P2 Threat Model Generator เพิ่มโหมดสัมภาษณ์ด้วย AI
เครื่องมือจำลองภัยคุกคาม P2 ของ GreenBladeSec เพิ่มโหมดเอเจนต์ช่วยสัมภาษณ์ผู้ใช้เพื่อเก็บข้อมูลแทนการเขียนไฟล์ YAML
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- P2 Threat Model Generator อัปเกรดเพิ่มโหมดสัมภาษณ์ด้วยเอเจนต์
- LLM ทำหน้าที่เพียงพูดคุยเพื่อเก็บข้อมูลป้อนเข้า ApplicationDescriptor
- ระบบประเมินผล STRIDE และส่วนคำนวณความเสี่ยงยังคงทำงานแบบ deterministic
- เครื่องมือนี้ใช้โครงสร้าง harness ภายในที่เรียกว่า agent-core
GreenBladeSec นักพัฒนาซอฟต์แวร์ได้ประกาศอัปเดตเครื่องมือจำลองภัยคุกคาม P2 Threat Model Generator ซึ่งเขียนด้วยภาษา Python โดยในเวอร์ชันนี้มีการเพิ่มโหมดเอเจนต์สัมภาษณ์เข้ามา เพื่อช่วยแก้ไขปัญหาขั้นตอนการรับข้อมูลตั้งต้นที่ยุ่งยากในการทำงานจริง
ก่อนหน้านี้ในเดือนมิถุนายน เครื่องมือ P2 ถูกสร้างขึ้นมาเพื่อให้สามารถอ่านไฟล์การตั้งค่าอย่าง Docker Compose, OpenAPI และ Kubernetes manifests จากนั้นทำการวิเคราะห์ตามหลักการ STRIDE ให้คะแนนความเสี่ยง และสร้างรายงานผลลัพธ์ในรูปแบบ HTML พร้อมกับเชื่อมโยงข้อมูลไปยัง MITRE ATT&CK ได้ทันที
แม้ระบบส่วนหลักจะทำงานได้ดีและมีความแม่นยำสูงผ่านระบบกฎที่กำหนดไว้ล่วงหน้า แต่ขั้นตอนการเริ่มต้นใช้งานจริงกลับไม่ได้เริ่มต้นด้วยการมีไฟล์ YAML สมบูรณ์เสมอไป ทำให้เกิดแนวคิดในการพัฒนาช่องทางการสื่อสารรูปแบบใหม่เพื่อให้ได้ข้อมูลมาป้อนเข้าสู่ระบบ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
แนวทางการพัฒนาในครั้งนี้มุ่งเน้นไปที่การรักษาแกนหลักที่เป็น deterministic ทั้งหมดเอาไว้ เช่น เอ็นจิ้นกฎ STRIDE ระบบให้คะแนนสไตล์ CVSS ตัวตรวจสอบสถานะการปฏิบัติตามข้อกำหนด และระบบสร้างรายงาน HTML โดยไม่มีการเปลี่ยนแปลงโค้ดส่วนเหล่านี้แต่อย่างใด
ความเปลี่ยนแปลงสำคัญคือการจำกัดบทบาทของโมเดลภาษาขนาดใหญ่ (LLM) ให้ทำหน้าที่เพียงการสนทนากับผู้ใช้งานเพื่อสอบถามรายละเอียดระบบ แล้วแปลงข้อมูลเหล่านั้นให้กลายเป็นโครงสร้าง ApplicationDescriptor ที่ระบบต้องการใช้งานต่อเท่านั้น
การออกแบบสถาปัตยกรรมลักษณะนี้สะท้อนให้เห็นแนวทางปฏิบัติที่ปลอดภัยในการนำ AI มาผสานเข้ากับงานความปลอดภัยไซเบอร์ โดยแยกส่วนการตัดสินใจด้านความปลอดภัยให้อยู่ในโค้ดที่มีความแน่นอน (deterministic) ในขณะที่ให้ LLM ทำหน้าที่เป็นเพียงส่วนติดต่อผู้ใช้งาน (User Interface) เพื่อลดความเสี่ยงที่ AI จะ hallucination หรือสร้างวิเคราะห์ภัยคุกคามที่ผิดเพี้ยนไปจากความเป็นจริง
ด้วยแนวทางดังกล่าว เอเจนต์จึงไม่ได้ทำหน้าที่เป็นผู้สร้างภัยคุกคามหรือใช้เหตุผลด้านความปลอดภัยด้วยตัวเอง แต่เป็นเพียงตัวกลางในการรวบรวมข้อมูลดิบจากปากคำของผู้ใช้งานเพื่อนำไปประมวลผลต่อตามกฎเกณฑ์ที่กำหนดไว้
นอกจากนี้ ทั้งเครื่องมือคัดกรองช่องโหว่ SAST/DAST รุ่นก่อนหน้าอย่าง P1 และเครื่องมือรุ่นใหม่นี้ ต่างก็ถูกขับเคลื่อนภายใต้โครงสร้าง harness ภายในตัวเดียวกันที่มีชื่อว่า agent-core ซึ่งช่วยให้การพัฒนาเอเจนต์มีความสอดคล้องและบริหารจัดการได้ง่ายขึ้น
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น