એકમો
1. સાયબર સુરક્ષામાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પરિચય: ભૂમિકાઓ, સીમાઓ, સંરક્ષણ નીતિશાસ્ત્ર અને ચકાસણી 2. લોગ અને એસઆઈઈએમ વિશ્લેષણ: આર્ટિફિશિયલ ઈન્ટેલિજન્સ સાથે ઘટનાને અવાજથી અલગ કરવી 3. ખતરો શિકાર: પૂર્વધારણાઓ સ્થાપિત કરવી અને કૃત્રિમ બુદ્ધિમત્તા સાથે સંકેતો શોધવા 4. નબળાઈ સ્કેનિંગ અને પ્રાથમિકતા: CVE, CVSS, EPSS અને સંદર્ભ સાથે યોગ્ય રીતે સૉર્ટિંગ 5. ઘટના પ્રતિસાદ: કૃત્રિમ બુદ્ધિ સાથે ઝડપી વિશ્લેષણ, પ્લેબુક અને નિયંત્રિત નિર્ણય 6. ફિશિંગ અને સામાજિક એન્જિનિયરિંગ વિશ્લેષણ: ઇમેઇલ, URL અને હેડર સમીક્ષા 7. સિક્યોર કોડ રિવ્યૂ અને સ્ટેટિક એનાલિસિસ: આર્ટિફિશિયલ ઇન્ટેલિજન્સ વડે નબળાઈઓ શોધવી 8. થ્રેટ ઇન્ટેલિજન્સ: IOC, TTP, MITER ATT&CK અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે સેન્સમેકિંગ 9. રિપોર્ટિંગ અને કોમ્યુનિકેશન: તારણોથી ટેકનિકલ રિપોર્ટ્સથી એક્ઝિક્યુટિવ સારાંશ સુધી 10. સીમાઓ, ગોપનીયતા, નૈતિકતા અને અનધિકૃત ઉપયોગ પ્રતિબંધ 11. એન્ડ-ટુ-એન્ડ SOC વર્કફ્લો, ઓટોમેશન (SOAR), ગુણવત્તા વ્યવસ્થાપન અને સ્વ-ઓડિટ
એકમ 1 / 11

સાયબર સુરક્ષામાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પરિચય: ભૂમિકાઓ, સીમાઓ, સંરક્ષણ નીતિશાસ્ત્ર અને ચકાસણી

નફો:

  • કૃત્રિમ બુદ્ધિમત્તા રક્ષણાત્મક સુરક્ષા કાર્યપ્રવાહ (શોધ, વિશ્લેષણ, હસ્તક્ષેપ, સુધારણા, રિપોર્ટિંગ) માં ક્યાં સમય બચાવે છે અને જ્યાં સુરક્ષા-નિર્ણાયક નિર્ણયો (હુમલો ઘોષણા, અલગતા, અવરોધ, સત્તાવાર અહેવાલ) કાર્ય જોખમ સ્તરના આધારે, વિશ્લેષક પર છોડી દેવામાં આવે છે તે પારખવામાં સક્ષમ હોવું.
  • દરેક AI આઉટપુટને કાચા પુરાવા (લોગ, IOC, CVE, કોડ) સાથે જોડવાની શિસ્ત લાગુ કરવાની ક્ષમતા, સ્વતંત્ર રીતે તેની તપાસ કરવી અને તેને સંદર્ભ ફિલ્ટરિંગ દ્વારા પસાર કરવી
  • KVKK/ગોપનીયતાના અવકાશમાં લોગ અને સુરક્ષા ડેટાને અનામી રાખવાની ક્ષમતા અને માત્ર અધિકૃત, રક્ષણાત્મક હેતુઓ અને લેખિત પરવાનગી સાથે ઉપયોગ કરવાની ટેવ પાડવી.

