AIR کو 5 کروڑ ڈالر—AI agent کا اگلا prompt اب firewall سے گزرے گا
AIR Security یکم ستمبر 2026 کو پانچ کروڑ ڈالر کی فنڈنگ کے ساتھ stealth سے باہر آئی اور AI agents کے لیے context firewall پیش کیا۔ AIR کے سرکاری اعلان کے مطابق یہ حفاظتی تہہ غیر معتبر websites، add-ons اور بدلتے ہوئے داخلی data کو agent کے context تک پہنچنے سے پہلے filter کرنے کے لیے بنائی گئی ہے؛ یعنی عنوان میں “اگلا prompt” سے مراد صرف صارف کا لکھا ہوا سوال نہیں بلکہ agent کو ملنے والا پورا اگلا context ہے۔
اسی یکم ستمبر کے launch میں مجموعی فنڈنگ اور product scope بھی سامنے آئے۔ SecurityWeek کی رپورٹ نے پانچ کروڑ ڈالر، Sequoia Capital اور Greenoaks کی قیادت، اور skills، plugins وMCP servers کی مسلسل جانچ کی تفصیل دی۔ SiliconANGLE کی launch رپورٹ کے مطابق رقم دو دور میں آئی: Sequoia نے ایک کروڑ ڈالر کے پہلے دور اور Greenoaks نے چار کروڑ ڈالر کے دوسرے دور کی قیادت کی، جبکہ AIR کا سافٹ ویئر instructions، tools اور data کو agent کے عمل سے پہلے screen کرتا ہے۔
Firewall network traffic نہیں، agent کا context چھانتا ہے
AIR کا مرکزی دعویٰ روایتی network firewall کی نقل نہیں بلکہ اعتماد کی حد کو نئی جگہ منتقل کرنا ہے۔ AI agent کوئی فیصلہ کرتے وقت صرف انسانی prompt نہیں دیکھتا؛ اس کے context میں reusable skills، plugins کے بنڈل، Model Context Protocol یعنی MCP servers سے آنے والے tools اور data، websites کا متن اور ادارے کی داخلی معلومات بھی شامل ہو سکتی ہیں۔ ان میں سے کوئی input خراب یا تبدیل شدہ ہو تو وہ agent کے لیے بظاہر معتبر ہدایت بن سکتا ہے۔
اسی لیے عنوان کا مضبوط وعدہ ایک مخصوص product architecture بیان کرتا ہے، پوری AI صنعت کی موجودہ حقیقت نہیں۔ AIR کہتی ہے کہ اس کا filter مشکوک input کو context میں داخل ہونے سے پہلے روکے گا، لیکن ہر prompt کے محفوظ ہونے کا آزادانہ ثابت شدہ نتیجہ ابھی دستیاب نہیں۔ “Firewall” یہاں کمپنی کی اصطلاح ہے؛ اس کا قابل پیمائش مطلب یہ ہوگا کہ کون سا مواد دیکھا گیا، کس بنیاد پر روکا گیا اور کس agent یا workflow پر وہ فیصلہ نافذ ہوا۔
Permissions-only دفاع سے فرق بھی یہیں پیدا ہوتا ہے۔ Permission یہ بتاتی ہے کہ کسی agent یا add-on کو کن files، systems یا actions تک رسائی حاصل ہے، مگر لازماً یہ نہیں بتاتی کہ اسے ملنے والی instruction قابل اعتماد ہے۔ Context inspection اس سے پہلے کے سوال کو پکڑنے کی کوشش کرتی ہے: agent کے سامنے جو ہدایت، dependency یا data رکھا جا رہا ہے، کیا وہ اسی شکل اور اسی منبع سے آیا ہے جس کی ادارے نے منظوری دی تھی؟
Discovery کے بعد pre-runtime filtering کی باری آتی ہے
اس architecture کا پہلا عملی حصہ discovery ہے۔ سکیورٹی ٹیم کو پہلے یہ معلوم ہونا چاہیے کہ endpoints، cloud accounts اور SaaS applications میں کون سے agents چل رہے ہیں اور ہر agent کن skills، plugins، MCP servers یا دوسرے add-ons پر منحصر ہے۔ نامعلوم agent یا پوشیدہ dependency inventory میں نہ ہو تو اسے اگلے حفاظتی مرحلے میں جانچنا یا بعد میں واپس لینا مشکل رہتا ہے۔
دوسرا حصہ مسلسل evaluation ہے۔ کسی skill کا installation کے وقت منظور ہو جانا مستقل اعتماد کی ضمانت نہیں، کیونکہ maintainer اس کا code، dependency یا remote instruction source بدل سکتا ہے۔ AIR کی بیان کردہ جانچ deployment سے پہلے اور component میں تبدیلی کے بعد خطرناک ہدایات، پوشیدہ رویے، ملتے جلتے جعلی package names، غیر منظور شدہ add-ons اور supply-chain compromise کے آثار تلاش کرتی ہے۔
Pre-runtime filtering کا دائرہ نسبتاً واضح ہے: مشکوک component یا content کو agent کے context کا حصہ بننے سے پہلے الگ کرنا۔ اگر بیرونی website میں prompt injection ہو، کوئی skill غیر معتبر مقام سے مزید instructions لاتی ہو یا plugin کا upstream package بدل چکا ہو تو یہ وہ مرحلہ ہے جہاں agent کو اس input پر غور کرنے سے پہلے روکا جا سکتا ہے۔ یہ detection کی کامیابی پر منحصر دفاع ہے؛ جس خطرے کو filter شناخت نہ کرے، وہ صرف اس تہہ کی موجودگی سے ختم نہیں ہوتا۔
