യൂണിറ്റുകൾ
1. ബ്ലോക്ക്‌ചെയിനിലെയും വെബ്3യിലെയും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, ആധികാരികത, സുരക്ഷ-നിർണ്ണായകത 2. സ്മാർട്ട് കോൺട്രാക്ട് റൈറ്റിംഗ് സപ്പോർട്ട്: സോളിഡിറ്റി/വൈപ്പർ ഡ്രാഫ്റ്റും സെക്യൂർ കോഡ് ജനറേഷനും 3. സ്മാർട്ട് കരാർ ഓഡിറ്റ് പിന്തുണ: സുരക്ഷാ അവലോകനവും ഡ്രാഫ്റ്റ് കണ്ടെത്തലുകളും 4. വൾനറബിലിറ്റി സ്കാനിംഗ്: കോമൺ വൾനറബിലിറ്റി പാറ്റേണുകളും ഓട്ടോമേറ്റഡ് അനാലിസിസും 5. ഓൺ-ചെയിൻ ഡാറ്റ വിശകലനം: ബ്ലോക്ക്, ഇടപാട്, വാലറ്റ് ഡാറ്റ എന്നിവയുടെ അർത്ഥം ഉണ്ടാക്കുന്നു 6. DeFi, പ്രോട്ടോക്കോൾ വിശകലനം: ലിക്വിഡിറ്റി, MEV, സാമ്പത്തിക ആക്രമണങ്ങൾ 7. ടോക്കനോമിക് മോഡലിംഗ്: സപ്ലൈ, ഡിസ്ട്രിബ്യൂഷൻ, ഇൻസെൻ്റീവ്, സിമുലേഷൻ 8. ഡോക്യുമെൻ്റേഷനും സാങ്കേതിക എഴുത്തും: വൈറ്റ്പേപ്പർ, നാറ്റ്സ്പെക്ക്, യൂസർ ഗൈഡ് 9. ഫ്രോഡ്, റഗ്-പുൾ, റിസ്ക് ഡിറ്റക്ഷൻ: ഓൺ-ചെയിൻ റെഡ് ഫ്ലാഗുകൾ 10. സേഫ്റ്റി-ക്രിട്ടിക്കൽ ഓഡിറ്റ്, വിദഗ്ധരുടെ അംഗീകാരവും ഉത്തരവാദിത്ത ഉപയോഗവും 11. എൻഡ്-ടു-എൻഡ് വർക്ക്ഫ്ലോ, ഗവേണൻസ്, വെരിഫിക്കേഷൻ, എത്തിക്സ്
യൂണിറ്റ് 3 / 11

സ്മാർട്ട് കരാർ ഓഡിറ്റ് പിന്തുണ: സുരക്ഷാ അവലോകനവും ഡ്രാഫ്റ്റ് കണ്ടെത്തലുകളും

നേട്ടങ്ങൾ:

  • ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഓഡിറ്ററുടെ വ്യാപ്തി വികസിപ്പിക്കുന്നു, പക്ഷേ അത് മാറ്റിസ്ഥാപിക്കുന്നില്ല, കൂടാതെ കാറ്റഗറി സ്കാനിംഗിലും ഡ്രാഫ്റ്റിംഗ് കണ്ടെത്തുന്നതിലും ഇത് ഉപയോഗപ്രദമാണെന്ന് മനസ്സിലാക്കാനുള്ള കഴിവ്.
  • ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് യഥാർത്ഥ അപകടസാധ്യതയും ബിസിനസ് ലോജിക് പിശകും നഷ്‌ടപ്പെട്ടുവെന്നും ഒഴുക്കുള്ള 'സുരക്ഷിത' പ്രസ്താവന ഉറപ്പല്ലെന്നും തിരിച്ചറിയാൻ കഴിയും.
  • കണ്ടെത്തലുകളെ അവയുടെ ഗൗരവത്തിൻ്റെ നിലവാരത്തിനനുസരിച്ച് തരംതിരിക്കാനും അന്തിമ അംഗീകാരവും പ്രൊഫഷണൽ ഉത്തരവാദിത്തവും യോഗ്യതയുള്ള ഓഡിറ്ററുടേതാണെന്ന് മനസ്സിലാക്കാനുള്ള കഴിവ്.