સિક્યોરિટી ઓપરેશન સેન્ટરમાં (અંગ્રેજીમાં SOC - સિક્યુરિટી ઓપરેશન્સ સેન્ટર; સંસ્થાના નેટવર્ક, સર્વર્સ અને વપરાશકર્તાઓનું 24/7 મોનિટર કરતી ટીમ), દર સેકન્ડે હજારો ઇવેન્ટ રેકોર્ડ વહે છે. સવારે 3:14 વાગ્યે રશિયામાં સર્વર સાથે જોડાયેલ કર્મચારી: શું આ હુમલો છે કે વિદેશમાં બિઝનેસ ટ્રીપ? એક વપરાશકર્તાએ પાંચ મિનિટમાં 4,000 ફાઇલોને એન્ક્રિપ્ટ કરી: શું આ રેન્સમવેર છે કે બેકઅપ ટૂલ? એક ઈમેઈલ કહે છે કે "ઈનવોઈસ જોડાયેલ છે": શું આ વાસ્તવિક એકાઉન્ટિંગ ઈમેલ છે કે ફિશીંગ? કોડ સમીક્ષામાં, એક SQL ક્વેરી સીધી રીતે વપરાશકર્તાના ઇનપુટને જોડે છે: શું આ એક શોષણક્ષમ નબળાઈ છે કે આંતરિક નેટવર્ક પર ચાલતી સુરક્ષિત સ્ક્રિપ્ટ છે? આમાંના ઘણા પ્રશ્નો પુનરાવર્તિત અને કંટાળાજનક છે; તેમાંના કેટલાક એવા નિર્ણયો છે જે સીધા ડેટા ભંગ, લાખો લીરાના નુકસાન અથવા સંસ્થાની પ્રતિષ્ઠા તરફ દોરી શકે છે.

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (એઆઈ, અથવા ટૂંકી કમ્પ્યુટર સિસ્ટમ્સ માટે AI જે સ્કેન કરી શકે છે, સારાંશ આપી શકે છે, વર્ગીકૃત કરી શકે છે, વિસંગતતાઓને ફ્લેગ કરી શકે છે અને મોટા પ્રમાણમાં ટેક્સ્ટ અને પેટર્નના ડ્રાફ્ટ્સનું નિર્માણ કરી શકે છે) આ ચિત્રની મધ્યમાં બરાબર બેસે છે. જ્યારે યોગ્ય રીતે ઉપયોગ કરવામાં આવે, ત્યારે તે સેકન્ડોમાં લોગની હજારો લીટીઓનો સારાંશ આપે છે, નબળાઈઓના ક્લસ્ટરને પ્રાથમિકતા આપે છે, ફિશીંગ ઈમેલનું મિનિટોને બદલે સેકન્ડોમાં વિશ્લેષણ કરે છે અને તમને વિચારવાનો સમય આપે છે. જ્યારે ખોટી રીતે ઉપયોગ કરવામાં આવે છે, ત્યારે તે "સામાન્ય" તરીકે લેબલ કરીને વાસ્તવિક હુમલાને અવગણી શકે છે, અસ્તિત્વમાં નથી તેવા ખતરાનું નિર્માણ કરીને ટીમને ખોટી રીતે એલાર્મ કરી શકે છે અથવા સંસ્થાની બહાર ગોપનીય લોગ ડેટા લીક કરી શકે છે.

આ યુનિટનો હેતુ વાહન પ્રમોશનનો નથી. ધ્યેય એ સ્પષ્ટ કરવાનો છે કે સિક્યોરિટી પ્રોફેશનલની નોકરીમાં AI ને ક્યાં મૂકવું અને ક્યાં મૂકવું નહીં. ચાલો શરૂઆતથી મૂળભૂત સિદ્ધાંતનું પુનરાવર્તન કરીએ: આર્ટિફિશિયલ ઈન્ટેલિજન્સ એ સહાયક છે, સુરક્ષા વિશ્લેષકની જગ્યાએ નિર્ણય લેવાની સત્તા નથી. કોઈ ઘટનાને વાસ્તવિક હુમલો જાહેર કરવા, સિસ્ટમને અલગ કરવા, વપરાશકર્તાને અવરોધિત કરવા અને શોધને સત્તાવાર અહેવાલમાં ફેરવવાનું લાયક નિષ્ણાત પર નિર્ભર છે. વણચકાસાયેલ AI આઉટપુટ એ અપ્રમાણિત દાવો છે. અને આ મોડ્યુલની સૌથી લાલ લાઇન: અહીં સમજાવેલ બધું રક્ષણાત્મક (રક્ષણાત્મક) હેતુઓ માટે છે. પરવાનગી વિના સિસ્ટમમાં ઘૂસણખોરી કરવા, હુમલાનું સાધન બનાવવા અથવા અનધિકૃત પરીક્ષણ કરવા માટે AI નો ઉપયોગ કરવો એ બંને ગેરકાયદેસર છે અને આ મોડ્યુલની બહાર છે.

