OWASP యొక్క LLM Exploit Generation Guide 2.0: AI హ్యాకింగ్ ప్రస్తుతం ఏమి చేయగలదు మరియు ఏమి చేయలేదు

నేడు ఒక AI స్వయంగా ఒక సిస్టమ్‌ను హ్యాక్ చేయగలదా? సరికొత్త పరిశోధనల నుండి లభించిన నిజాయితీతో కూడిన సమాధానం ఏమిటంటే "కొంతవరకు చేయగలదు, మరియు అది దానిని ఎవరు నడుపుతున్నారు మరియు దాని వద్ద ఎలాంటి సాధనాలు ఉన్నాయి అనే దానిపై చాలా వరకు ఆధారపడి ఉంటుంది."

నేడు నవంబర్ 4, 2026, మరియు ఈ ప్రశ్న ప్రస్తుతం చాలా ముఖ్యం, ఎందుకంటే OWASP GenAI Security Project ఇప్పుడే తన LLM Exploit Generation Guide 2.0ను ప్రచురించింది. ఒక నిజమైన లక్ష్యంపై దృష్టి సారించినప్పుడు లాంగ్వేజ్ మోడల్స్ మరియు AI ఏజెంట్లు వాస్తవంగా ఎలా ప్రవర్తిస్తాయో బహిరంగంగా విశ్లేషించిన అత్యంత వివరణాత్మక నివేదికలలో ఇది ఒకటి. సర్వర్లు, యాప్‌లు లేదా సెక్యూరిటీ బృందాలను నడిపే ఎవరికైనా ఈ ఫలితాలు ఉపయోగకరంగా ఉంటాయి, ఎందుకంటే దాడి చేసేవారు ఎక్కడ వేగాన్ని పొందుతారు మరియు డిఫెండర్లకు ఎక్కడ ఇంకా సమయం ఉంది అనే రెండింటినీ ఇవి చూపుతాయి.

OWASP వాస్తవానికి ఏమి పరీక్షించింది

OWASP (ఓపెన్ వరల్డ్‌వైడ్ అప్లికేషన్ సెక్యూరిటీ ప్రాజెక్ట్, వెబ్ రిస్క్‌ల Top 10 జాబితాలకు ప్రసిద్ధి చెందిన లాభాపేక్ష లేని సంస్థ) 2025 వసంతకాలంలో ప్రారంభించి దాదాపు పదిహేను నెలల పాటు ఈ అధ్యయనాన్ని నిర్వహించింది. ఆ బృందం పనిని రెండు విభాగాలుగా విభజించింది:

• క్లాసిక్ ట్రాక్: ఒక వ్యక్తి ఒకే మోడల్‌తో చాట్ చేస్తాడు మరియు అది సూచించే ఏ ఆదేశాలనైనా రన్ చేస్తాడు. ఇందులో సాధారణ చాట్ ఇంటర్‌ఫేస్‌లోని హోస్టెడ్ ఫ్రాంటియర్ మోడల్ మరియు ఒక చిన్న లోకల్ మోడల్ ఉన్నాయి.
• ఏజెంటిక్ ట్రాక్: సాఫ్ట్‌వేర్ ఫ్రేమ్‌వర్క్‌లు మోడల్ స్వయంగా టూల్స్‌ను కాల్ చేయడానికి మరియు మరింత స్వతంత్రంగా వ్యవహరించడానికి అనుమతిస్తాయి. హోస్టెడ్ మరియు లోకల్ రన్ మోడల్స్ రెండింటి మద్దతుతో CAI, HexStrike AI, Claude Code, Codex మరియు కస్టమ్ మల్టీ-ఏజెంట్ ఏర్పాట్లతో సహా తొమ్మిది సెటప్‌లు పరీక్షించబడ్డాయి.

హ్యాక్ ది బాక్స్ (Hack The Box) శిక్షణా యంత్రాలైన Silentium మరియు MonitorsFour లక్ష్యాలుగా ఉన్నాయి. ఇవి దాడుల కోసం నిర్మించిన సాధన వాతావరణాలు మాత్రమే, నిజమైన కంపెనీలు కావు. మోడల్స్ శిక్షణ కటాఫ్‌ల తర్వాత విడుదలైన మరియు పబ్లిక్ వాక్‌త్రూలు లేని మెషీన్‌లను బృందం ఎంచుకుంది, తద్వారా మోడల్స్ తాము ఇప్పటికే చూసిన పరిష్కారాన్ని కేవలం పునరావృతం చేయలేవు.