Web3-ൻ്റെ ഏറ്റവും ഉത്തരവാദിത്തമുള്ള ജോലിയാണ് സെക്യൂരിറ്റി ഓഡിറ്റ് (പരാധീനതകൾക്കായുള്ള ഒരു സ്മാർട്ട് കരാറിൻ്റെ വ്യവസ്ഥാപിത പരിശോധന). ഒരു ഓഡിറ്റർ നഷ്‌ടമായ ഒരു വരി ദശലക്ഷക്കണക്കിന് ഡോളറിൻ്റെ നഷ്ടത്തിന് കാരണമാകും. ഒരു ഓഡിറ്റ് അസിസ്റ്റൻ്റായി AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും; സൂചനകൾ സൃഷ്ടിക്കുന്നതിൽ നിന്ന് കണ്ടെത്തലുകളുടെ രൂപരേഖ എഴുതുന്നത് വരെ ഞങ്ങൾ പഠിക്കും. എന്നാൽ ഏറ്റവും നിർണായകമായ വാചകം ഇതാണ്: AI നിയന്ത്രിക്കുന്നില്ല; ഓഡിറ്ററുടെ കണ്ണിന് മൂർച്ച കൂട്ടുന്ന ഒരു സഹായിയാണിത്. അന്തിമ അംഗീകാരം പ്രൊഫഷണൽ ഉത്തരവാദിത്തം ഏറ്റെടുക്കുന്ന യോഗ്യതയുള്ള ഓഡിറ്ററുടേതാണ്.

എന്തുകൊണ്ട് ഓഡിറ്റിംഗ് സുരക്ഷാ നിർണായകമാണ്

"ഈ കോഡ് അവലോകനം ചെയ്തു" എന്ന് ഒരു ഓഡിറ്റ് റിപ്പോർട്ട് പ്രോജക്റ്റിനും നിക്ഷേപകർക്കും ഉറപ്പ് നൽകുന്നു. ഈ ഉറപ്പ് തെറ്റാണെങ്കിൽ, അനന്തരഫലങ്ങൾ വിനാശകരമാണ്: ചൂഷണം ചെയ്യപ്പെട്ട പ്രോട്ടോക്കോൾ, നഷ്ടപ്പെട്ട ഫണ്ടിംഗ്, തകർന്ന പദ്ധതി. അതിനാൽ, പരിശോധനയിൽ AI ഉപയോഗിക്കുന്നത് ഈ മൊഡ്യൂളിൻ്റെ ഏറ്റവും ശ്രദ്ധാപൂർവമായ ഭാഗമാണ്. AI ഓഡിറ്ററുടെ വ്യാപ്തി വികസിപ്പിക്കുന്നു (കൂടുതൽ പാറ്റേണുകൾ ഓർമ്മിപ്പിക്കുന്നു, വേഗത്തിൽ വായിക്കുന്നു) എന്നാൽ ഓഡിറ്ററെ മാറ്റിസ്ഥാപിക്കുന്നില്ല.