સુરક્ષા કાર્યપ્રવાહ અને AI નું સ્થાન

રક્ષણાત્મક સુરક્ષાના વ્યવસાયને સમજવા માટે, પ્રક્રિયાને પાંચ તબક્કામાં વિભાજીત કરવી ઉપયોગી છે. શોધ: લોગ અને SIEM ડેટામાંથી શંકાસ્પદ વર્તનને કેપ્ચર કરવું. વિશ્લેષણ/ટ્રાયેજ: એલાર્મ વાસ્તવિક છે કે ખોટું (ખોટી હકારાત્મક) છે કે કેમ તેનું મૂલ્યાંકન અને પ્રાથમિકતા. પ્રતિભાવ: ઘટનાનું નિયંત્રણ, અલગતા, સફાઈ. ઉપાય: નબળાઈને બંધ કરવી, મૂળ કારણને દૂર કરવું. રિપોર્ટિંગ: તકનીકી અને વ્યવસ્થાપક દસ્તાવેજીકરણમાં શોધનો અનુવાદ. AI તમામ પાંચ તબક્કાઓને સ્પર્શ કરી શકે છે, પરંતુ દરેક સમાન સત્તા સાથે નહીં.

ચાલો શરૂઆતથી થોડા શબ્દો વ્યાખ્યાયિત કરીએ. SIEM (સિક્યોરિટી ઇન્ફર્મેશન એન્ડ ઇવેન્ટ મેનેજમેન્ટ) એ એક સિસ્ટમ છે જે વિવિધ સ્ત્રોતો (સર્વર, ફાયરવોલ, એપ્લિકેશન) માંથી લોગ રેકોર્ડ્સ એકત્રિત કરે છે અને તેને સહસંબંધિત કરે છે અને નિયમ-આધારિત એલાર્મ જનરેટ કરે છે. ખોટા હકારાત્મક એ છે જ્યારે કોઈ ઘટના કે જે વાસ્તવમાં ખતરો નથી, એલાર્મ પેદા કરે છે; તે ગર્દભમાં દુખાવો છે જે SOC ટીમોને થાકી જાય છે અને "ચેતવણી થાક" તરફ દોરી જાય છે. ખોટો નકારાત્મક એ છે જ્યારે વાસ્તવિક હુમલો ક્યારેય પકડાયો નથી; તે સૌથી ખતરનાક ભૂલ છે કારણ કે તે ચૂપચાપ નુકસાન પહોંચાડે છે. IOC (ઇન્ડિકેટર ઓફ કોમ્પ્રોમાઇઝ) એ ટેક્નિકલ ટ્રેસ છે જે હુમલાના ટ્રેસને દર્શાવે છે: એક દૂષિત IP સરનામું, ફાઇલ હેશ (હેશ), ડોમેન નામ. TTP (યુક્તિઓ, તકનીકો, પ્રક્રિયાઓ) એ વર્તનની પેટર્ન છે જે વર્ણવે છે કે હુમલાખોર કેવી રીતે વર્તે છે.

નીચેનું કોષ્ટક મિશન દ્વારા AI ની ભૂમિકા અને જોખમ સ્તરનો સારાંશ આપે છે:

ક્વેસ્ટ

AI ની ભૂમિકા

જોખમ સ્તર

કોણ મંજૂર કરે છે

લોગ સારાંશ, અવાજ ઘટાડો

એક્સિલરેટર, સમમેટર

નીચું

વિશ્લેષક

નબળાઈ અગ્રતા રૂપરેખા

સોર્ટર, સૂચન

નિમ્ન-મધ્યમ

વિશ્લેષક

ફિશિંગ ઇમેઇલ વિશ્લેષણ

પૂર્વ-લાયકાત, સ્પષ્ટતા

મધ્યમ

વિશ્લેષક

એલાર્મ ટ્રાયજ (સાચું/ખોટું)

સૂચન વાજબીપણું પેદા કરે છે

મધ્યમ-ઉચ્ચ

વિશ્લેષક (હજુ પણ સાચા)