ముందుగానే ఒక పరిమితి: అనుభవజ్ఞులైన టెస్టర్ల నియంత్రణలో ప్రతి ఏజెంటిక్ రన్ ఒకేసారి జరిగింది. కాబట్టి ఈ వ్యవస్థలు ఎలా విఫలమవుతాయో మరియు మనుషులు ఎక్కడ జోక్యం చేసుకుంటారో ఈ అధ్యయనం చూపుతుంది, కానీ విశ్వసనీయమైన విజయ శాతాన్ని లేదా మోడల్ ర్యాంకింగ్‌ను అందించదు.

తక్కువ నైపుణ్యం మాత్రమే అవసరమైన అకౌంట్ టేకోవర్

క్లాసిక్ ట్రాక్‌లో, ఒక వ్యక్తి Silentium పై AI రాసిన రన్‌బుక్ (దశలవారీ సూచనల జాబితా) ను అనుసరించాడు. ఆ మోడల్ ప్రధాన యాప్ పక్కనే ఉన్న ఒక స్టేజింగ్ వాతావరణాన్ని కనుగొంది, అకౌంట్ వర్క్‌ఫ్లో ద్వారా సమాచారం లీక్ అవుతుండటాన్ని గుర్తించింది మరియు అడ్మినిస్ట్రేటివ్ అకౌంట్ టేకోవర్ చేయడానికి ఆ వ్యక్తికి మార్గదర్శకత్వం వహించింది.

ఆపరేటర్‌కు లోతైన అఫెన్సివ్-సెక్యూరిటీ పరిజ్ఞానం అవసరం లేదు, ప్రాథమిక కమాండ్-లైన్ నైపుణ్యాలు మాత్రమే అవసరం, అయితే అభ్యర్థనలను ఎలా రూపొందించారనే దానిపై ఆధారపడి మోడల్ కొన్నిసార్లు నిరాకరించింది. డిఫెండర్లకు ఆందోళన కలిగించే విషయం ఏమిటంటే కనిపెట్టడం: ఒక బిగినర్ ఎన్నడూ వెతకని ఒక మర్చిపోయిన స్టేజింగ్ సర్వీసును మోడల్ చూపించింది.

ఏజెంట్లు చాలా విషయాలు కనుగొన్నాయి, ఆపై ఒకే చోట తిరుగుతూ ఉండిపోయాయి

అటానమస్ ఏజెంట్లు రెకనైసెన్స్ (ఏమి బహిర్గతమై ఉందో మ్యాపింగ్ చేయడం) లో మంచి నైపుణ్యం కనబరిచాయి: సర్వీసులు, అదనపు అప్లికేషన్ ఉపరితలాలు, సాఫ్ట్‌వేర్ వెర్షన్‌లు మరియు తెలిసిన లోపాలు (known vulnerabilities). ఆ తర్వాత నిర్ణయాధికారం దెబ్బతింది:

• ఒక ఏజెంట్ ఓపెన్ పోర్టులను చూసింది, కానీ హోస్ట్ పింగ్‌కు (ping) ప్రతిస్పందించనప్పుడు, అది మొదటి నుండి డిస్కవరీని మళ్లీ ప్రారంభించింది. హోస్ట్ కేవలం పింగ్ ట్రాఫిక్‌ను బ్లాక్ చేస్తుందనే సాధారణ వివరణను అది గ్రహించలేకపోయింది.
• ఒక మనిషి లోకల్ నేమ్ సెట్టింగ్‌లను సరిచేసే వరకు, ఒక లోకల్ ఏజెంట్ తాను రిసాల్వ్ చేయలేని హోస్ట్‌నేమ్‌కు రీడైరెక్ట్‌ను అనుసరిస్తూనే ఉంది.

తరచుగా అడిగినప్పుడు మోడల్‌కు సరైన కాన్సెప్ట్ తెలిసేది, కానీ సమయం వచ్చినప్పుడు దానిని వర్తింపజేయలేదు. తెలుసుకోవడం మరియు చేయడం మధ్య ఉన్న ఆ అంతరమే ఒక చాట్ అసిస్టెంట్‌ను స్వతంత్ర ఆపరేటర్ నుండి వేరు చేస్తుంది.