എന്തുകൊണ്ട് അത് കടന്നുപോകുന്നില്ല? കാരണം:

  • പരിശീലന ഡാറ്റയിൽ ഇല്ലാത്ത അദ്വിതീയ/പുതിയ അപകടസാധ്യത AI-ന് കാണാൻ കഴിയില്ല.
  • പ്രോട്ടോക്കോളിൻ്റെ ബിസിനസ്സ് ലോജിക്കിലെ പിഴവ് AI പലപ്പോഴും നഷ്ടപ്പെടുത്തുന്നു-കോഡ് സാങ്കേതികമായി ശരിയാണെങ്കിലും സാമ്പത്തികമായി ചൂഷണം ചെയ്യാവുന്നതാണെന്നാണ്.
  • ഒഴുക്കുള്ള ഭാഷയിൽ "സുരക്ഷിതം" എന്ന് പറഞ്ഞ് AI-ക്ക് തെറ്റായ ഉറപ്പ് നൽകാൻ കഴിയും; ഇതാണ് ഏറ്റവും അപകടകരമായ ഫലം.

നിയന്ത്രണത്തിൽ AI ഉപയോഗിക്കുന്ന പാളികൾ

1. പ്രാരംഭ സ്കാനും പാറ്റേൺ ഓർമ്മപ്പെടുത്തലും. ഒരു ചെക്ക്‌ലിസ്റ്റ് പോലെയുള്ള അറിയപ്പെടുന്ന ദുർബലത പാറ്റേണുകളിലൂടെ AI കടന്നുപോകുന്നു: റീ എൻട്രൻസി, ആക്‌സസ് കൺട്രോൾ, ഒറാക്കിൾ മാനിപുലേഷൻ, ഫ്രണ്ട്-റണ്ണിംഗ്. ഓഡിറ്റർ ഒരു വിഭാഗവും നഷ്ടപ്പെടുത്തുന്നില്ലെന്ന് ഇത് ഉറപ്പാക്കുന്നു.

2. കോഡ് വിശദീകരണം. ലളിതമായ ഭാഷയിൽ AI- യ്ക്ക് സങ്കീർണ്ണമായ ഒരു ഫംഗ്ഷൻ വിശദീകരിക്കുന്നത് യുക്തിയെ വേഗത്തിൽ മനസ്സിലാക്കാൻ ഓഡിറ്ററെ അനുവദിക്കുന്നു; എന്നാൽ വിവരണം എപ്പോഴും കോഡുമായി താരതമ്യം ചെയ്യുന്നു.

3. കണ്ടെത്തലുകളുടെ ഒരു കരട് എഴുതുക. ഓഡിറ്റർ ഒരു അപകടസാധ്യത കണ്ടെത്തുമ്പോൾ, റിപ്പോർട്ടിൻ്റെ ഡ്രാഫ്റ്റ് (വിവരണം, ആഘാതം, നിർദ്ദിഷ്ട പരിഹാരം) എഴുതുന്നതിൽ AI സമയം ലാഭിക്കുന്നു.

4. എതിർ സിദ്ധാന്തം സൃഷ്ടിക്കുന്നു. AI-യോട് ചോദിക്കുക "ഈ പ്രവർത്തനം എങ്ങനെ ദുരുപയോഗം ചെയ്യാം?" "എന്ന് ചോദിക്കുന്നത് ആക്രമണാത്മക വീക്ഷണത്തെ ഓർമ്മിപ്പിക്കുന്നു.

ശ്രദ്ധിക്കുക: "ഞാൻ ഈ കോഡിൽ കേടുപാടുകൾ ഒന്നും കണ്ടെത്തിയില്ല" എന്ന് AI പറയുന്നതുകൊണ്ട് "ഈ കോഡ് സുരക്ഷിതമാണ്" എന്ന് അർത്ഥമാക്കുന്നില്ല. അസാന്നിധ്യത്തിൻ്റെ തെളിവ് തെളിവുകളുടെ അഭാവമല്ല. AI-ക്ക് എന്തെങ്കിലും കണ്ടെത്താനാകുന്നില്ല എന്നത് ഓഡിറ്റർ ആ പ്രദേശം പരിശോധിക്കുന്നത് അനാവശ്യമാക്കുന്നില്ല.

