ ദൗർബല്യമുള്ള ഒരു സംവിധാനത്തിലേക്കുള്ള വഴി അത് കണ്ടെത്തുകയും ആ വഴിയിലുള്ള നിയന്ത്രണങ്ങൾ പരിശോധിക്കുകയും ചെയ്യുന്നു. ഞങ്ങളുടെ പരിഹാര പ്രവർത്തനങ്ങൾ ഇപ്പോൾ ഏറ്റവും വലിയ അപകടസാധ്യതകളിലും ഒരു ആക്രമണകാരിക്ക് നുഴഞ്ഞുകയറാൻ ഉപയോഗിക്കാവുന്ന വഴികളിലുമാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്,” MarketAxess-ന്റെ ആഗോള വിവരസുരക്ഷാ മേധാവി വിജയ് ബാല പറയുന്നു.
Cogent അടച്ചതും തുറന്നതുമായ സോഴ്സ് കോഡുള്ള ബദലുകൾ തുടർച്ചയായി വിലയിരുത്തുന്നു. നീണ്ടുനിൽക്കുന്ന സുരക്ഷാ ജോലികളിൽ മികച്ച റീസണിംഗ്, കൂടുതൽ കൃത്യത, സാങ്കേതിക കോഡ് ശേഖരങ്ങളിൽ കുറഞ്ഞ തെറ്റായ കെട്ടിച്ചമയ്ക്കലുകൾ, കൂടുതൽ വിശ്വസനീയമായ നിർവഹണം എന്നിവ OpenAI മോഡലുകൾ നൽകുന്നതായി കമ്പനി റിപ്പോർട്ട് ചെയ്യുന്നു. പരിഹാര പ്രവർത്തനക്രമങ്ങളിലുടനീളം പശ്ചാത്തല വിവരങ്ങൾ നിലനിർത്തിക്കൊണ്ട്, ഉപകരണ വിളികളെ തുടർച്ചയായും സമാന്തരമായും ബന്ധിപ്പിക്കാൻ മോഡലുകൾക്ക് കഴിയും.
സങ്കീർണമായ അന്വേഷണങ്ങളിൽ റീസണിംഗിന്റെ ഗുണനിലവാരത്തിനും ലളിതമായ ജോലികളിൽ ചെലവിനുമാണ് Cogent മുൻഗണന നൽകുന്നത്. പൊതുവായ നിർവഹണത്തിന് GPT‑6.1 Sol-ഉം വിപുലമായ റീസണിംഗ് അത്ര നിർണായകമല്ലാത്ത പതിവ് സുരക്ഷാ ദൗർബല്യ പരിപാലന ജോലികൾക്ക് GPT‑5.6‑ഉം കമ്പനി ഉപയോഗിക്കുന്നു.
“മറ്റ് ദാതാക്കളുടേതുമായി താരതമ്യം ചെയ്യുമ്പോൾ OpenAI മോഡലുകൾ കൂടുതൽ ചെലവുകുറഞ്ഞതാണ്. ഈ വലിയ ഏജന്റ് കൂട്ടങ്ങളെ പ്രവർത്തിപ്പിക്കുമ്പോൾ അത് ഞങ്ങൾക്ക് വലിയൊരു നേട്ടമാണ്.”
പരിഹാരങ്ങൾക്കും സുരക്ഷാ തിരുത്തലുകൾക്കും വേണ്ടി Cogent നിർമിക്കേണ്ട സഹായക സോഫ്റ്റ്വെയറിന്റെ അളവും OpenAI മോഡലുകളുടെ ഉപയോഗം കുറച്ചിട്ടുണ്ട്. “ഹാർനെസ് തലത്തിൽ ഞങ്ങൾക്ക് ചെയ്യേണ്ടിവന്നിരുന്ന പല ജോലികളും ഇപ്പോൾ ആവശ്യമില്ല,” ഗെങ് പറയുന്നു. OpenAI API-കൾ “അഭ്യർഥനകൾ വഴിതിരിച്ചുവിടുന്നതും ഏജന്റ് ഏകോപനവും ലളിതമാക്കി, ആന്തരിക എൻജിനീയറിംഗ് ജോലിഭാരം ഗണ്യമായി കുറയ്ക്കുകയും സങ്കീർണമായ സുരക്ഷാ പ്രവർത്തനക്രമങ്ങൾ വിപണിയിലെത്തിക്കാൻ വേണ്ട സമയം ചുരുക്കുകയും ചെയ്തു” എന്നും അദ്ദേഹം പങ്കുവെച്ചു.