ఆత్మవిశ్వాసం ఉండటం అంటే సరైనది కావడం కాదు

ఏజెంట్లు డెడ్ ఎండ్‌లను కూడా నిజమైన ఫలితాల మాదిరిగానే పూర్తి ఆత్మవిశ్వాసంతో వివరించాయి, మరియు తప్పుడు "ఫైండింగ్" తరువాతి దశల్లోకి కూడా కొనసాగింది. అంతర్గతంగా AIని ఉపయోగించే బృందాల కోసం, సుదీర్ఘమైన, ఒప్పించే విధంగా ఉండే పెనెట్రేషన్-టెస్ట్ నివేదిక అనేది ధృవీకరించబడిన ఫైండింగ్ కాదు: మీకు ఇప్పటికీ యాక్సెస్ రుజువు, దానిని పునరుత్పత్తి (reproduce) చేసే మార్గం మరియు దాటిన ఖచ్చితమైన సరిహద్దు అవసరం.

మోడల్ కంటే హార్నెస్ (harness) మరింత ప్రాముఖ్యత సంతరించుకుంది

ఏజెంట్ "హార్నెస్" అంటే మోడల్ చుట్టూ ఉన్న ప్రతిదీ: దాని సాధనాలు, ఎగ్జిక్యూషన్ వాతావరణం, మెమరీ మరియు టాస్క్ కోఆర్డినేషన్. OWASP రన్లలో, తరచుగా హార్నెస్ మాత్రమే ఫలితాన్ని నిర్ణయించింది.

కొన్ని ఏజెంట్లు ఉపయోగించమని చెప్పే వరకు అందుబాటులో ఉన్న Model Context Protocol (MCP, మోడల్‌కు సాధనాలను అనుసంధానించే ఒక ప్రామాణిక మార్గం) సాధనాలను విస్మరించాయి. మరికొన్ని ర్యాపర్ టైమ్‌అవుట్‌లను ఎదుర్కొన్నాయి, కాబట్టి ఆపరేటర్లు చేతితో స్కాన్‌లను రన్ చేశారు. మీరు ఒక AI సెక్యూరిటీ టూల్‌ను కొనుగోలు చేస్తున్నా లేదా నిర్మిస్తున్నా, మోడల్ పేరును మాత్రమే కాకుండా మీరు రన్ చేసే ఖచ్చితమైన కాన్ఫిగరేషన్‌ను పరీక్షించండి.

గార్డ్‌రైల్స్ ఏజెంట్లను నెమ్మదింపజేశాయి కానీ ప్రమాదాన్ని తొలగించలేదు

చివరి దోపిడీ (exploitation) దశకు చేరుకున్న హోస్టెడ్ ఏజెంట్లను ప్రొవైడర్ల సైబర్‌సెక్యూరిటీ పరిమితులు అడ్డుకున్నాయి. అవి ముందుకు వెళ్లే మార్గాన్ని చూడగలిగాయి కానీ పూర్తి చేయలేకపోయాయి. కొన్ని సందర్భాల్లో పరిజ్ఞానం ఉన్న ఆపరేటర్ చివరి దశను స్వయంగా చేతితో పూర్తి చేశాడు.

రక్షణ చర్యలు అమలును పరిమితం చేశాయి, కానీ నైపుణ్యం కలిగిన వ్యక్తి ఉపయోగించుకోవడానికి సన్నాహక పని సిద్ధంగానే ఉంది; దాడి చేసేవారు సర్వీసులను మార్చవచ్చు, లోకల్ మోడల్స్‌ను రన్ చేయవచ్చు లేదా నిరోధించబడిన దశను స్వయంగా చేసుకోవచ్చు. మరొక కంపెనీ యొక్క మోడల్ భద్రత మీ స్వంత నియంత్రణలకు ప్రత్యామ్నాయం కాదు.

ఇతర పరిశోధనలు కూడా ఇదే విషయాన్ని సూచిస్తున్నాయి

OWASP ఫలితాలను "బిగినర్స్ ప్రమాదకారులు కారు" అని అర్థం చేసుకోకూడదు. జూన్ 2026 నాటి RAND అధ్యయనం ప్రకారం, Sonnet మరియు Opus 4.6 లతో కూడిన Claude Code తన క్యాప్చర్-ది-ఫ్లాగ్ సవాళ్లలో ప్రతిదానిని ఒక గంట కంటే తక్కువ సమయంలో పరిష్కరించింది, మొత్తం API ఖర్చు 20 US డాలర్ల కంటే తక్కువే అయింది, అలాగే పర్యవేక్షణ ఎక్కువగా నిలిచిపోయిన ప్రాసెస్‌లను రీస్టార్ట్ చేయడానికి మాత్రమే పరిమితమైంది. పాత చాట్‌బాట్‌లను ఉపయోగించే వ్యక్తులకు అవే సవాళ్లు చాలా కష్టంగా ఉండేవి.

నిజమైన సంఘటనలు ఆటోమేషన్ మరియు మానవ మార్గదర్శకత్వాన్ని మిళితం చేస్తాయి. చైనా ప్రభుత్వ ప్రాయోజిత సంస్థగా గుర్తించిన ఒక నటుడు దాదాపు 30 లక్ష్యాలపై Claude Codeని ఉపయోగించాడని, ఇందులో 80 నుండి 90 శాతం పనిని AI చేసిందని Anthropic నవంబర్ 2025లో నివేదించింది. Google Threat Intelligence Group మే 2026లో ఒక క్రిమినల్ జీరో-డే ఎక్స్‌ప్లాయిట్‌ను నివేదించింది, అది AI సహాయంతో నిర్మించబడిందని అంచనా వేసింది. ఇవి రెండూ ఆ కంపెనీల స్వంత అంచనాలు. ఏదేమైనప్పటికీ, ఒకే మనిషి చాలా ఎక్కువ పనిని నిర్దేశించగలిగినప్పుడు, "ఇప్పటికీ ఒక మనిషి అవసరం" అనేది భరోసానిచ్చే విషయం కాదు.

బెంచ్‌మార్క్ స్కోర్‌లు థ్రెట్ ఇంటెలిజెన్స్ ఎందుకు కావు

ఎంచుకున్న పరిస్థితులలో ఒక సిస్టమ్ ఎంచుకున్న పనులను పరిష్కరించిందని మాత్రమే బెంచ్‌మార్క్ చూపుతుంది. ఇది ప్రయత్నాలు, సూచనలు మరియు మానవ సహాయాన్ని దాచిపెడుతుంది, మరియు పర్యవేక్షణ అలాగే ప్రతిస్పందన బృందం ఉన్న నిజమైన సంస్థ గురించి ఏమీ చెప్పదు.

ఎలా స్పందించాలి: డిఫెండర్ల కోసం ఒక చిన్న చెక్‌లిస్ట్

రక్షణ ప్రాధాన్యతలు తెలిసినవే. మారేది కేవలం ఆవశ్యకత మాత్రమే, ఎందుకంటే దాడి చేసేవారు ఇప్పుడు బోరింగ్ సన్నాహక పనిని ఆటోమేట్ చేయగలరు.

దశ 1: మీరు బహిర్గతం చేస్తున్న ప్రతిదాన్నీ తెలుసుకోండి

స్టేజింగ్, టెస్ట్ మరియు పాత సెకండరీ యాప్‌లతో సహా ఇంటర్నెట్‌కు బహిర్గతమయ్యే ప్రతి సర్వీస్ యొక్క ఖచ్చితమైన ఇన్వెంటరీని నిర్వహించండి. ఒక AI మీ మర్చిపోయిన స్టేజింగ్ సర్వర్‌ను నిమిషాల్లో కనుగొనగలిగితే, మీరు దానిని అందరికంటే ముందే కనుగొనాలి. దానిని సురక్షితంగా లాక్ చేయండి లేదా ఆఫ్‌లైన్‌లోకి తీసుకెళ్లండి.

దశ 2: ప్రాథమిక అంశాలను మరింత వేగంగా సరిదిద్దండి

యాక్సెస్ కంట్రోల్‌ను మరింత పటిష్టం చేయండి, ప్రివిలేజ్డ్ ఖాతాలను బలమైన రెండవ కారకాలతో రక్షించండి మరియు ప్యాచ్ విడుదలైనప్పటి నుండి ప్యాచ్ వర్తించే సమయాన్ని తగ్గించండి. 2027 నాటికి ఒక లోపం వెల్లడవడం మరియు దాని దుర్వినియోగం (exploitation) మధ్య ఉండే సమయ వ్యవధిని AI మరింత తగ్గిస్తుందని UK National Cyber Security Centre భావిస్తోంది.

