பாதுகாப்பான குறியீடு மதிப்பாய்வு மற்றும் நிலையான பகுப்பாய்வு: செயற்கை நுண்ணறிவு மூலம் பாதிப்புகளைக் கண்டறிதல்

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவை இரண்டாவது கண்ணாகப் பயன்படுத்தும் திறன் மற்றும் சூழலைக் கொடுப்பதன் மூலம் குறியீட்டில் OWASP வகுப்பு பாதிப்புகளை (ஊசி, கடின ரகசியம், அணுகல் கட்டுப்பாடு) கொடியிடும் திறன்
• செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட தவறான நேர்மறைகளை சூழலுடன் அகற்றும் திறன் மற்றும் ஒவ்வொரு கண்டுபிடிப்பையும் சரிபார்க்காமல் உண்மையான பாதிப்பாகக் கருதுவதைத் தடுக்கும்
• செயற்கை நுண்ணறிவால் பரிந்துரைக்கப்பட்ட திருத்தம் புதிய பாதிப்புகள்/பிழைகளை அறிமுகப்படுத்தலாம் மற்றும் ஒவ்வொரு பேட்சையும் மறுஆய்வு மற்றும் சோதனை வாயில் வழியாக அனுப்பலாம் என்பதை அறியும் திறன்

மென்பொருளில் உள்ள பாதிப்புகள் மிகவும் விலையுயர்ந்த பாதிப்புகளில் ஒன்றாகும், ஏனெனில் அவை ஆரம்பத்தில் இருந்தே தயாரிப்பில் உட்பொதிக்கப்பட்டு மில்லியன் கணக்கான பயனர்களுக்கு விநியோகிக்கப்படுகின்றன. SQL ஊசி, அங்கீகார பாதிப்பு, கடின குறியிடப்பட்ட கடவுச்சொல், தவறான அங்கீகாரம் - உற்பத்திக்கு செல்லும் முன், மூலக் குறியீட்டை வரியாகப் படித்து, பாதிப்புகளைப் பிடிப்பது பாதுகாப்பான குறியீடு மதிப்பாய்வு ஆகும். கையால் செய்தால், அது மெதுவாகவும் சோர்வாகவும் இருக்கும்; ஒரு பெரிய குறியீட்டு தளத்தில் பாதிப்பை இழப்பது எளிது.

இரண்டு காரணங்களுக்காக குறியீடு மதிப்பாய்வில் AI சக்தி வாய்ந்தது: குறியீடும் ஒரு மொழியாகும், மேலும் AI ஆனது பேட்டர்ன் அங்கீகாரத்தில் சிறந்தது. AI ஆனது ஒரு குறியீட்டில் ஆபத்தான வடிவங்களை விரைவாகக் கொடியிடலாம் (பயனர் உள்ளீட்டை நேரடியாக வினவலில் வைப்பது, மறைகுறியாக்கப்படாத தரவுச் சேமிப்பகம், உள்ளீடு சரிபார்ப்பு விடுபட்டது), ஒவ்வொன்றும் ஏன் ஆபத்தானது என்பதை விளக்கி, சரிசெய்தலைப் பரிந்துரைக்கலாம். ஆனால் குறியீட்டின் முழு இயக்க சூழலையும் AI பார்க்கவில்லை (உள்ளீடு மற்றொரு லேயரில் அழிக்கப்படலாம்), அது இல்லாத பாதிப்பை (தவறான நேர்மறை) கண்டுபிடிக்கலாம் அல்லது உண்மையான பாதிப்பை (தவறான எதிர்மறை) இழக்க நேரிடலாம் மற்றும் மிக முக்கியமாக, "சரிசெய்தல்" ஒரு புதிய பாதிப்பு அல்லது பிழையை அறிமுகப்படுத்தலாம். AI என்பது குறியீடு மதிப்பாய்வில் இரண்டாவது கண் மற்றும் சுட்டி; டெவலப்பர் மற்றும் பாதுகாப்பு நிபுணர் ஒரு கண்டுபிடிப்பு உண்மையான பாதிப்புதானா மற்றும் சரிசெய்தல் சரியானதா மற்றும் பாதுகாப்பானதா என்பதை தீர்மானிக்கிறார்கள்.

குறியீடு மதிப்பாய்வு படிகள்

1. நோக்கத்தையும் சூழலையும் கொடுங்கள். எந்த மொழி, எந்த ஃப்ரேம்வொர்க், இந்தக் குறியீடு எங்கே உள்ளீடு எடுக்கிறது, எங்கே அவுட்புட் கொடுக்கிறது, எந்த லேயரில் வேலை செய்கிறது? சூழல் இல்லாமல் குறியீடு மதிப்பாய்வு தவறான நேர்மறைகளை உருவாக்குகிறது.
2. ஆபத்தான வடிவங்களை ஸ்கேன் செய்யவும். அறியப்பட்ட AI பாதிப்பு வகுப்புகளைத் தேடுங்கள் (OWASP Top 10 போன்றவை): ஊசி, அங்கீகாரம், முக்கியமான தரவு வெளிப்பாடு, அணுகல் கட்டுப்பாடு.
3. ஒவ்வொரு கண்டுபிடிப்பையும் நியாயப்படுத்துங்கள். ஒவ்வொரு கொடிக்கும்: எந்த வரி, எந்த பாதிப்பு வகுப்பு, அதை எப்படிப் பயன்படுத்த முடியும், என்ன ஆதாரம். நியாயமற்ற கண்டுபிடிப்பு பெரிதாக எடுத்துக்கொள்ளப்படுவதில்லை.
4. தவறான நேர்மறையை அகற்றவும். உள்ளீடு உண்மையில் அழிக்கப்படுகிறதா, அந்த பாதை உண்மையில் அணுகக்கூடியதா - சூழலுடன் சரிபார்க்கவும்.
5. சரிசெய்தலைச் சரிபார்க்கவும். AI ஆல் பரிந்துரைக்கப்பட்ட இணைப்பு உண்மையில் பாதிப்பை மூடுகிறது, புதிய பாதிப்புகள்/பிழைகளை அறிமுகப்படுத்தவில்லை மற்றும் சோதனையில் தேர்ச்சி பெற்றுள்ளது என்பதை உறுதிப்படுத்தவும்.
6. மனித அங்கீகாரம். டெவலப்பர் + பாதுகாப்பு நிபுணர் கண்டறிதல் மற்றும் சரிசெய்தல் ஆகியவற்றை மதிப்பாய்வு செய்கிறார்; அப்படித்தான் குறியீடு களஞ்சியத்தில் நுழைகிறது.

விதிமுறைகள்: SAST (நிலையான பயன்பாட்டு பாதுகாப்பு சோதனை - மூலக் குறியீட்டை இயக்காமல் பகுப்பாய்வு செய்யும் நிலையான பாதுகாப்பு சோதனை). DAST (டைனமிக் — இயங்கும் பயன்பாட்டை வெளிப்புறமாக சோதிக்கும் டைனமிக் சோதனை). OWASP Top 10 என்பது மிகவும் பொதுவான இணைய பயன்பாட்டு பாதிப்புகளின் நிலையான பட்டியல் ஆகும். உட்செலுத்துதல் என்பது பயனர் உள்ளீட்டை கட்டளை/வினவல் (எ.கா. SQL ஊசி) என விளக்குவதால் ஏற்படும் பாதிப்பு. குறியீடிலிருந்து உள்ளீட்டைப் பிரிப்பதன் மூலம் உட்செலுத்தலைத் தடுக்கும் சரியான முறை அளவுரு வினவல் ஆகும்.

பொதுவான பாதிப்பு வகுப்புகளின் அட்டவணை

பாதிப்பு வகுப்பு

அறிகுறி (குறியீட்டில்)

சரியான தீர்வு

AI இன் பொறி

SQL ஊசி

வினவலில் உள்ளீட்டைச் சேர்கிறது

அளவுரு வினவல்

சுத்தப்படுத்தலை புறக்கணிக்கலாம்

கடின குறியிடப்பட்ட ரகசியம்

குறியீட்டில் கடவுச்சொல்/விசை

இரகசிய பாதுகாப்பு (பெட்டகம்), env

தவறான நேர்மறை (மாதிரி/சோதனை)

பலவீனமான அங்கீகாரம்

காணவில்லை/தவறான கட்டுப்பாடு

சக்திவாய்ந்த, மையப்படுத்தப்பட்ட கட்டுப்பாடு

சூழலை இழக்கிறது

தவறான அணுகல் கட்டுப்பாடு

அங்கீகார சோதனை இல்லை

சர்வர் பக்க அங்கீகாரம்

சிக்கலான ஓட்டம் புரியவில்லை

உணர்திறன் தரவு வெளிப்பாடு

கடவுச்சொல் இல்லாத சேமிப்பு/பதிவு

மறைகுறியாக்கம், மறைத்தல்

விமர்சனத்தை அறிய முடியாது

பாதுகாப்பற்ற தொடர்முறை

நம்பத்தகாத தரவை சீரமைக்கவும்

பாதுகாப்பான பாகுபடுத்துதல்

அரிய வடிவத்தை இழக்கிறது

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - உண்மையான ஊசி பிடிக்கும். ஒரு டெவலப்பர் ஒரு தரவு அணுகல் செயல்பாட்டை AI ஆய்வு செய்ய வேண்டும். AI ஆனது பயனரிடமிருந்து பயனர் ஐடி மதிப்பு நேரடியாக SQL உரையுடன் இணைக்கப்பட்ட வரியைக் குறிக்கிறது மற்றும் "இது கிளாசிக் SQL ஊசி, அதை அளவுருக் கொண்ட வினவலாக மாற்றவும்" என்று கூறுகிறது; மாதிரி திருத்தம் வழங்குகிறது. டெவலப்பர், உள்ளீடு வேறு எங்கும் சுத்திகரிக்கப்படவில்லை என்பதை உறுதிசெய்து, அது உண்மையான பாதிப்பு என்பதைச் சரிபார்த்து, பரிந்துரைக்கப்பட்ட அளவுருக் கொண்ட வினவலைச் செயல்படுத்தி, சோதனை எழுதுகிறார். AI பாதிப்பை முன்னிலைப்படுத்தியது; சரிபார்ப்பு மற்றும் திருத்தச் சோதனை டெவலப்பரிடமிருந்து வந்தது.

வழக்கு 2 - தவறான நேர்மறை நிலையான ரகசியம். AI ஆனது ஒரு கோப்பில் கடவுச்சொல் = "test1234" வரியைப் பார்த்து, "முக்கியமானது: கடின குறியீட்டு கடவுச்சொல்" என்று கூறுகிறது. டெவலப்பர் சூழலைச் சரிபார்க்கிறார்: இது ஒரு யூனிட் சோதனைக் கோப்பு, போலி சோதனைத் தரவு, உற்பத்தியில் வெளியிடப்படவில்லை மற்றும் உண்மையான அமைப்புக்கு அனுப்பப்படவில்லை. கண்டுபிடிப்பு தவறான நேர்மறை. டெவலப்பர் இதை ஆவணப்படுத்துகிறார், ஆனால் இது உண்மையான ரகசியம் அல்ல என்பதால் நடவடிக்கை எடுக்கவில்லை. பாடம்: AI இன் "கடினமான இரகசிய" அடையாளம் சூழலால் அகற்றப்பட வேண்டும்; ஒவ்வொரு சரமும் ஒரு ரகசியம் அல்ல.

வழக்கு 3 - புதிய பாதிப்பு திருத்தம். AI ஆனது XSS (கிராஸ்-சைட் ஸ்கிரிப்டிங்) பாதிப்புக்கு ஒரு தீர்வை முன்மொழிகிறது; ஆனால் அவர் பரிந்துரைக்கும் குறியீடு தவறான இடத்தில் உள்ளீட்டை அழிக்கிறது மற்றும் மற்றொரு பகுதியில் அவுட்புட் குறியாக்கத்தைத் தவிர்க்கிறது; இதன் விளைவாக, இடைவெளி முழுமையாக மூடப்படாது. பாதுகாப்பு நிபுணர் பிழைத்திருத்தத்தை மதிப்பாய்வு செய்து, விடுபட்ட குறியீட்டைக் கவனித்து, சரியான அடுக்கில் அதைச் சரிசெய்கிறார். பாடம்: AI பரிந்துரைக்கும் இணைப்பு தானாகவே பாதுகாப்பாக இல்லை; ஒவ்வொரு திருத்தமும் மதிப்பாய்வு செய்யப்பட்டு சோதிக்கப்படுகிறது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்தக் குறியீட்டில் ஓட்டை உள்ளதா, அதைச் சரிசெய்யவும்: [குறியீடு]

இந்த ப்ராம்ட் எந்த சூழலையும் கொடுக்காது (மொழி, கட்டமைப்பு, உள்ளீட்டு ஆதாரம்), நியாயம் கேட்காது, தவறான நேர்மறையை கேள்வி கேட்காது, மேலும் AI ஆல் உருவாக்கப்பட்ட திருத்தத்தை கண்மூடித்தனமாக ஏற்றுக்கொள்ளும். AI ஆனது உண்மையான பாதிப்பு மற்றும் இல்லாத ஒன்று ஆகிய இரண்டின் அறிகுறிகளையும் கலந்துள்ளது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: பாதுகாப்பான குறியீடு மதிப்பாய்வில் டெவலப்பருக்கு இரண்டாவது கண் உதவியாளர். முடிவெடுப்பது; நேரடியாகப் பயன்படுத்தப்படும் திருத்தத்தைக் கவனியுங்கள். குறியீடு: [மொழி/கட்டமைப்பைக் குறிப்பிடவும்]. சூழல்: இந்த செயல்பாடு [உள்ளீடு மூலம்: எ.கா. [வெளிப்புற HTTP கோரிக்கை] பெறுகிறது, [வெளியீட்டு இலக்கு] க்கு எழுதுகிறது. உங்கள் பணி: (1) OWASP வகுப்பில் சாத்தியமான பாதிப்புகளைக் கொடியிடவும், வரி எண் + ஏன் ஆபத்தானது + எப்படிப் பயன்படுத்துவது + ஒவ்வொன்றுக்கும் ஆதாரம் கொடுக்கவும், (2) ஒவ்வொரு கண்டுபிடிப்புக்கும் குறைந்தது 1 தவறான நேர்மறை காட்சியை எழுதவும் (எ.கா. உள்ளீடு மற்றொரு லேயரில் சுத்திகரிக்கப்பட்டால்), (3) "[மதிப்பாய்வு + சோதனை எழுதவும்]" அடையாளத்துடன் சரிசெய்ய பரிந்துரைக்கவும்; திருத்தமானது புதிய பாதிப்புகள்/பிழைகளை அறிமுகப்படுத்துகிறதா என்பதையும் மதிப்பீடு செய்யவும். போலியான பாதிப்பைச் சேர்த்தல்.[குறியீடு]

வலுவான ப்ராம்ட் சூழலைக் கொடுக்கிறது, OWASP வகுப்பு மற்றும் ஆதாரங்களைக் கேட்கிறது, தவறான நேர்மறை கேள்விகள் மற்றும் தீர்வுக்கான ஆபத்துகள், மனித மதிப்பாய்வை கட்டாயப்படுத்துகிறது.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

பாதிப்பு ஸ்கேன் டெம்ப்ளேட் OWASP டாப் 10க்கான [மொழி/கட்டமைப்பு] குறியீட்டை ஆய்வு செய்யவும். சாத்தியமான ஒவ்வொரு கண்டுபிடிப்புக்கும்: வரி எண், பாதிப்பு வகுப்பு, அது ஏன் ஆபத்தானது, மாதிரி சுரண்டல், ஆதாரங்களின் வலிமை (சில/சாத்தியமான/பலவீனமானது). சூழல்: உள்ளீடு [ஆதாரம்], வெளியீடு [இலக்கு]. புனையப்பட்ட கண்டுபிடிப்புகளைச் சேர்த்தல்; உங்களுக்கு உறுதியாக தெரியவில்லை என்றால், "[சரிபார்க்கப்பட வேண்டும்]" என தட்டச்சு செய்யவும். குறியீடு: [ஒட்டு]

தவறான நேர்மறை எலிமினேஷன் பேட்டர்ன் பின்வரும் குறியீடு கண்டறிதலுக்கு, உண்மையான பாதிப்பு இல்லாத காட்சிகளைப் பட்டியலிடுங்கள்: உள்ளீட்டை வேறொரு லேயரில் அழிக்க முடியுமா, இந்தப் பாதையை அணுக முடியுமா, இந்த மதிப்பு சோதனை/மாதிரியா, கட்டமைப்பானது தானாகப் பாதுகாக்கப்படுமா. ஒவ்வொன்றையும் எவ்வாறு உறுதிப்படுத்துவது என்பதை எழுதுங்கள். கண்டறிதல்: [ஒட்டு]

சரி மதிப்பீட்டு வார்ப்புரு பின்வரும் பாதிப்புக்கு ஒரு தீர்வை பரிந்துரைக்கிறது; உங்கள் சொந்த தீர்வை விமர்சிக்கவும்: (1) இது உண்மையில் பாதிப்பை மூடுகிறதா, (2) இது ஒரு புதிய பாதிப்பு/பிழையை அறிமுகப்படுத்துகிறதா, (3) நான் என்ன சோதனை எழுத வேண்டும் (நேர்மறை மற்றும் எதிர்மறை வழக்கு), (4) செயல்திறன்/செயல்பாட்டு தாக்கம். நான் சரிபார்த்து சரிபார்ப்பேன். பாதிப்பு + குறியீடு: [ஒட்டு]

பாதிப்பு வகுப்பிற்கான பாதுகாப்பான பேட்டர்ன் டீச்சிங் டெம்ப்ளேட் [எ.கா. SQL ஊசி] ஒப்பீட்டளவில் பாதுகாப்பான தட்டச்சு முறை மற்றும் இந்த மொழி/கட்டமைப்பில் பொதுவான பிழையான வடிவங்களைக் காட்டுகிறது. பொது விதி + குறியீடு உதாரணம் கொடுங்கள்; ஆனால் எனது குறியீட்டில் அதைச் செயல்படுத்துவதற்கு முன் நீங்கள் சூழலைக் கேட்க வேண்டும் என்று நான் விரும்புகிறேன். மொழி/கட்டமைப்பு: [எழுது]

பொதுவான தவறுகள்

• சூழல் இல்லாமல் மதிப்பாய்வு செய்யவும். மொழி, கட்டமைப்பு மற்றும் உள்ளீடு/வெளியீட்டு சூழல் இல்லாமல், AI உண்மையான மற்றும் போலியான கண்டுபிடிப்புகள் இரண்டையும் குழப்புகிறது; சூழலைக் கொடுக்க மறக்காதீர்கள்.
• ஒவ்வொரு அடையாளத்தையும் உண்மையான பலவீனம் என்று தவறாகப் புரிந்துகொள்வது. AI தவறான நேர்மறைகளை உருவாக்குகிறது (சோதனை தரவு, உள்ளீடு மற்றொரு அடுக்கில் சுத்தம் செய்யப்பட்டது); ஒவ்வொரு கண்டுபிடிப்பையும் சூழலுடன் சலிக்கவும்.
• AIயின் திருத்தத்தை கண்மூடித்தனமாகப் பயன்படுத்துதல். பரிந்துரைக்கப்பட்ட இணைப்பு புதிய பாதிப்புகள்/பிழைகளை அறிமுகப்படுத்தலாம்; சோதனைகளை மதிப்பாய்வு செய்து எழுதவும்.
• தவறான எதிர்மறையை நம்புதல். AI "பாதிப்புகள் இல்லை" என்று கூறினாலும், முக்கியமான பாதைகளை நீங்களே ஆராயுங்கள்; நிலையான ஸ்கேனிங் ஒவ்வொரு பாதிப்பையும் கண்டறியாது.
• வெளிப்புறக் கருவிக்கு குறியீடு/ரகசியத்தைக் கொடுத்தல். தனிப்பட்ட குறியீடு மற்றும் உண்மையான ரகசியங்கள் (விசை, கடவுச்சொல்) அறிவுசார் சொத்து மற்றும் பாதிப்பு; அநாமதேயமாக்குதல் அல்லது பெருநிறுவன, தனிமைப்படுத்தப்பட்ட கருவிகளைப் பயன்படுத்துதல்.

உதவிக்குறிப்பு: AI மறுஆய்வுக் குறியீட்டைக் கொண்டிருக்கும்போது, ​​ஒவ்வொரு கண்டுபிடிப்புக்கும் "சான்றுகளின் வலிமை" (நிச்சயமான/சாத்தியமான/பலவீனமான) கேட்பது மிகவும் திறமையான வடிகட்டியாகும். "பலவீனமானது" எனக் குறிக்கப்பட்ட பெரும்பாலான கண்டுபிடிப்புகள் தவறான நேர்மறைகள்; உங்கள் ஆற்றலை "நிச்சயமாக" உள்ளவர்களுக்கு ஒதுக்குகிறீர்கள்.

எச்சரிக்கை: AI இன் முன்மொழியப்பட்ட பாதுகாப்புத் திருத்தம் சோதனைக்கு உட்படுத்தப்படாமல் கிடங்கிற்குள் நுழையக்கூடாது. ஒரு தவறான "சரிசெய்தல்" பாதிப்பை திறந்து விட்டு உற்பத்தியில் செயல்பாட்டு பிழைக்கு வழிவகுக்கும்; ஒவ்வொரு இணைப்பும் மதிப்பாய்வு மற்றும் சோதனை வாயில் வழியாக செல்கிறது.

சுருக்கமாக

பாதுகாப்பான குறியீடு மதிப்பாய்வு என்பது பாதிப்புகளை உற்பத்தி செய்வதற்கு முன் அவற்றைப் பிடிக்க மலிவான வழியாகும், மேலும் குறியீடு ஒரு மொழி என்பதால், AI இங்கே சக்திவாய்ந்த இரண்டாவது கண்ணாக மாறுகிறது: ஆபத்தான வடிவங்களைக் கொடியிடுகிறது, ஆபத்தை விளக்குகிறது, திருத்தங்களை பரிந்துரைக்கிறது. ஆனால் AI முழு இயக்க சூழலையும் பார்க்கவில்லை, தவறான நேர்மறைகள் மற்றும் தவறான எதிர்மறைகளை உருவாக்குகிறது, மேலும் அது பரிந்துரைக்கும் இணைப்பு புதிய பாதிப்புகளை அறிமுகப்படுத்தலாம். மதிப்பாய்வில் ஆறு படிகள் உள்ளன (சூழல், திரையிடல், நியாயப்படுத்தல், தவறான நேர்மறை நீக்கம், சரிபார்ப்பு, மனித ஒப்புதல்) மற்றும் முடிவு டெவலப்பர் மற்றும் பாதுகாப்பு நிபுணரிடம் உள்ளது. மூன்று கொள்கைகள்: சூழல் இல்லாமல் எந்தக் கண்டுபிடிப்பும் விளக்கப்படுவதில்லை, ஒவ்வொரு அடையாளமும் சூழலுடன் அகற்றப்படும், எந்தத் திருத்தமும் சோதிக்கப்படாத சேமிப்பகத்திற்குள் செல்லாது. மேலும் குறியீடு/ரகசியம் அநாமதேயமாக இல்லாமல் வெளிப்புறக் கருவிக்கு வழங்கப்படுவதில்லை.

விண்ணப்ப பணி

மாதிரி குறியீடு துணுக்கை எடுத்துக் கொள்ளுங்கள் (உங்கள் சொந்தக் குறியீட்டிலிருந்து முக்கியமான பகுதிகளை அகற்றவும் அல்லது பாதிப்புகள் உள்ள மாதிரிக் குறியீட்டை அகற்றவும்). AI அதை "பாதிப்பு ஸ்கேனிங்" டெம்ப்ளேட் மூலம் ஆய்வு செய்ய வேண்டும்; ஒவ்வொரு கண்டுபிடிப்புக்கும் "False Positive Elimination" டெம்ப்ளேட்டைப் பயன்படுத்துங்கள் மற்றும் உண்மையானவற்றை அகற்றவும். "நிவர்த்தி மதிப்பீடு" டெம்ப்ளேட் மூலம் மிகவும் தீவிரமான கண்டுபிடிப்பை சரிசெய்து, அதை நீங்களே மதிப்பாய்வு செய்து ஒரு நேர்மறை + ஒரு எதிர்மறை சோதனை வழக்கை எழுதுங்கள். எத்தனை கண்டுபிடிப்புகள் தவறான நேர்மறையானவை என்பதைக் கவனியுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] குறியீட்டை மதிப்பாய்வு செய்வதற்கு முன் மொழி, கட்டமைப்பு மற்றும் உள்ளீடு/வெளியீட்டு சூழலைக் கொடுத்தேன்.
• [ ] நான் வரி எண், பாதிப்பு வகுப்பு, சுரண்டல் பாதை மற்றும் ஒவ்வொரு கண்டுபிடிப்புக்கும் ஆதாரம் கேட்டேன்.
• [ ] ஒவ்வொரு கண்டுபிடிப்பையும் சூழலுடன் தவறான நேர்மறைக்காக திரையிட்டேன்.
• AI இன் திருத்தத்தை நான் கண்மூடித்தனமாகப் பயன்படுத்தவில்லை; பரிசீலனை செய்து தேர்வு எழுதினேன்.
• [ ] "பாதிப்புகள் இல்லை" வெளியீடு இருந்தபோதிலும், முக்கியமான பாதைகளை நானே ஆய்வு செய்தேன்.
• [ ] நான் குறியீடு/ரகசியங்களை அநாமதேயமாக்கினேன் அல்லது கார்ப்பரேட் தனிமைப்படுத்தப்பட்ட கருவியைப் பயன்படுத்தினேன்.
• [ ] டெவலப்பர் + பாதுகாப்பு ஒப்புதல் மூலம் நான் கண்டுபிடிப்பையும் சரிசெய்தலையும் கடந்துவிட்டேன்.