Palo Alto کا AI دفاع: ایک model نے 40٪ خامیاں بھی نہ پکڑیں

Palo Alto Networks نے 22 ستمبر 2026 کی تکنیکی وضاحت میں Unit 42 Continuous Frontier AI Defense پیش کرتے ہوئے بتایا کہ اس کی اپنی جانچ میں پیچیدہ ادارہ جاتی ماحول کی خامیوں میں کوئی ایک AI ماڈل 40٪ سے زیادہ شناخت نہیں کر سکا۔ نئی سروس اسی محدود مشاہدے کی بنیاد پر کئی ماڈلز کو Unit 42 کے سکیورٹی ماہرین کے ساتھ استعمال کرتی ہے، تاکہ بدلتے ہوئے نظاموں میں کمزوریاں تلاش، ان کی قابلِ استعمال ہونے کی تصدیق اور اصلاح کو ترجیح دی جا سکے۔

اسی روز جاری سرکاری اعلان میں ویب ایپس، APIs، کلاؤڈ انفراسٹرکچر، سورس کوڈ ریپوزٹریز اور نیٹ ورک اثاثے جانچ کے دائرے میں شامل ہیں۔ سروس کو دنیا بھر میں سالانہ سبسکرپشن پر دستیاب بتایا گیا ہے، جس کے اختیارات استعمال ہونے والے ماڈلز کے لحاظ سے بدلتے ہیں۔ یہ دستیابی کا اعلان ہے؛ کسی مخصوص خریدار کے ماحول میں نتائج کی شرح کی ضمانت نہیں۔

مسلسل جانچ کن نظاموں تک پہنچتی ہے؟

سروس پہلے زیرِ جانچ ماحول کی بنیادی جانچ کرتی ہے، پھر ایپس، کوڈ یا بنیادی ڈھانچے میں تبدیلی کے ساتھ جانچ جاری رکھنے کے لیے بنائی گئی ہے۔ مقصد صرف معلوم خامیوں کی فہرست بنانا نہیں؛ مختلف حصوں میں موجود کمزوریوں کو جوڑ کر یہ دیکھنا بھی ہے کہ آیا کوئی قابلِ عمل حملہ راستہ بنتا ہے۔ اس دائرے میں ادارے کی اپنی اور تیسرے فریق کی ویب ایپس بھی آ سکتی ہیں، مگر ان تک رسائی اور جانچ کی اجازت ہر ماحول میں الگ طے ہو گی۔

یہ فرق اس لیے اہم ہے کہ ایک ہی کاروباری عمل ویب ایپ، API، کلاؤڈ ترتیب اور نیٹ ورک رسائی پر منحصر ہو سکتا ہے۔ کسی ایک حصے میں معمولی دکھائی دینے والی کمزوری دوسرے حصے کے ساتھ مل کر زیادہ سنگین راستہ بنا سکتی ہے۔ سروس کا بیان کردہ کام اس راستے کی جانچ ہے؛ صرف اسکین میں کسی خامی کا نام آ جانا اس بات کا ثبوت نہیں کہ اسے واقعی استعمال کیا جا سکتا ہے۔

پاکستان میں کسی ادارے کے لیے اعلان کردہ وسیع دائرہ خودبخود مکمل کوریج نہیں بن جاتا۔ سورس کوڈ، کلاؤڈ اکاؤنٹس اور تیسرے فریق کی ایپس مختلف مالکان یا معاہدوں کے تحت ہو سکتی ہیں۔ اس لیے اصل کوریج ان اثاثوں سے متعین ہو گی جنہیں سبسکرپشن اور جانچ کی اجازت میں واضح طور پر شامل کیا جائے، نہ کہ صرف سروس کی صلاحیتوں کی فہرست سے۔

متعدد AI ماڈلز کی عملی وجہ کیا ہے؟

Axios کی خبر نے کمپنی کی جانچ کے حوالے سے بتایا کہ Anthropic Claude Mythos 5 اور OpenAI GPT-5.6-Cyber کی شناخت کردہ خامیوں میں 10٪ سے کم اشتراک تھا۔ اس کا عملی اشارہ یہ ہے کہ ایک ماڈل کے نتائج دوسرے کے نتائج کی سادہ نقل نہیں تھے۔ سروس کا کثیر ماڈل نظام کام کی نوعیت کے مطابق موزوں ماڈل منتخب کرتا ہے اور محدود رسائی والے ماڈلز کے ساتھ کھلے وزن والے ماڈلز بھی استعمال کرتا ہے۔

ان اعداد کی حد واضح رکھنا ضروری ہے۔ یہ کمپنی کی اپنی جانچ سے آئے ہیں، آزادانہ طور پر دہرائے گئے تقابلی تجربے سے نہیں۔ شائع شدہ تفصیل میں جانچ کے تمام اہداف، معلوم خامیوں کی مکمل تعداد، غلط مثبت نتائج کی شرح اور اشتراک نکالنے کا پورا طریقہ موجود نہیں۔ اس لیے کم اشتراک سے مشترکہ نظام کی مجموعی کامیابی کی شرح نہیں نکالی جا سکتی، نہ یہ فرض کیا جا سکتا ہے کہ ہر خریدار کو وہی کوریج ملے گی۔