దశ 3: అనవసరమైన, పునరావృత ప్రవర్తనను గమనించండి

ఏజెంట్లు ఎటువంటి పురోగతి లేకుండా స్కాన్‌లను మరియు విఫలమయ్యే అభ్యర్థనలను పునరావృతం చేశాయి. దానిని కేవలం ఒక సంకేతంగా మాత్రమే పరిగణించండి, AIకి తిరుగులేని రుజువుగా కాదు; లాగిన్‌లు, అప్లికేషన్ లోపాలు మరియు క్రెడెన్షియల్ వినియోగంతో దానిని సరిపోల్చి చూడండి. ఒక చొరబాటు (intrusion) జరుగుతోందా లేదా అనేది ఇక్కడ ముఖ్యం.

దశ 4: మీ స్వంత ఏజెంట్ల చుట్టూ నిజమైన సరిహద్దులను ఏర్పాటు చేయండి

మీరు అంతర్గతంగా AI ఏజెంట్లను నడుపుతున్నట్లయితే, వాటి నెట్‌వర్క్ పరిధి, క్రెడెన్షియల్స్ మరియు ఎగ్జిక్యూషన్ హక్కులను పరిమితం చేయండి. మోడల్స్‌కు ఐసోలేటెడ్ అని చెప్పిన మూల్యాంకన వాతావరణాలకు వాస్తవానికి ఇంటర్నెట్ యాక్సెస్ ఉందని మరియు మోడల్స్ నిజమైన సంస్థలను చేరుకున్నాయని Anthropic జూలై 2026లో వెల్లడించింది. ప్రాంప్ట్‌లో రాసిన సరిహద్దు నిజమైన సరిహద్దు కాదు. నెట్‌వర్క్ మరియు పర్మిషన్ సిస్టమ్‌లో దానిని అమలు చేయండి.

ముగింపు

AI ఇప్పటికే అఫెన్సివ్ పనిలో కీలక భాగాలను, ముఖ్యంగా రెకనైసెన్స్ మరియు పరిశోధనలను చేస్తోంది, అయితే ట్రబుల్‌షూటింగ్ మరియు తన స్వంత విజయాన్ని సరిచూసుకోవడంలో ఇంకా తడబడుతోంది. మనుషులు ఈ వ్యవస్థలను కాన్ఫిగర్ చేయడం మరియు సరిదిద్దడం వైపు మళ్లుతున్నారు, మరియు సెటప్‌లను తిరిగి ఉపయోగించడం సులభతరం అవుతున్న కొద్దీ, నేటి అడ్డంకులు వేగంగా తొలగిపోవచ్చు. AI ఎప్పటికీ అసమర్థంగానే ఉంటుందని భావించే కంటే సులభమైన లక్ష్యాలను ఇప్పుడే తొలగించండి.

ప్రయోజనాలు

• అనవసరమైన ప్రచారం లేదా కొట్టిపారేయడం కాకుండా వాస్తవిక, ఆధారాల ఆధారిత దృక్పథాన్ని అందిస్తుంది.
• మనుషులు ఎక్కడ జోక్యం చేసుకుంటారో ఖచ్చితంగా చూపుతుంది, ఇది డిఫెండర్లకు ప్రణాళిక వేసుకోవడంలో సహాయపడుతుంది.
• కేవలం మోడల్‌ను మాత్రమే కాకుండా, హార్నెస్ మరియు కాన్ఫిగరేషన్‌ను అసలైన వేరియబుల్‌గా హైలైట్ చేస్తుంది.
• చాలా బృందాలు ఈ వారమే ప్రారంభించగల ఆచరణాత్మక రక్షణలను సూచిస్తుంది.

పరిమితులు

• ప్రతి ఏజెంటిక్ రన్ ఒకేసారి జరిగింది, కాబట్టి విశ్వసనీయమైన విజయ శాతం లేదు.
• అనుభవజ్ఞులైన టెస్టర్లు ఏజెంట్లను నడిపారు, కాబట్టి ప్రారంభకుల ఫలితాలు ఊహించబడ్డాయి తప్ప కొలవబడలేదు.
• పర్యవేక్షణ మరియు ప్రతిస్పందన బృందాలు కలిగిన నిజమైన కంపెనీలతో పోలిస్తే శిక్షణా యంత్రాలు భిన్నంగా ఉంటాయి.
• రహస్యంగా వ్యవహరించడం మరియు క్రియాశీల డిఫెండర్ల ద్వారా గుర్తించబడటం వంటివి పరీక్షించబడలేదు.