ઘટના પ્રતિભાવ પ્લેબુક ડ્રાફ્ટ

સ્કેચ જનરેટર

મધ્યમ-ઉચ્ચ

વરિષ્ઠ વિશ્લેષક / IR નેતા

સુરક્ષિત કોડ સમીક્ષા શોધ

બીજી આંખ, નિર્દેશક

મધ્યમ-ઉચ્ચ

વિકાસકર્તા + સુરક્ષા

સિસ્ટમ અલગતા / અવરોધિત કરવાનો નિર્ણય

મદદરૂપ નથી

ખૂબ ઊંચા

અધિકૃત વિશ્લેષક

સત્તાવાર ઘટના અહેવાલ/સૂચના

ડ્રાફ્ટ, નિષ્ણાત સુધારે છે

ખૂબ ઊંચા

IR લીડર + કાનૂની/પાલન

આ ચાર્ટમાં એક લીટી ધ્યાનમાં રાખો: જેમ જેમ જોખમ વધે છે, AI ની ભૂમિકા સંકોચાય છે, માનવ મંજૂરી વધે છે. AI ની કોઈપણ લાઇન ઇવેન્ટને સમીક્ષામાંથી મુક્ત કરી શકતી નથી.

શા માટે ચકાસણી આ વ્યવસાયનું હૃદય છે

આર્ટિફિશિયલ ઇન્ટેલિજન્સ તે જે આઉટપુટ આપે છે તેમાં વિશ્વાસ લાગે છે, પરંતુ તે ચોક્કસ ન પણ હોઈ શકે. ભાષા મોડલ અસ્તિત્વમાં ન હોય તેવા CVE નંબર (નબળાઈ ID) બનાવી શકે છે, વાસ્તવમાં અસ્તિત્વમાં ન હોય તેવી લૉગ લાઇનનો સંદર્ભ લઈ શકે છે અથવા કોઈ પુરાવા વિના IP સરનામું "દૂષિત" હોવાનો દાવો કરી શકે છે; આ આભાસ કહેવાય છે. સમાન મોડેલ વાસ્તવિક હુમલાની સાંકળ પણ ચૂકી શકે છે. બંને ફાંસો સમાન પ્રવાહીતા સાથે આવે છે; માત્ર એક જ વસ્તુ જે સાચા અને ખોટાને અલગ પાડે છે તે છે તમારી કુશળતા અને તમારી ચકાસણી કરવાની આદત.

ચકાસણી શિસ્ત ત્રણ પગલાંઓ સમાવે છે:

  1. તેને પુરાવા સાથે જોડો: દરેક AI દાવાને કાચા લોગ, વાસ્તવિક IOC, ચકાસી શકાય તેવા CVE રેકોર્ડ અથવા કોડ સાથે મેળ કરો. કોઈપણ દાવો જેનો સ્રોત ટાંકી શકાતો નથી તે અહેવાલમાં શામેલ કરી શકાતો નથી. ધ્યાન આકર્ષિત કરવા માટે AI નો ઉપયોગ કરો, પુરાવા તરીકે નહીં.
  2. સ્વતંત્ર રીતે તપાસો: એઆઈ "સ્વચ્છ" તરીકે ઓળખાતા વિસ્તારોની પણ તપાસ કરો. નકારાત્મક AI આઉટપુટ "કોઈ ધમકી" ની ગેરંટી નથી; તમારા પોતાના વ્યવસ્થિત વિશ્લેષણને ક્યારેય છોડશો નહીં.
  3. સંદર્ભ ફિલ્ટર: આઉટપુટ સંસ્થાના આર્કિટેક્ચર, વ્યવસાય સંદર્ભ અને જાણીતા સામાન્ય વર્તનને બંધબેસે છે કે કેમ તે નિષ્ણાત રીતે પરીક્ષણ કરો. "વિસંગતતા" નો અર્થ હંમેશા "હુમલો" થતો નથી.
સાવધાન: દરેક દાવાને કાચા પુરાવા સાથે મેળવ્યા વિના AI-જનરેટેડ ઘટના અહેવાલ પર સહી કરવી એ પુરાવા વિના આરોપ લગાવવા જેટલી જ જવાબદારી છે. સરળ આઉટપુટ ચોક્કસ આઉટપુટ નથી; જો કોઈ સુરક્ષા નિર્ણય ખોટો હોય, તો ખર્ચ સિસ્ટમ ક્રેશ અથવા ઉલ્લંઘન ચૂકી જાય છે.