Runtime control اور least privilege دوسری حدیں قائم کرتے ہیں
Pre-runtime جانچ پورا security stack نہیں بناتی۔ جائز قرار دیا گیا integration بعد میں compromise ہو سکتا ہے، dynamic website مختلف وقت پر نیا مواد دکھا سکتی ہے، یا ایک درست tool مخصوص data اور مخصوص action کے ملاپ سے خطرناک نتیجہ پیدا کر سکتا ہے۔ Runtime control اس وقت کام آتا ہے جب agent واقعی tool call، data transfer یا دوسری کارروائی شروع کر رہا ہو؛ اس کا کام جاری رویے کو detect، block یا revoke کرنا ہے۔
Identity اور least-privilege controls الگ سوال حل کرتے ہیں۔ وہ طے کرتے ہیں کہ agent کس شناخت سے کام کر رہا ہے، اسے کن resources تک رسائی ملنی چاہیے اور اس کے اختیار کی آخری حد کیا ہے۔ Context filter نقصان دہ instruction کو روک سکتا ہے، مگر ضرورت سے زیادہ permissions کو خود بخود محدود نہیں کرتا؛ اسی طرح محدود permissions نقصان دہ prompt کو صاف نہیں کرتیں، البتہ کامیاب حملے یا غلط فیصلے کا ممکنہ نقصان کم کر سکتی ہیں۔
یوں agent security stack میں چار الگ ذمہ داریاں سامنے آتی ہیں: discovery موجود agents اور dependencies دکھاتی ہے؛ pre-runtime filtering مشکوک inputs کو context سے باہر رکھنے کی کوشش کرتی ہے؛ runtime layer اصل actions پر policy نافذ کرتی ہے؛ اور identity controls اختیار کا دائرہ محدود کرتے ہیں۔ AIR کی firewall positioning کو ان سب کا مترادف سمجھنے کے بجائے یہ دیکھنا ضروری ہے کہ اس کے مختلف controls کس مرحلے پر کون سا خطرہ روکنے کا دعویٰ کرتے ہیں۔
Add-ons کی supply chain میں اصل امتحان ابھی باقی ہے
Skills، plugins اور MCP servers agent کو بنیادی model سے باہر کی قابلیت دیتے ہیں، مگر اسی کے ساتھ ایک نئی software supply chain بھی بناتے ہیں۔ اعتماد صرف package کے ابتدائی code پر نہیں رہتا؛ dependencies، remote instructions، maintainer کی updates، منسلک websites اور داخلی data sources بھی agent کے فیصلے کو بدل سکتے ہیں۔ اسی وجہ سے صرف installation approval کافی نہیں اور مسلسل re-evaluation اس product کی بنیادی قدر بن جاتی ہے۔
مثلاً ایک مشروط صورت میں منظور شدہ skill بعد کی update میں ایسی بیرونی file پڑھنا شروع کر سکتی ہے جس کا مالک یا مواد بدل چکا ہو۔ اس skill کی permissions جوں کی توں رہیں گی، لیکن agent کو ملنے والی ہدایت مختلف ہو جائے گی۔ Dependency mapping تبدیلی سے متاثر ہونے والے agents دکھا سکتی ہے، pre-runtime filter نئے input کو روک سکتا ہے، اور runtime control اس سے نکلنے والی کارروائی کو الگ مرحلے پر محدود کر سکتا ہے۔
AIR vetted add-ons کی marketplace بھی پیش کرتی ہے، مگر ابتدائی منظوری مستقل تحفظ کے برابر نہیں۔ کسی قابل اعتماد component یا اس کے upstream source میں بعد کی تبدیلی supply-chain risk واپس لا سکتی ہے، اس لیے marketplace کا تحفظ continuous monitoring اور trust revoke کرنے کی صلاحیت سے وابستہ رہے گا۔
ابھی دستیاب معلومات کمپنی کے launch، funding اور دفاع کی ساخت واضح کرتی ہیں، مگر detection accuracy، false-positive rate، latency، مختلف agent platforms کی coverage اور حقیقی enterprise workloads پر آزاد نتائج سامنے نہیں آئے۔ اس خبر کی موجودہ حد یہی ہے: AIR نے پانچ کروڑ ڈالر کے ساتھ context، runtime اور governance کو جوڑنے والا agent-security platform پیش کر دیا ہے؛ اس کے “اگلے prompt” کو عملی طور پر کتنا محفوظ بنایا جا سکتا ہے، اس کا فیصلہ قابل موازنہ deployment data اور آزاد جانچ سے ہوگا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