Napíšte o bezpečnosti Photo Courtesy of: Adopcia AI asistentov, ako je GitHub Copilot, zmenila vývoj softvéru.Analytici odhadujú, že do roku 2025 bude viac ako 50% nového kódu strojovo generovaného, podľa Gartnera.Zatiaľ čo to urýchlilo produktivitu, vytvorilo aj nové bezpečnostné výzvy.Automatické návrhy často obsahujú nesprávne konfigurácie, odhalené tajomstvá alebo nezmazané zraniteľnosti. Pre spoločnosti, ktoré spravujú tisíce repozitárov a závislostí, táto záplava kódu vytvoreného umelou inteligenciou rozširuje už zložitú plochu útoku.V správe spoločnosti IBM z roku 2024 sa zistilo, že priemerné náklady na porušenie údajov dosiahli 4,45 milióna dolárov, pričom zraniteľnosti dodávateľského reťazca sú citované ako jeden z najrýchlejšie rastúcich zdrojov expozície.Vlády v Spojených štátoch, Európskej únii a Japonsku zaviedli prísnejšie požiadavky na overiteľný pôvod softvéru a tlačili spoločnosti, aby prijali bezpečnostné mechanizmy, ktoré môžu sledovať pôvod a integritu každého artefaktu. "Rýchlosť vývoja sa zrýchlila nad rámec manuálnej inšpekcie," povedal Rubi Arbel, generálny riaditeľ spoločnosti. "Organizácie potrebujú systémy, ktoré validujú a zaznamenávajú každý krok, či už kód je napísaný ľuďmi alebo generovaný umelou inteligenciou." Napíšte o bezpečnosti. Continuous Evidence and Policy Guardrails Kontinuálne dôkazy a politické stráže Scribe Security vybudovala svoju platformu ScribeHub okolo myšlienky, že bezpečnosť nemôže byť jednorazovou kontrolou. Namiesto toho, aby sa spoliehala iba na pravidelné skenovanie, ScribeHub zhromažďuje podpísané dôkazy počas každej fázy životného cyklu vývoja softvéru. Dôkazy sú uložené v grafickom grafe znalostí, ktorý spája artefakty, identity a akcie. To umožňuje bezpečnostným tímom sledovať zraniteľnosti späť do konkrétnych záväzkov, nástrojov alebo konfigurácií. Pravidlá napísané ako kód pôsobia ako záložky, blokujú nepreverené alebo narušené artefakty z postupu do nasadenia. Vývojári vidia vplyv prostredníctvom kontextuálnej spätnej väzby s možnosťou spustiť automatizované opravy bez toho, aby opustili svoje pracovné postupy. Táto metóda získala popularitu medzi regulovanými odvetviami, kde rámce zhody, ako sú SLSA, NIST SSDF a zákon o kybernetickej odolnosti EÚ, vyžadujú dôkaz, že softvérové komponenty spĺňajú definované bezpečnostné štandardy. Agentic Security: AI for Remediation Agentická bezpečnosť: AI pre nápravu Zavedenie AI-generovaného kódu vyvolalo Aby sme pridali novú dimenziu: opravy riadené umelou inteligenciou. Namiesto vytvárania algoritmov na ovládacích paneloch spoločnosť navrhla sieť agentov špecifických pre úlohy, ktoré interagujú s podpísaným znalostným grafom.Každý agent sa špecializuje na jednu funkciu - triedenie zraniteľností, generovanie bezpečných záplat, analýzu Dockerfiles alebo vypracovanie správ o súlade. Napíšte o bezpečnosti Jedným príkladom je „Remus“, agentový pracovný postup schopný produkovať požiadavky na vytiahnutie na opravu nebezpečných závislostí alebo konfiguračných súborov. Iný, „Compy“, nepretržite porovnáva podpísané dôkazy proti štandardom, ako je PCI DSS alebo FedRAMP, a produkuje dokumentáciu pripravenú na audit ako súčasť každodenného vývoja. „Opravy generované umelou inteligenciou fungujú len vtedy, ak sú spojené s overenými dôkazmi,“ vysvetlil Arbel. „Spojením podpísaného pôvodu s automatizovanou nápravou znižujeme ľudskú pracovnú záťaž a pravdepodobnosť zavedenia nových chýb.“ Implications for CISOs and Developers Dôsledky pre CISO a vývojárov Chief Information Security Officers čelia rastúcemu tlaku na zosúladenie rýchlosti s zodpovednosťou. V mnohých organizáciách sú pracovníci v oblasti bezpečnosti početnejšie ako vývojári v pomere 1 až 100. Bez automatizácie môže vyšetrovanie upozornení a príprava na audity preťažovať tímy. Podľa prieskumu ISACA z roku 2025 66% spoločností hlásilo ťažkosti s plnením rolí v oblasti kybernetickej bezpečnosti, najmä v oblasti zabezpečenia dodávateľského reťazca softvéru. Pre vývojárov sa tradičné bezpečnostné procesy často prežívajú ako prekážky. Integrovaním zhromažďovania dôkazov a nápravných opatrení riadených agentmi priamo do nástrojov, ktoré už používajú, sa znižuje trenie. Žiadosti o stiahnutie prichádzajú s vysvetlením, politiky sa dôsledne presadzujú a správy o súlade sa generujú nepretržite. Market Forces and Regulatory Drivers Trhové sily a regulačné faktory Trh s kybernetickou bezpečnosťou sa očakáva, že do roku 2030 vzrastie z 262 miliárd dolárov na viac ako 350 miliárd dolárov, pričom bezpečnosť dodávateľského reťazca softvéru sa považuje za jednu z oblastí s najvyššou prioritou investícií.V Spojených štátoch, Výkonný príkaz 14028, 14144 a NIST SSDF poverili federálnych dodávateľov, aby vyrábali SBOM, zatiaľ čo Európsky zákon o kybernetickej odolnosti zavádza podobné požiadavky pre dodávateľov technológií. Tieto regulačné tlaky sú v súlade s rastúcou prevalenciou AI vo vývoji.Spoločnosti sa už nemôžu spoliehať na ad hoc opravy; musia preukázať nepretržité overovanie svojich softvérových tovární.Riešenia, ktoré kombinujú kontroly kryptografickej integrity, dôkazové stopy a opravy AI, sa rýchlo pohybujú z voliteľných na nevyhnutné. „Dôvera v softvér teraz závisí od schopnosti dokázať, ako bol postavený,“ povedal Arbel. „Tento dôkaz musí byť generovaný rovnakou rýchlosťou ako samotný kód.“

This story contains new, firsthand information uncovered by the writer.

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Vnútri dodávateľského reťazca riadeného AI: Ako zabezpečenie Scribe buduje dôveru pri rýchlosti kódu

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Mutmut: a Python mutation testing system

When Blood Told

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

When Blood Told

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps