AI द्वारा कोड लिखने की गति, सुरक्षा टीमों की समीक्षा की गति से तेज हो रही है। Linux Foundation द्वारा आयोजित एक नई अध्ययन, जिसमें ActiveState ने समर्थन और भागीदारी की, दिखाती है कि 58% टीमें कोड को उत्पादन में इतनी तेजी से जारी कर रही हैं कि सुरक्षा समीक्षा उनके साथ नहीं बढ़ पा रही है; इसके साथ ही, 60% प्रतिभागियों ने कहा कि AI प्रोग्रामिंग सहायकों ने उनके कोडबेस में बाहरी सॉफ्टवेयर पैकेजों की संख्या बढ़ा दी है। हालाँकि, इन पैकेजों द्वारा पेश किए गए अप्रत्यक्ष निर्भरताओं, यानी "पारगम्य निर्भरताओं", की समीक्षा टीमें केवल लगभग 50% समय करती हैं।
ActiveState इस नए अध्ययन का स्पॉन्सर और योगदानकर्ता है। यह अध्ययन Open Source Security Foundation (OpenSSF) और LF AI & Data Foundation द्वारा समर्थित है। ActiveState ने सोमवार को 'State of AI Impact on Software Security and Cybersecurity 2026' के परिणामों की घोषणा की। अध्ययन के अनुसार, AI-संचालित सॉफ़्टवेयर विकास की गति और संगठनों द्वारा उत्पादित कोड की सुरक्षा को सुरक्षित रखने की क्षमता के बीच एक बढ़ता हुआ अंतर है।
अध्ययन के अनुसार, जबकि AI कोड उत्पन्न करने और दुर्बलताओं की पहचान करने दोनों को तेज कर रहा है, ये चुनौतियाँ अधिक तीव्र हो रही हैं, और संगठनों के पास हमलावरों द्वारा सुरक्षा दुर्बलताओं का दुरुपयोग करने से पहले समस्याओं की पहचान और ठीक करने के लिए कम समय बच रहा है। PHP2Shell दुर्बलता, जिसकी घोषणा अक्टूबर 2026 में हुई, इस तत्कालता को उजागर करती है: दुर्बलता के प्रकट होने के कुछ ही घंटों में त немेडिएट पैच जारी किए गए और दुरुपयोग के प्रयासों की रिपोर्ट की गई। अध्ययन के अनुसार, जैसे-जैसे दुर्बलताओं की पहचान और दुरुपयोग की गति बढ़ रही है, संगठनों को सुरक्षा समीक्षा, निर्भरता समीक्षा और ठीक करने के प्रक्रियाओं को इस गति के साथ चलाने का दबाव बढ़ रहा है।
यह सर्वेक्षण उद्योग और ओपन सोर्स प्रोजेक्ट्स से आए 172 सुरक्षा पेशेवरों को कवर करता है। सर्वेक्षण में यह भी पाया गया कि AI समाधान का एक हिस्सा है, लेकिन कुछ विरोधाभासों के साथ। प्रतिभागियों ने बताया कि पिछले वर्ष पाए गए दोषों में से 30% का पता AI-सहायता वाले उपकरणों द्वारा लगाया गया; 69% प्रतिभागियों ने कहा कि ये उपकरणों ने उनकी सुरक्षा स्थिति में महत्वपूर्ण सुधार किया है। औसतन, AI उपकरणों ने सुरक्षा कार्य को 17% तेज कर दिया, लेकिन दोषों के गलत सकारात्मक पता लगाने से पेशेवरों का कार्यभार 30% बढ़ गया, जो AI द्वारा लाए गए कार्यक्षमता में सुधार और प्रभावी सुरक्षा निगरानी के बीच संतुलन की आवश्यकता को उजागर करता है।
एक्टिवस्टेट के सीईओ एबी कीर्न्स ने कहा, "AI प्रोग्रामिंग सहायक केवल कोड लिखने तक सीमित नहीं हैं, वे आपके निर्भरताओं को भी चुनते हैं, और यह अध्ययन दर्शाता है कि टीमें इसके साथ आने वाली चीजों की केवल लगभग आधी ही जांच करती हैं। यह हमारे प्रति सप्ताह ग्राहकों से सुनी जाने वाली बातों के साथ संगति रखता है। डेवलपर्स की गति को धीमा करने से समस्या का समाधान नहीं होता। उत्तर यह है कि कोड को कोडबेस में प्रवेश करने से पहले यह तय किया जाए कि कौन सी चीजें विश्वसनीय हैं, ताकि डेवलपर्स और उनके AI उपकरण सुरक्षा टीम द्वारा मंजूर किए गए घटकों से शुरू कर सकें।"
अन्य प्रमुख खोजों में शामिल हैं:
- कौशल जोखिम में है। 82% लोगों का मानना है कि AI उपकरणों पर अत्यधिक निर्भरता विकासकर्ताओं के सुरक्षा कौशल को कमजोर कर देती है।
- तैयारी से अधिक चिंता। प्रत्येक मापी गई AI-संबंधी धमकी के लिए, चिंतित पेशेवरों की संख्या उन लोगों से अधिक है जो खुद को तैयार महसूस करते हैं। सबसे बड़ा अंतर AI स्वचालित दुरुपयोग उत्पादन और फ़ज़िंग में है, जिसमें 41 प्रतिशत का अंतर है।
- सप्लाई चेन सबसे अधिक चिंता का विषय है। सप्लाई चेन हमले सुरक्षा विशेषज्ञों के लिए सबसे बड़ी चिंता हैं, जिसका प्रतिशत 93% है; इसके बाद प्रॉम्प्ट इंजेक्शन है, जिसका प्रतिशत 90% है; और उच्च आवृत्ति घटक अपडेट के कारण रखरखाव का बोझ, जिसका प्रतिशत 87% है।
- जिम्मेदारी स्पष्ट नहीं है। केवल 30% टीमों में AI से संबंधित सुरक्षा खतरों के लिए विशेष रूप से नियुक्त पद हैं, और केवल लगभग एक तिहाई टीमों के पास AI को शामिल करने वाली औपचारिक सुरक्षा नीतियाँ हैं।
- स्पष्ट जिम्मेदारी से लाभ मिलता है। ऐसी टीमों में, जहां विशेष AI सुरक्षा पद हैं, 75% ने बताया कि वे AI प्रणालियों के खिलाफ हमलों के लिए पर्याप्त रूप से तैयार हैं; जबकि सभी प्रतिभागियों में यह अनुपात 50% है।
- मानवीय समीक्षा डिफ़ॉल्ट रूप से आवश्यक नहीं है। AI सुरक्षा नीतियों वाली टीमों में से केवल 57% AI द्वारा उत्पन्न कोड के लिए मानवीय समीक्षा की आवश्यकता होती है।
अध्ययन के अनुसार, ये खोजें एक साथ यह दर्शाती हैं कि AI के अपनाए जाने के साथ, सुरक्षा जिम्मेदारियों को अधिक स्पष्ट रूप से परिभाषित करने और शासन को मजबूत करने की आवश्यकता है। अध्ययन ने यह भी बताया कि विशेष पदों की स्थापना, स्पष्ट नीतियों का निर्माण और उपकरणों का सही क्रियान्वयन, अधिक तैयारी से संबंधित है; लेकिन इस सर्वेक्षण ने इन अभ्यासों के कारण ही इस अंतर का प्रमाण नहीं दिया है।
OpenSSF के AI/ML/LLM/Agentic Systems के सुरक्षा आर्किटेक्ट लौरा गुआजेली का कहना है: "जैसे-जैसे AI सॉफ्टवेयर विकास को तेज कर रहा है, संगठनों को उत्पादित कोड को समान रूप से सावधानी से प्रबंधित और सुरक्षित करने की आवश्यकता है। इसके लिए पहला कदम यह समझना है कि AI सॉफ्टवेयर सप्लाई चेन के किन-किन पहलुओं में जोखिम पैदा करता है, इन जोखिमों के प्रतिक्रिया के लिए कौन जिम्मेदार है, और सुरक्षा अभ्यासों को सॉफ्टवेयर निर्माण के तरीके के परिवर्तन के साथ कैसे अपडेट किया जाए।"
रिपोर्ट सुझाव देती है कि संगठनों को एआई से संबंधित सुरक्षा खतरों के लिए स्पष्ट जिम्मेदार नियुक्त करना चाहिए, एक औपचारिक एआई सुरक्षा नीति बनानी चाहिए और उत्पन्न कोड की मानव जांच को शामिल करना चाहिए, साथ ही सीधे और पारगम्य निर्भरताओं पर नियंत्रण मजबूत करना चाहिए। इन खोजों के आधार पर, ActiveState सुझाव देता है कि ओपन सोर्स घटकों के प्रवेश के समय, स्कैनिंग और समीक्षा के अलावा, गवर्नेंस लागू किया जाए, ताकि सुरक्षा टीमें डेवलपर्स या एआई सहायकों द्वारा घटकों को सॉफ्टवेयर सप्लाई चेन में शामिल करने से पहले यह निर्णय ले सकें कि कौन से घटक प्रवेश करने के योग्य हैं।
2026 वर्ष में AI के सॉफ्टवेयर सुरक्षा और साइबर सुरक्षा पर प्रभाव की वर्तमान स्थिति की पूरी रिपोर्ट Linux Foundation वेबसाइट पर उपलब्ध है, जिसमें अध्ययन के निष्कर्ष और व्यावहारिक सुझाव शामिल हैं: https://www.linuxfoundation.org/research/ai-impact-on-cybersecurity-2026
ActiveState के बारे में
ActiveState का कहना है कि कंपनी AI कोडिंग के युग में सॉफ्टवेयर सप्लाई चेन की सुरक्षा को स्रोत से सुनिश्चित करने के लिए समर्पित है। ActiveState Curated Catalog—एक निजी, समीक्षित ओपन सोर्स कंपोनेंट रिपॉजिटरी—के माध्यम से, सुरक्षा टीमें डेवलपर्स या AI प्रोग्रामिंग असिस्टेंट द्वारा कंपोनेंट शामिल किए जाने से पहले यह निर्णय ले सकती हैं कि कौन सी चीजें उद्यम सॉफ्टवेयर में प्रवेश करेंगी। कंपनी का कहना है कि इससे सुरक्षा टीमों को नियंत्रण प्राप्त होता है, जबकि इंजीनियरिंग टीमों की विकास गति बनी रहती है। Curated Catalog को टीम द्वारा पहले से उपयोग किए जा रहे आर्टिफैक्ट रिपॉजिटरी, स्कैनर और AI प्रोग्रामिंग असिस्टेंट के साथ उपयोग किया जा सकता है। अधिक जानकारी के लिए activestate.com देखें।
स्रोत: ActiveState