హెచ్చరిక

ఈ కథనం విద్యా ప్రయోజనాల కోసం మాత్రమే మరియు ప్రచురించబడిన పరిశోధనను సంగ్రహిస్తుంది; ఇది దాడి మార్గదర్శిని కాదు. ఏదైనా ప్లేస్‌హోల్డర్ లేదా ఉదాహరణ విలువలను మీ స్వంత విలువలతో భర్తీ చేయండి, ముందుగా మార్పులను సురక్షితంగా పరీక్షించండి, ఆధారపడే ముందు అసలు నివేదికలతో వాదనలను సరిచూసుకోండి మరియు మీరు పరీక్షించడానికి అధికారం పొందిన సిస్టమ్‌లను మాత్రమే పరీక్షించండి.

తరచుగా అడిగే ప్రశ్నలు

• OWASP LLM Exploit Generation Guide 2.0 అంటే ఏమిటి? — ఇది OWASP GenAI Security Project నుండి వచ్చిన నివేదిక, నిజమైన దాడిలో అవి ఎంతవరకు వెళ్లగలవో చూడటానికి లైవ్ ట్రైనింగ్ మెషీన్‌లపై మానవ-నిర్దేశిత లాంగ్వేజ్ మోడల్స్ మరియు అటానమస్ AI ఏజెంట్లను పరీక్షించింది.
• AI ఏజెంట్లు పూర్తిగా తమంతట తాముగా సిస్టమ్‌లను హ్యాక్ చేయగలవా? — ఈ అధ్యయనం ప్రకారం నమ్మదగిన రీతిలో చేయలేవు; ఏజెంట్లు సమర్థవంతమైన రెకనైసెన్స్ చేశాయి కానీ చివరి దోపిడీ ప్రొవైడర్ రక్షణల వల్ల నిరోధించబడింది లేదా ఒక మనిషి ద్వారా పూర్తి చేయబడింది.
• AI భద్రతా గార్డ్‌రైల్స్ దాడులను ఆపుతాయా? — అవి పరీక్షించిన హోస్టెడ్ ఏజెంట్లను చివరి దశలో ఆపివేశాయి, కానీ ఒక నైపుణ్యం కలిగిన వ్యక్తి, లోకల్ మోడల్ లేదా సేవల మిశ్రమం వాటిని అధిగమించగలవు, కాబట్టి డిఫెండర్లు వాటిపై ఆధారపడకూడదు.
• నేను AI సైబర్ బెంచ్‌మార్క్ స్కోర్‌లను ఎందుకు నమ్మకూడదు? — స్కోర్‌లు ప్రయత్నాలు, సూచనలు, సాధనాలు మరియు మానవ సహాయాన్ని దాచిపెడతాయి మరియు క్రియాశీల డిఫెండర్లు ఉన్న నిజమైన సంస్థపై పనితీరును చూపించవు.
• డిఫెండర్లు చేయవలసిన మొదటి పని ఏమిటి? — స్టేజింగ్ మరియు టెస్ట్ సిస్టమ్‌లతో సహా బహిర్గతమైన సేవల పూర్తి ఇన్వెంటరీని రూపొందించండి మరియు మర్చిపోయిన దేనినైనా సురక్షితం చేయండి లేదా తొలగించండి.
• నా స్వంత AI ఏజెంట్లను నేను ఎలా సురక్షితంగా ఉంచుకోవాలి? — ఇన్‌ఫ్రాస్ట్రక్చర్‌లోనే నెట్‌వర్క్ యాక్సెస్, క్రెడెన్షియల్స్ మరియు ఎగ్జిక్యూషన్ హక్కులపై పరిమితులను అమలు చేయండి, ఎందుకంటే "విడిగా ఉండండి" అని ప్రాంప్ట్‌లో చెప్పడం నిజమైన నియంత్రణ కాదు.

ట్యాగ్‌లు

#OWASP #AISecurity #LLMSecurity #AIAgents #Cybersecurity #PenetrationTesting #ThreatIntelligence #DevSecOps #AttackSurface #GenAI