ماڈلز کا تنوع انسانی تصدیق کی ضرورت بھی ختم نہیں کرتا۔ اس سروس کو Unit 42 کے offensive security ماہرین کی زیرِ قیادت پیش کیا گیا ہے: ماڈل ممکنہ کمزوری یا حملہ راستہ سامنے لاتا ہے، جبکہ اسے قابلِ اعتبار نتیجے اور اصلاح کی ترجیح میں بدلنے کے لیے ماہرین کی جانچ شامل ہے۔ دستیاب تفصیل ہر خودکار تجربے سے پہلے انسانی منظوری کی یکساں شرط بیان نہیں کرتی؛ اس اختیار کی حد خریدار کے طے شدہ طریقۂ کار کا حصہ ہونی چاہیے۔

دریافت سے اصلاح تک کیا سلسلہ بنتا ہے؟

بیان کردہ عمل میں پہلے کمزوریاں تلاش کی جاتی ہیں، پھر یہ جانچا جاتا ہے کہ آیا انہیں جوڑ کر کسی اہم نظام تک واقعی پہنچا جا سکتا ہے۔ اس کے بعد سروس ترجیحی اصلاحات، کوڈ کی سطح پر رہنمائی اور مجازی پیچ کی سفارش دیتی ہے۔ یوں نتائج کی افادیت صرف دریافتوں کی تعداد سے نہیں، بلکہ ہر نتیجے کے ساتھ قابلِ جانچ حملہ راستے اور متعلقہ ٹیم کے لیے واضح اصلاحی کام سے سمجھی جا سکتی ہے۔

مجازی پیچ اصل کوڈ میں تبدیلی کا متبادل نہیں؛ یہ ایسی حفاظتی رکاوٹ ہے جو سافٹ ویئر پیچ آنے یا لگنے تک استحصال کا راستہ روکنے کی کوشش کرتی ہے۔ Continuous Frontier AI Defense مجازی پیچ کی سفارش دے سکتی ہے، جبکہ اسے نافذ کرنے کے لیے الگ Frontier Virtual Patching صلاحیت کے ساتھ جوڑا جا سکتا ہے۔ سفارش، رکاوٹ کا نفاذ اور اصل خامی کی اصلاح الگ مراحل ہیں؛ ان میں سے ایک مکمل ہونے سے باقی مراحل خودبخود مکمل نہیں ہوتے۔

اصلاح کے ثبوت کا سوال بھی یہیں پیدا ہوتا ہے۔ اگر دوبارہ جانچ میں وہی حملہ راستہ ناکام ہو تو یہ ایک مخصوص راستہ بند ہونے کا ثبوت ہو سکتا ہے، مگر اس سے ہر ممکن متبادل راستہ بند ہونے کا نتیجہ نہیں نکلتا۔ اسی طرح مجازی پیچ کے بعد راستہ رکنے اور کوڈ کی خامی دور ہونے کو الگ درج کرنا ضروری ہے، تاکہ سکیورٹی ٹیم عارضی تحفظ کو مستقل اصلاح نہ سمجھ بیٹھے۔

سالانہ سبسکرپشن میں کیا واضح ہونا باقی ہے؟

عالمی دستیابی اور سالانہ سبسکرپشن کا اعلان ہو چکا ہے، لیکن شائع شدہ مواد میں ہر ادارے کے لیے یکساں قیمت، اثاثوں کی مقررہ حد یا انسانی منظوری کا ایک ہی طریقہ نہیں دیا گیا۔ ماڈلز کے لحاظ سے اختیارات بدلنے کے باعث پیشکش کی اصل صورت منتخب ماڈلز، مجاز اثاثوں اور جانچ کی حدود سے طے ہو گی۔ پاکستان کی enterprise سکیورٹی، کلاؤڈ اور SOC ٹیموں کے لیے یہ فرق خاص طور پر اس وقت اہم ہے جب جانچ حساس سورس کوڈ یا تیسرے فریق کے نظام تک پہنچے۔

سروس کی بیان کردہ صلاحیتوں کو خریداری کی قابلِ پیمائش شرائط میں بدلنے کے لیے چند باتیں واضح کرنا بنتی ہیں:

• کن ویب ایپس، APIs، ریپوزٹریز، کلاؤڈ اکاؤنٹس اور نیٹ ورک اثاثوں کو جانچا جائے گا، اور تیسرے فریق کے نظام کی اجازت کون دے گا؟
• حملے جیسے تجربات، زیادہ اثر والے مراحل اور نتائج جاری کرنے پر انسانی اختیار کہاں استعمال ہو گا؟
• غلط مثبت نتائج کیسے نشان زد ہوں گے، اور قابلِ استعمال خامی کے ساتھ کس نوعیت کا ثبوت ملے گا؟
• اصلاح یا مجازی پیچ کے بعد دوبارہ جانچ کون کرے گا، اور بند کیے گئے حملہ راستے کا ثبوت کیسے محفوظ ہو گا؟

فی الحال نئی سروس کا دائرہ، کثیر ماڈل طریقہ اور سبسکرپشن کی دستیابی معلوم ہیں۔ کمپنی کے داخلی اعداد یہ سمجھاتے ہیں کہ ایک ماڈل پر انحصار کیوں محدود ہو سکتا ہے؛ وہ کسی دوسرے ادارے میں دریافت کی شرح یا خطرے میں کمی ثابت نہیں کرتے۔ خریدار کے اپنے ماحول میں کوریج، غلط نتائج، انسانی اختیار اور اصلاح کی تصدیق کی کیفیت معاہدے اور عملی جانچ سے ہی واضح ہو گی۔

یہ بھی پڑھیں:

• OpenAI کا ایک ارب ڈالر cyber دفاع کے لیے، ابتدا پانی اور بجلی سے
• جعلی software download اصل نام سے ملا—installer نے دفاع بھی کمزور کردیا
• AI agent demo میں کامیاب ہے، production سے پہلے انسانی خرچ بھی ناپیں