തീവ്രത ലെവലുകൾ കണ്ടെത്തുന്നു

ഓഡിറ്റ് കണ്ടെത്തലുകൾ അവയുടെ തീവ്രത അനുസരിച്ച് തരം തിരിച്ചിരിക്കുന്നു. ഡ്രാഫ്റ്റുകൾ സൃഷ്ടിക്കുമ്പോൾ AI ഈ ചട്ടക്കൂട് ഉപയോഗിക്കണം:

ലെവൽ

അർത്ഥം

ഉദാഹരണം

വിമർശനാത്മകം

ഫണ്ട് നഷ്ടം/ലോക്കൗട്ട് നേരിട്ട് സാധ്യമാണ്

റീ എൻട്രൻസിയോടെ ഫണ്ട് പിൻവലിക്കൽ

ഉയർന്നത്

ചില വ്യവസ്ഥകളിൽ ഗുരുതരമായ ആഘാതം

അനധികൃത അച്ചടി (തുളസി)

ഇടത്തരം

പരിമിതമായ ആഘാതം അല്ലെങ്കിൽ ബുദ്ധിമുട്ടുള്ള അവസ്ഥ

ഒറാക്കിൾ വ്യതിയാനത്തോടുകൂടിയ ചെറിയ നഷ്ടം

താഴ്ന്ന

ചെറിയ അപകടസാധ്യത, നല്ല പരിശീലനത്തിൻ്റെ ലംഘനം

ഇവൻ്റ് പ്രക്ഷേപണം നഷ്‌ടമായി

വിവരങ്ങൾ

നോൺ-സെക്യൂരിറ്റി, റീഡബിലിറ്റി

നാറ്റ്‌സ്പെക്കിൻ്റെ അഭാവം

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ കരാർ സുരക്ഷിതമാണോ?

ഈ ചോദ്യം AI-യെ "അതെ/ഇല്ല" പോലെയുള്ള ഒരു സമ്പൂർണ്ണ, അനാവശ്യമായ വിധി പുറപ്പെടുവിക്കാൻ പ്രേരിപ്പിക്കുന്നു - കൃത്യമായി നമുക്ക് ആവശ്യമില്ല.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: സീനിയർ സ്മാർട്ട് കരാർ ഓഡിറ്ററുടെ സഹായി. സുരക്ഷയ്ക്കായി ഇനിപ്പറയുന്ന കരാർ സ്കാൻ ചെയ്യുക. ഇനിപ്പറയുന്ന വിഭാഗങ്ങളിലൂടെ ഓരോന്നായി പോകുക: വീണ്ടും പ്രവേശനം, പ്രവേശന നിയന്ത്രണം, പൂർണ്ണസംഖ്യ പ്രവർത്തനങ്ങൾ, ഇൻപുട്ട് മൂല്യനിർണ്ണയം, ഒറാക്കിൾ/ബാഹ്യ ഡാറ്റ, ഫ്രണ്ട്-റണ്ണിംഗ്, ഗ്യാസ് പരിധി. ഓരോ കണ്ടെത്തലിനും: (1) പ്രസക്തമായ കോഡ്, (2) അപകടസാധ്യത ഉണ്ടാക്കുക, (3) കണക്കാക്കിയ തീവ്രത (ക്രിട്ടിക്കൽ/ഉയർന്ന/ഇടത്തരം/താഴ്ന്ന), (4) പരിഹാര നിർദ്ദേശം. ഇവ സ്ഥിരീകരിക്കേണ്ട ഹൈപ്പോഥീസുകളാണ്; "സുരക്ഷിത" വിധി നൽകരുത്. "ഓഡിറ്റർ സ്ഥിരീകരിക്കട്ടെ" എന്ന് നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത മേഖലകൾ വ്യക്തമായി അടയാളപ്പെടുത്തുക.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) വിഭാഗം അടിസ്ഥാനമാക്കിയുള്ള ബ്രൗസിംഗ്:

ഇനിപ്പറയുന്ന വിഭാഗങ്ങൾക്കായി ഈ കരാർ സ്കാൻ ചെയ്യുക: വീണ്ടും പ്രവേശനം, പ്രവേശന നിയന്ത്രണം, പൂർണ്ണസംഖ്യ ഓവർഫ്ലോ, ഇൻപുട്ട് മൂല്യനിർണ്ണയം, ഒറാക്കിൾ ഡിപൻഡൻസി, ഫ്രണ്ട്-റണ്ണിംഗ്, DoS/gas. ഓരോ വിഭാഗത്തിനും, "അവിടെ / അപകടസാധ്യതയില്ല / എനിക്ക് ഉറപ്പില്ല" എന്ന് പറയുകയും കോഡിലെ വരിയുമായി നിങ്ങളുടെ ന്യായീകരണം ബന്ധിപ്പിക്കുകയും ചെയ്യുക. അന്തിമ വിധി പറയരുത്.

2) ആക്രമണകാരിയുടെ വീക്ഷണകോണിൽ നിന്നുള്ള എതിർ സിദ്ധാന്തം:

ഒരു ആക്രമണകാരിയെപ്പോലെ ചിന്തിക്കുക: ഈ ഫംഗ്‌ഷൻ ദുരുപയോഗം ചെയ്യാനുള്ള വഴികൾ എന്തൊക്കെയാണ്? ഓരോ സാഹചര്യവും ഘട്ടം ഘട്ടമായി എഴുതുകയും ആവശ്യമായ വ്യവസ്ഥകൾ സൂചിപ്പിക്കുകയും ചെയ്യുക. ഈ സാഹചര്യങ്ങൾ പരീക്ഷിക്കപ്പെടേണ്ട അനുമാനങ്ങളാണ്; യഥാർത്ഥ ചൂഷണ കോഡ് സൃഷ്ടിക്കരുത്, അപകടസാധ്യത വിവരിക്കുക.

3) കരട് കണ്ടെത്തൽ റിപ്പോർട്ട്:

ഔപചാരിക ഓഡിറ്റ് ഭാഷയിൽ ഇനിപ്പറയുന്ന സ്ഥിരീകരിച്ച കണ്ടെത്തൽ റിപ്പോർട്ടുചെയ്യുക: ശീർഷകം, തീവ്രത, വിവരണം, സ്വാധീനം, ബാധിച്ച കോഡ്, പുനർനിർമ്മാണത്തിനുള്ള ഘട്ടങ്ങൾ, നിർദ്ദേശിച്ച പരിഹാരം. അളന്നതും സാങ്കേതികവുമായ ഭാഷ ഉപയോഗിക്കുക; അതിശയോക്തി. കണ്ടെത്തൽ ഓഡിറ്റർ സ്ഥിരീകരിച്ചതായി കരുതുക, ഒരു പുതിയ കണ്ടെത്തൽ ഉണ്ടാക്കരുത്.

4) സ്ഥിരീകരണം ശരിയാക്കുക:

ഡെവലപ്പർ പ്രയോഗിച്ച ഒരു അപകടസാധ്യതയും പരിഹാരവും ചുവടെയുണ്ട്. പരിഹരിക്കൽ യഥാർത്ഥത്തിൽ അപകടസാധ്യത അടയ്ക്കുന്നുണ്ടോയെന്ന് പരിശോധിക്കുക; ഇത് ഒരു പുതിയ പാർശ്വഫലമോ അപകടസാധ്യതയോ സൃഷ്ടിക്കുന്നുണ്ടോ എന്ന് അടയാളപ്പെടുത്തുക. "അടച്ചു" എന്ന് ഉറപ്പിച്ചു പറയരുത്; "പരിശോധനയിലൂടെ സ്ഥിരീകരിക്കണം" എന്ന് അവസാനിപ്പിക്കുക.

മൂന്ന് മിനി കേസുകൾ (എണ്ണങ്ങളിൽ)

കേസ് 1 - AI വിഭാഗം ഹോപ്പിംഗ് തടഞ്ഞു. ഒരു ഓഡിറ്റർ 400 വരി കരാറിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ഒറാക്കിൾ വിഭാഗം ഒഴിവാക്കുകയും ചെയ്യുകയായിരുന്നു. AI-യുടെ കാറ്റഗറി സ്കാൻ "വില ഡാറ്റ ഒരൊറ്റ ഉറവിടത്തിൽ നിന്നുള്ളതാണ്, കൃത്രിമത്വത്തിന് തുറന്നതാണ്" എന്ന മുന്നറിയിപ്പ് നൽകി. ഓഡിറ്റർ അത് പരിശോധിച്ച് ഇത് ഒരു ഇടത്തരം അപകടസാധ്യതയാണെന്ന് കണ്ടെത്തി. പാഠം: AI കവറേജ് അച്ചടക്കം പാലിക്കുന്നു.

കേസ് 2 - തെറ്റായ "സുരക്ഷിത" ഉറപ്പ്. മറ്റൊരു ടീം AI യോട് “ഇത് സുരക്ഷിതമാണോ?” എന്ന് ചോദിച്ചു. അവൻ ചോദിച്ചു; കാര്യമായ പ്രശ്‌നമുണ്ടെന്ന് തോന്നുന്നില്ല, AI പറഞ്ഞു. ജീവനക്കാരുടെ പരിശോധന നിസ്സാരമായിരുന്നു. തുടർന്ന് സ്വതന്ത്ര ഓഡിറ്റർ ഒരു ബിസിനസ് ലോജിക് പിഴവ് കണ്ടെത്തി: സാങ്കേതികമായി ശരിയായതും എന്നാൽ പ്രോത്സാഹനങ്ങൾ പ്രയോജനപ്പെടുത്താവുന്നതുമായ ഒരു കണക്കുകൂട്ടൽ. പാഠം: AI ബിസിനസ് ലോജിക് പിശക് നഷ്ടപ്പെടുത്തി; അവൻ "സുരക്ഷിതം" എന്ന് പറയുന്നത് വിശ്വസിക്കാൻ കഴിയില്ല.

കേസ് 3 - റിപ്പോർട്ട് തയ്യാറാക്കുന്നത് 3 മണിക്കൂർ ലാഭിച്ചു. 8 കണ്ടെത്തലുകൾ സ്വമേധയാ റിപ്പോർട്ട് ചെയ്യുന്നതിനായി ഓഡിറ്റർ പകുതി ദിവസവും ചെലവഴിച്ചു. ഞാൻ പരിശോധിച്ച കണ്ടെത്തലുകൾ AI-ക്ക് നൽകുകയും ഔദ്യോഗിക ഡ്രാഫ്റ്റ് അച്ചടിക്കുകയും ചെയ്തുകഴിഞ്ഞാൽ, സമയം ~3 മണിക്കൂർ കുറഞ്ഞു; ഓഡിറ്റർ ആഴം കൂട്ടാൻ സമയം നീക്കിവച്ചു. പാഠം: കണ്ടെത്തലുകൾ ഇതിനകം തന്നെ മാനുഷികമായി പരിശോധിച്ചതിനാൽ AI സുരക്ഷിതവും റിപ്പോർട്ടുചെയ്യുന്നതിൽ കാര്യക്ഷമവുമാണ്.