ગોપનીયતા અને નીતિશાસ્ત્ર: લોગ ડેટા એ સંવેદનશીલ ડેટા છે

લોગ રેકોર્ડ્સમાં વપરાશકર્તાનામો, IP સરનામાં, આંતરિક સર્વર નામ, ફાઇલ પાથ અને કેટલીકવાર વ્યક્તિગત ડેટા હોય છે. તેઓ Türkiye માં KVKK (પર્સનલ ડેટા પ્રોટેક્શન લો) અને યુરોપમાં GDPR હેઠળ સુરક્ષિત છે; વધુમાં, આ "આંતરિક બુદ્ધિ" છે જે સંસ્થાના હુમલાની સપાટીને છતી કરે છે. સાર્વજનિક AI ટૂલમાં કાચા લોગ, વાસ્તવિક IP અને આંતરિક સર્વર નામો સાથેની ઇવેન્ટને પેસ્ટ કરવાથી માત્ર વ્યક્તિગત ડેટા જ નહીં પરંતુ બાહ્ય સર્વર પર ઉપયોગી નેટવર્ક નકશો પણ વહન થાય છે. નિયમ સરળ છે: અનામી બનાવો અને પહેલા માસ્ક કરો. પ્લેસહોલ્ડર્સ સાથે વાસ્તવિક IP, વપરાશકર્તાનામો, આંતરિક હોસ્ટનામોને બદલો; જો શક્ય હોય તો, કોર્પોરેટ ટૂલ્સ પસંદ કરો કે જેમાં ડેટા પ્રોસેસિંગ એગ્રીમેન્ટ હોય અને મોડલ ટ્રેનિંગમાં તમારા ડેટાનો ઉપયોગ ન કરો.

નૈતિક સીમા ઓછામાં ઓછી તકનીકી સીમા જેટલી મહત્વપૂર્ણ છે. નબળાઈ શોધવા અને પરવાનગી વિના તેનું શોષણ કરવા વચ્ચેનો તફાવત કાયદેસર અને ફોજદારી વચ્ચેનો તફાવત છે. આ મોડ્યુલમાં, તમે AI નો ઉપયોગ ફક્ત તે સિસ્ટમમાં કરો છો જેના માટે તમે અધિકૃત છો, રક્ષણાત્મક હેતુઓ માટે અને લેખિત પરવાનગી સાથે. AI ને "એટેક ટૂલ લખો", "હું તે સાઇટમાં કેવી રીતે ઘૂસણખોરી કરી શકું", "કાર્યકારી માલવેર ઉત્પન્ન કરો" જેવી બાબતો કરવા માટે પૂછવું એ વ્યવસાયની બહાર છે અને આધુનિક AI સાધનો કોઈપણ રીતે તેમને નકારે છે.

ત્રણ નાના કેસો

કેસ 1 - સલામત ઉપયોગ. એક વિશ્લેષક રાત્રિની પાળી દરમિયાન SIEM માં 1,200 એલાર્મનો સામનો કરે છે. AI પાસે કાચી ચેતવણીઓનો સારાંશ છે (અનામી); AI એ 1,200 એલાર્મ્સને 18 ક્લસ્ટરોમાં સંકુચિત કરે છે અને "સમાન આંતરિક IPમાંથી 340 નિષ્ફળ લોગિન, 1 સફળતા પછી" પેટર્નને આગળ ખેંચે છે. વિશ્લેષક કાચા લોગ સાથે આ ક્લસ્ટરની ચકાસણી કરે છે, વાસ્તવિક પાસવર્ડ બ્રુટ ફોર્સ એટેક શોધે છે અને 9 મિનિટમાં એકાઉન્ટને લોક કરે છે. AI એક્સિલરેટેડ સોર્ટિંગ; વિશ્લેષકે નિર્ણય અને ચકાસણી કરી.

કેસ 2 - ચકાસાયેલ આઉટપુટ ટ્રેપ. અન્ય વિશ્લેષક પાસે AI નબળાઈઓની સૂચિને પ્રાથમિકતા આપે છે. AI કહે છે "CVE-2024-99999 મહત્વપૂર્ણ છે, તેને હમણાં પેચ કરો." વિશ્લેષક પેચ કરવાની યોજના ધરાવે છે પરંતુ CVE રેકોર્ડ ક્યારેય ખોલતો નથી; જ્યારે આવી કોઈ CVE નથી — મોડેલ નંબર બનાવે છે. ટીમ એવા પેચનો પીછો કરવામાં કલાકો ગુમાવે છે જે અસ્તિત્વમાં નથી, જ્યારે વાસ્તવિક નિર્ણાયક નબળાઈમાં વિલંબ થાય છે. ચકાસણી અવગણવામાં આવી છે, દાવો સ્ત્રોત સાથે લિંક થયેલ નથી.