Cogent-ന്റെ ഭൂരിഭാഗം എൻജിനീയർമാരും വികസനത്തിനായി Codex തിരഞ്ഞെടുക്കുന്നു. അതേ മോഡലുകൾ തുറന്ന സോഴ്സ് കോഡുള്ള ഒരു കോഡിംഗ് പരിതസ്ഥിതിയിൽ ഉപയോഗിക്കുന്നതിനെക്കാൾ, Codex-നൊപ്പം OpenAI മോഡലുകൾ ഉപയോഗിക്കുമ്പോൾ അവർ കൂടുതൽ ഉൽപ്പാദനക്ഷമരാകുന്നുവെന്ന് ഗെങ് പറയുന്നു. “ഞങ്ങൾ സ്വന്തമായി നിർമിക്കേണ്ടതില്ലാത്ത ഉപകരണങ്ങൾ Codex-ൽത്തന്നെ ലഭ്യമാണ്,” ഗെങ് പറയുന്നു.
Trusted Access for Cyber, Daybreak എന്നിവയിലൂടെ ആന്തരിക റെഡ് ടീമിംഗിനും ആക്രമണപാതാ ഗവേഷണത്തിനും Cogent-ന് സാങ്കേതിക പിന്തുണ ലഭിക്കുന്നു. Daybreak-നുള്ളിലെ ഒരു പ്രവേശനനിലയായ Daybreak Red, അനുമതിയോടെയുള്ള ആക്രമണ ഗവേഷണത്തിനും സുരക്ഷാ ദൗർബല്യ ഗവേഷണത്തിനും പ്രത്യേക OpenAI മോഡലുകൾ ടീമിന് നൽകുന്നു. “മികച്ച പ്രതിരോധത്തിന് മികച്ച ആക്രമണശേഷിയും വേണം,” ഗെങ് പറയുന്നു.
“Trusted Access for Cyber, Daybreak എന്നിവയിലൂടെ ഡിജിറ്റൽ തിരിച്ചറിയലുകൾ, വിഭവങ്ങൾ, ശൃംഖലാ നിയന്ത്രണങ്ങൾ എന്നിവയിലുടനീളം സുരക്ഷാ ദൗർബല്യങ്ങൾ എങ്ങനെ പരസ്പരം ബന്ധിപ്പിച്ച് ചൂഷണം ചെയ്യാമെന്ന് ഞങ്ങൾക്ക് അന്വേഷിക്കാം. ഞങ്ങളുടെ ഏജന്റുകൾക്ക് എന്തെല്ലാം ചെയ്യാനാകുമെന്നും അടുത്തതായി ഏതൊക്കെ പ്രതിരോധശേഷികൾ വികസിപ്പിക്കണമെന്നും മനസ്സിലാക്കാൻ ആ ഗവേഷണം ഞങ്ങൾ ഉപയോഗിക്കുന്നു.”
സ്ഥാപനങ്ങൾക്ക് സ്വന്തം സൈബർ പ്രതിരോധ ഫാക്ടറികൾ നിർമിക്കാനുള്ള പ്രധാന പങ്കാളിയെന്ന നിലയിൽ തങ്ങളുടെ കഴിവുകൾ വിപുലീകരിക്കാൻ Cogent പദ്ധതിയിടുന്നു. കൂടുതൽ സ്വയംപ്രവർത്തിക്കുന്ന പരിഹാര നടപടികൾ കമ്പനിയുടെ ഭാവിപദ്ധതികളിലുണ്ട്. ലളിതമായ ക്രമീകരണ മാറ്റങ്ങൾ മുതൽ സ്ഥാപനത്തിലെ വിവിധ സംവിധാനങ്ങളിലായി നടപ്പാക്കുന്ന ബഹുഘട്ട പ്രവർത്തനക്രമങ്ങൾ വരെ ഏജന്റുകൾക്ക് നിർവഹിക്കാവുന്ന പരിഹാരങ്ങളുടെ വ്യാപ്തിയും സങ്കീർണതയും വർധിപ്പിക്കുകയാണ് ലക്ഷ്യം.
സ്വയം കണ്ടെത്താനും സാധുത ഉറപ്പാക്കാനുമുള്ള കഴിവുകളും കമ്പനി വികസിപ്പിക്കുന്നു. അപകടസാധ്യത കണ്ടെത്തി ഇല്ലാതാക്കുകയും ഓരോ സുരക്ഷാ ദൗർബല്യത്തിൽ നിന്നും തുടർച്ചയായി പഠിച്ച് ഭാവിയിലെ അന്വേഷണങ്ങളും പരിഹാരങ്ങളും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്ന, സ്വയം പൂർണമാകുന്ന ഒരു ചാക്രിക സംവിധാനമാണ് ലക്ഷ്യം.