ബിസിനസ് ലോജിക് ദുർബലത: AI-യുടെ ബ്ലൈൻഡ് സ്പോട്ട്

ഏറ്റവും ചെലവേറിയ കേടുപാടുകൾ പലപ്പോഴും കോഡിലെ സാങ്കേതിക പിശകിൽ നിന്നല്ല, മറിച്ച് ബിസിനസ്സ് ലോജിക്കിൻ്റെ ചൂഷണത്തിൽ നിന്നാണ്: ഒരു റിവാർഡ് അക്കൗണ്ടിൻ്റെ റൗണ്ടിംഗ് ചൂഷണം, ഒരു വോട്ട് ഫ്ലാഷ് ലോൺ ഹൈജാക്ക് ചെയ്യൽ, ഒരു വിലയുടെ തൽക്ഷണ കൃത്രിമത്വം. കോഡ് "ശരിയായി" പ്രവർത്തിക്കുന്ന സാഹചര്യങ്ങളാണിവ, എന്നാൽ പ്രോട്ടോക്കോൾ സാമ്പത്തികമായി കബളിപ്പിക്കപ്പെടാം. AI അത്തരം പിശകുകൾ നഷ്‌ടപ്പെടുത്താൻ സാധ്യതയുണ്ട്-പ്രത്യേകിച്ച് പ്രോട്ടോക്കോൾ-നിർദ്ദിഷ്ടമായവ. അതിനാൽ, ബിസിനസ് ലോജിക് അവലോകനം ഓഡിറ്ററുടെ ഏറ്റവും കൂടുതൽ മനുഷ്യ-ഇൻ്റൻസീവ് ഏരിയയാണ്, കൂടാതെ AI-യെ ഏറ്റവും കുറവ് ആശ്രയിക്കുന്നത്.

സൂചന: AI യോട് ചോദിക്കുക "ഈ പ്രോട്ടോക്കോളിൻ്റെ സാമ്പത്തിക പ്രോത്സാഹനങ്ങൾ എങ്ങനെ പ്രയോജനപ്പെടുത്താം?" ഒരു ആരംഭ പോയിൻ്റായി വരുന്ന സാഹചര്യങ്ങൾ ഉപയോഗിക്കുക - എന്നാൽ നിങ്ങളും നിങ്ങളുടെ ടീമും യഥാർത്ഥ വിശകലനം നടത്തണമെന്ന് ഓർക്കുക.

സാധാരണ തെറ്റുകൾ

  • "ഇത് സുരക്ഷിതമാണോ?" എന്ന് AI-യോട് ചോദിക്കുക. നിങ്ങളുടെ അതെ എന്ന് ചോദിക്കുകയും വിശ്വസിക്കുകയും ചെയ്യുന്നു. സമ്പൂർണ്ണ വിധി ആവശ്യമില്ല.
  • "എനിക്ക് അത് കണ്ടെത്താൻ കഴിഞ്ഞില്ല" എന്ന് AI പറയുമ്പോൾ അവലോകനം നിർത്തുന്നു. അഭാവം തെളിവല്ല.
  • ബിസിനസ് ലോജിക് റിവ്യൂ AI-ന് ഏൽപ്പിക്കുന്നു. അത് അവൻ്റെ ഏറ്റവും വലിയ അന്ധതയാണ്.
  • സ്വതന്ത്ര ഉപകരണങ്ങൾ ഉപയോഗിക്കുന്നില്ല (സ്ലിതർ മുതലായവ). AI മാത്രം പോരാ.
  • AI ഉണ്ടാക്കിയ കണ്ടെത്തൽ പരിശോധിച്ചുറപ്പിക്കാതെ റിപ്പോർട്ടിൽ ഇടുന്നു. ഭ്രമാത്മകതയുടെ അപകടസാധ്യത.
  • നിയന്ത്രണ ഉത്തരവാദിത്തം AI-യിൽ വയ്ക്കാൻ ശ്രമിക്കുന്നു. ഉത്തരവാദിത്തം വിദഗ്ധനാണ്.