કેસ 3 - ગોપનીયતાનો ભંગ. ઘટનાની તપાસને ઝડપી બનાવવા માટે, નિષ્ણાત કાચો ફાયરવોલ લોગ-વાસ્તવિક આંતરિક IP, વપરાશકર્તાનામો અને VPN સર્વર નામો સાથે-સાર્વજનિક AI ટૂલમાં પેસ્ટ કરે છે. સંસ્થાની નેટવર્ક ટોપોલોજી, નામકરણ યોજના અને વપરાશકર્તા સૂચિ બાહ્ય સર્વર પર ગઈ છે. સાચો રસ્તો IPs અને નામોને માસ્ક કરવાનો હતો અને માત્ર પેટર્ન શેર કરવાનો હતો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

શું નીચેના લોગમાં કોઈ હુમલો છે: 10.2.14.7 વપરાશકર્તા ahmet.yilmaz એ VPN માં પ્રવેશ કર્યો, પછી ફાઇલ સર્વર FS-MUHASEBE-01 સાથે કનેક્ટ થયો. આ નબળાઈઓને પણ પ્રાથમિકતા આપો.

આ વિનંતી ત્રણ રીતે ખામીયુક્ત છે: વાસ્તવિક IP, વપરાશકર્તા અને સર્વરનું નામ શેર કરવામાં આવ્યું છે (ગોપનીયતાનું ઉલ્લંઘન), AI ની ભૂમિકા અને સીમાઓ વ્યાખ્યાયિત નથી, અને ચકાસી શકાય તેવા પુરાવાની વિનંતી કરવામાં આવી નથી. AI અનુમાન વડે અવકાશ ભરે છે અને બનાવટનું જોખમ ઊભું થાય છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: SOC વિશ્લેષક માટે ડ્રાફ્ટ સહાયક. નિર્ણય લેવો; ઘટનાને "હુમલો" તરીકે જાહેર કરો, સિસ્ટમને અલગ કરો અથવા વપરાશકર્તાને અવરોધિત કરો. મેં તમને આપેલી અનામી લોગ પેટર્નનું જ વિશ્લેષણ કરો. દરેક દાવા માટે, તમે તેને કઈ લોગ લાઇન પર બેઝ કરો છો તે દર્શાવો; જ્યાં તમને ખાતરી ન હોય ત્યાં "[વિશ્લેષક ચકાસો]" ચિહ્નિત કરો; સ્પુફિંગ IOC, CVE અથવા IP. અનામી ઘટના: USER_A એ 03:14 વાગ્યે YURTDISI_IP દ્વારા VPN ઍક્સેસ કર્યું; પછી આંતરિક ફાઇલ સર્વર પર 4,000 ફાઇલોને ઍક્સેસ કરી; વપરાશકર્તા સામાન્ય રીતે 09:00-18:00 ની વચ્ચે કામ કરે છે. પ્રશ્નો: (1) કઈ પેટર્ન શંકાસ્પદ છે, (2) મારે કયા વધારાના લોગ પુરાવા જોવા જોઈએ, (3) શું ખોટા હકારાત્મક હોઈ શકે છે?

મજબૂત ઇચ્છા અનામી છે, ભૂમિકા અને સીમાને વ્યાખ્યાયિત કરે છે, પુરાવા સાથેના પ્રશ્નોના જોડાણ અને ખોટા હકારાત્મકની શક્યતા, અને બનાવટને પ્રતિબંધિત કરે છે.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

ભૂમિકા અને સીમાનું વર્ણન નમૂનો તમારી ભૂમિકા: ડ્રાફ્ટ/વિશ્લેષણ તૈયાર કરતા સુરક્ષા વિશ્લેષકના સહાયક. તમે વિશ્લેષક નથી; ઘટનાને હુમલા તરીકે જાહેર કરવી, સિસ્ટમને અલગ કરવી, વપરાશકર્તાને અવરોધિત કરવી અથવા સત્તાવાર અહેવાલને અંતિમ સ્વરૂપ આપવું. અંતિમ નિર્ણય અને હસ્તાક્ષર વિશ્લેષક સાથે છે. દરેક દાવા માટે પુરાવા (લોગ લાઇન, IOC, CVE, કોડ) બતાવો; એવી કોઈ વસ્તુને ચિહ્નિત કરો કે જેનો કોઈ પુરાવો નથી "[ચકાસાયેલ હોવો જોઈએ]", તેને બનાવશો નહીં. કાર્ય: [કાર્ય લખો].

અનામીકરણ નિયંત્રણ ટેમ્પલેટ વાસ્તવિક IP સરનામાં, વપરાશકર્તા નામો, આંતરિક હોસ્ટ/સર્વર નામો, ઈ-મેલ અને ડોમેન નામો, નીચેના સુરક્ષા ડેટામાંથી કોર્પોરેટ માહિતીને બહાર કાઢો; સુસંગત પ્લેસહોલ્ડર્સ (USER_A, IC_IP_1, HOST_1) સાથે બદલો. વિશ્લેષણ માટે માત્ર જરૂરી પેટર્ન રાખો. સૂચિમાં ફેરફારો વિશે મને સૂચિત કરો. ડેટા: [ડેટા પેસ્ટ કરો]

વેલિડેશન ચેક ટેમ્પલેટ તમે ઉત્પન્ન કરો છો તે દરેક શોધ માટે, તેની બાજુમાં લખો: (1) તે કયા પુરાવા પર આધારિત છે, (2) ચકાસવા માટે મારે કયો રેકોર્ડ/સ્રોત ખોલવો જોઈએ, (3) ખોટા હકારાત્મકની સંભાવના અને શા માટે. ચોક્કસ ભાષાને બદલે જ્યારે જરૂરી હોય ત્યારે "શક્ય/શંકાસ્પદ" નો ઉપયોગ કરો. અવિદ્યમાન CVE/IOC/IP ફેબ્રિકેશન.

જોખમ સ્તર ફાળવણી નમૂનો હું જે સુરક્ષા સોંપણી સોંપીશ તેને વર્ગીકૃત કરો અને વાજબીતા લખીશ: (A) ઓછું જોખમ - AI રૂપરેખા/સારાંશ પર્યાપ્ત, (B) મધ્યમ જોખમ - વિશ્લેષકે ચકાસવું આવશ્યક છે, (C) ઉચ્ચ/ખૂબ ઉચ્ચ જોખમ - નિર્ણય/અલગતા/સૂચના વિશ્લેષકની છે, AI માત્ર મદદરૂપ છે. કાર્ય: [કાર્ય લખો].

સામાન્ય ભૂલો

  • વિશ્લેષક માટે AI ભૂલ કરવી. AI પેટર્ન માટે સ્કેન કરે છે પરંતુ તેની પાસે કોઈ જવાબદારી અથવા સત્તા નથી; તમે નક્કી કરો. આઉટપુટ ડ્રાફ્ટ છે, ચુકાદો નથી.
  • વાસ્તવિક IP, વપરાશકર્તા અને હોસ્ટનું નામ શેર કરવું. આ KVKK ઉલ્લંઘન અને નેટવર્ક મેપ લીક બંને છે જેનાથી હુમલાખોરને ફાયદો થશે; પ્રથમ માસ્ક.
  • નકારાત્મક AI આઉટપુટ પર આધાર રાખવો અને શોધને હળવી કરવી. "કોઈ ધમકી" નો ખરેખર અર્થ એ નથી કે ત્યાં નથી; તમારા પોતાના વ્યવસ્થિત વિશ્લેષણને ક્યારેય છોડશો નહીં.
  • ચકાસણી વિના બનાવેલ CVE/IOC નો ઉપયોગ કરવો. મોડેલ નંબર અને સૂચક સાથે મેળ કરી શકે છે; સત્તાવાર સ્ત્રોત સાથે દરેકની પુષ્ટિ કરો.
  • અનધિકૃત/અપમાનજનક ઉપયોગ. તમારી પોતાની સિસ્ટમ પર, લેખિત પરવાનગી સાથે માત્ર રક્ષણાત્મક રીતે કામ કરો; અન્યથા તે ગેરકાયદેસર અને અનૈતિક બંને છે.
ટીપ: દરેક કાર્ય માટે તમારી જાતને એક પ્રશ્ન પૂછો: "જો આ આઉટપુટ ખોટું હોય તો શું થશે?" જો જવાબ "હુમલો છટકી જાય છે" અથવા "વ્યવસાયમાં વિક્ષેપ આવે છે" - જેમ કે તે ઘણીવાર સુરક્ષામાં થાય છે - તો માત્ર સારાંશ/સૂચન/રૂપરેખા માટે AI નો ઉપયોગ કરો અને ચકાસણીને ક્યારેય છોડશો નહીં.

સારાંશમાં

આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ સાયબર સિક્યુરિટીમાં એક શક્તિશાળી સહાયક છે: તે લોગનો સારાંશ આપે છે, એલાર્મને સૉર્ટ કરે છે, ફિશિંગનું વિશ્લેષણ કરે છે, કોડ સ્કેન કરે છે, ડ્રાફ્ટ રિપોર્ટ્સ જનરેટ કરે છે. પરંતુ આ એક સુરક્ષા-નિર્ણાયક વિસ્તાર છે; ઘટનાને હુમલો જાહેર કરવા, સિસ્ટમને અલગ કરવા, વપરાશકર્તાને અવરોધિત કરવા અને સત્તાવાર રિપોર્ટ ફાઇલ કરવા તે યોગ્ય નિષ્ણાત પર છે. પ્રક્રિયાના પાંચ તબક્કામાં AI ની ભૂમિકા (શોધ, વિશ્લેષણ, હસ્તક્ષેપ, ઉપાય, રિપોર્ટિંગ) જોખમના સ્તરના આધારે બદલાય છે; જેમ જેમ જોખમ વધે છે તેમ તેમ માનવીય સંમતિ વધે છે. ત્રણ શિસ્ત દરેક પગલાનું રક્ષણ કરે છે: પુરાવા, સ્વતંત્ર તપાસ, સંદર્ભ ફિલ્ટર. અને તે બધાની નીચે, બે મર્યાદાઓ છે: ગોપનીયતા (અનામીકરણ વિના કાચા ડેટાની નિકાસ) અને નીતિશાસ્ત્ર (ફક્ત અધિકૃત, રક્ષણાત્મક, અધિકૃત ઉપયોગ).

એપ્લિકેશન કાર્ય

તમારી પોતાની સંસ્થામાંથી ત્રણ કાર્યો પસંદ કરો (અથવા ઉદાહરણ દૃશ્ય): એક ઓછું જોખમ (દા.ત. દૈનિક ચેતવણી સારાંશ), એક મધ્યમ જોખમ (દા.ત. ફિશિંગ વિશ્લેષણ), એક ખૂબ જ ઊંચું જોખમ (દા.ત. સિસ્ટમને અલગ કરવાનો નિર્ણય). દરેક માટે, (1) એક વાક્યમાં AI ની ભૂમિકાનું વર્ણન કરો, (2) તમે કયું વેરિફિકેશન પગલું ભરશો તે લખો, (3) તમે ડેટાને કેવી રીતે અનામી કરશો તે દર્શાવો. પછી "ભૂમિકા અને સીમાઓની વ્યાખ્યા" નમૂનાને તમારા મધ્યમ-જોખમના કાર્ય માટે અનુકૂલિત કરો, એક પ્રોમ્પ્ટ લખો અને નોંધ કરો કે તમે તેના આઉટપુટને કાચા પુરાવા સાથે કેવી રીતે ચકાસશો.

ચેકલિસ્ટ

  • મેં કાર્યનું જોખમ સ્તર (નીચું/મધ્યમ/ઉચ્ચ/ખૂબ ઊંચું) નક્કી કર્યું.
  • [ ] મેં AI ની ભૂમિકાને "સહાયક/સારાંશ/સૂચન/ડ્રાફ્ટ" સુધી મર્યાદિત કરી છે; નિર્ણય અને સહી વિશ્લેષક પાસે છે.
  • [ ] મેં ડેટાને અનામી રાખ્યો છે; વાસ્તવિક IP, વપરાશકર્તા, હોસ્ટ અને ડોમેન નામો માસ્ક કરેલા છે.
  • [ ] મેં દરેક દાવાને કાચા પુરાવા (લોગ, IOC, CVE, કોડ) સાથે ચકાસવાનું વચન આપ્યું હતું.
  • નકારાત્મક AI આઉટપુટ હોવા છતાં, હું મારું પોતાનું વ્યવસ્થિત વિશ્લેષણ કરીશ.
  • [ ] એ જાણીને કે તે નકલી CVE/IOC/IP હોઈ શકે છે, હું સત્તાવાર સ્ત્રોત સાથે તેની પુષ્ટિ કરીશ.
  • [ ] હું ફક્ત અધિકૃત, રક્ષણાત્મક અને લેખિત અધિકૃત ઉપયોગ પૂરતો મર્યાદિત છું.