ചുരുക്കത്തിൽ

  • ഓഡിറ്റ് സുരക്ഷാ നിർണായകമാണ്; AI ഓഡിറ്ററുടെ വ്യാപ്തി വികസിപ്പിക്കുന്നു, പക്ഷേ അത് മാറ്റിസ്ഥാപിക്കുന്നില്ല.
  • യഥാർത്ഥ അപകടസാധ്യതയും ബിസിനസ് ലോജിക് ബഗും AI നഷ്ടപ്പെടുത്തുന്നു; "സുരക്ഷിതം" എന്ന് പറയുന്നത് ഉറപ്പല്ല.
  • കണ്ടെത്തലുകളെ തീവ്രത അനുസരിച്ച് തരം തിരിച്ചിരിക്കുന്നു; ഡ്രാഫ്റ്റുകൾ സൃഷ്ടിക്കുന്നതിൽ AI ഉപയോഗപ്രദമാണ്.
  • വിരുദ്ധ അനുമാനവും വിഭാഗ സ്ക്രീനിംഗും ഉൾപ്പെടുത്തലിൻ്റെ അച്ചടക്കം സംരക്ഷിക്കുന്നു.
  • അന്തിമ അംഗീകാരവും പ്രൊഫഷണൽ ഉത്തരവാദിത്തവും എല്ലായ്പ്പോഴും യോഗ്യതയുള്ള ഓഡിറ്ററിലാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

അറിയപ്പെടുന്ന അപകടസാധ്യത ഉൾക്കൊള്ളുന്ന ഒരു സാമ്പിൾ കരാർ കണ്ടെത്തുക (വിദ്യാഭ്യാസ ആവശ്യങ്ങൾക്ക്, "ദുർബലമായ കരാറുകളുടെ" ഉദാഹരണങ്ങൾ ഓപ്പൺ സോഴ്സിൽ ലഭ്യമാണ്). AI-യിലേക്ക് "വിഭാഗം അടിസ്ഥാനമാക്കിയുള്ള സ്കാനിംഗ്" നിർദ്ദേശം പ്രയോഗിക്കുക. AI: (1) യഥാർത്ഥ അപകടസാധ്യത കണ്ടെത്തിയോ, (2) കെട്ടിച്ചമച്ച/തെറ്റായ കണ്ടെത്തലുകൾ ഉണ്ടാക്കിയിട്ടുണ്ടോ, (3) "സുരക്ഷിതം" പോലെയുള്ള സമ്പൂർണ്ണ വിധിന്യായങ്ങൾ നടത്തിയോ എന്ന് ശ്രദ്ധിക്കുക. തുടർന്ന് ഒരു സ്റ്റാറ്റിക് അനാലിസിസ് ടൂളുമായി താരതമ്യം ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] AI യോട് ചോദിക്കുക "ഇത് സുരക്ഷിതമാണോ?" പകരം, എനിക്ക് ഒരു വിഭാഗം അടിസ്ഥാനമാക്കിയുള്ള സ്കാൻ ഉണ്ടായിരുന്നു.
  • [ ] ഓരോ കണ്ടെത്തലിനെയും ഞാൻ ഒരു സിദ്ധാന്തമായി കണക്കാക്കി.
  • [ ] ഞാൻ തന്നെ/ടീം ബിസിനസ്സ് ലോജിക് അവലോകനം നടത്തി.
  • [ ] ഒരു സ്വതന്ത്ര സ്റ്റാറ്റിക് അനാലിസിസ് ടൂൾ ഉപയോഗിച്ച് ഞാൻ അതിനെ ക്രോസ്-വാലിഡേറ്റ് ചെയ്തു.
  • AI കണ്ടെത്തലുകൾ കെട്ടിച്ചമയ്ക്കുന്നില്ലെന്ന് ഞാൻ സ്ഥിരീകരിച്ചു.
  • [ ] തീവ്രതയുടെ തോത് അനുസരിച്ച് ഞാൻ കണ്ടെത്തലുകളെ തരംതിരിച്ചു.
  • [ ] അന്തിമ അംഗീകാരം യോഗ്യതയുള്ള ഓഡിറ്ററുടേതാണെന്ന് ഞാൻ അംഗീകരിച്ചു.