top of page

llm 0.37.2 naprawia dwie ścieżki wysyłające klucze OpenAI do innych dostawców

17 minut temu
10 minut(y) czytania
Illustrative photograph. Photo: Godfrey Atima / Pexels.

llm 0.37.2 Simona Willisona naprawia dwie luki bezpieczeństwa, które mogły wysłać klucz API OpenAI do innego dostawcy. Wydanie z 11 listopada rozwiązuje problemy w konkretnych konfiguracjach niestandardowych endpointów zgłoszone przez Daniela de Araujo. Sedno sprawy jest proste: wybór innego dostawcy modelu nie powinien po cichu przekazywać poświadczeń należących do OpenAI.

LLM, aplikacja wiersza poleceń do korzystania z modeli językowych, obsługuje usługi przyjmujące żądania w stylu OpenAI. Ta kompatybilność pozwala programistom zmieniać dostawców przy zachowaniu znanych przepływów pracy. Jednak kompatybilność żądań i uprawnienie do otrzymania poświadczenia to odrębne decyzje. Te błędy pozwalały, by pierwsza z nich podważała drugą.

Bezpośrednio dotyczy to programistów i zespołów korzystających z niestandardowych endpointów, czyli adresów serwerów odbierających ich żądania do modeli. Ich pytanie jest węższe niż kwestia, czy LLM jest ogólnie bezpieczny: czy konfiguracja objęta problemem wysłała niezamierzony klucz? Odpowiedź wymaga oddzielenia poprawionego zachowania oprogramowania od ewentualnego historycznego ujawnienia.

Co faktycznie zmieniło llm 0.37.2

Wydanie naprawia wybór poświadczeń w określonych ścieżkach niestandardowych endpointów, a nie ogłasza kompromitacji dotyczącej każdego użytkownika.

Komunikat bezpieczeństwa Willisona przypisuje de Araujo wykrycie obu problemów. Jeden dotyczył braku klucza specyficznego dla dostawcy. Drugi występował, gdy model skonfigurowany dla jednego interfejsu żądań przełączał się na inny. Oba mogły skierować poświadczenie OpenAI do serwera wybranego w innym celu.

Kontekst konfiguracji ma znaczenie. LLM używa extra-openai-models.yaml, pliku ustawień opisującego dodatkowe modele, aby łączyć się z usługami kompatybilnymi z OpenAI. Usługi te przyjmują żądania przypominające interfejs OpenAI. Ich kompatybilność nie czyni ich OpenAI ani nie upoważnia ich do otrzymania poświadczeń konta OpenAI.

Willison wskazuje także llm openai endpoint add, wprowadzone w wersji 0.37, jako nowszy sposób zarządzania tymi endpointami. Ta funkcja upraszczająca obsługę wyjaśnia obecny kontekst produktu. Nie ustala jednak, kiedy rozpoczęła się którakolwiek z luk, dlatego czytelnicy nie powinni traktować najnowszego polecenia endpointu jako źródła każdej ścieżki objętej problemem.

Rejestr wydania wskazuje wersję zawierającą poprawkę. Podlinkowane zalecenia bezpieczeństwa wyznaczają bardziej użyteczne granice przy ocenie ekspozycji. Numer wydania odpowiada na pytanie, która aktualizacja zawiera naprawę. Szczegóły konfiguracji odpowiadają na pytanie, czy określony przepływ pracy napotkał podatne zachowanie.

To rozróżnienie zapobiega dwóm mylącym interpretacjom. Pierwsza uznaje każde żądanie ze starszej instalacji za wyciek poświadczeń. Druga zakłada, że zwyczajnie wyglądająca odpowiedź modelu potwierdza prawidłowe uwierzytelnienie. Żaden z tych wniosków nie wynika z ujawnień. Routing poświadczeń wymaga własnych dowodów, niezależnych od jakości lub powodzenia wygenerowanego tekstu.

Poprawka zmienia również interpretację błędu konfiguracji. Brakujący klucz dostawcy powinien powodować widoczny problem z uwierzytelnieniem. Nie powinien po cichu wykorzystywać dostępnego poświadczenia powiązanego z inną usługą. Istotna poprawa polega na zachowaniu zamierzonej relacji między miejscem docelowym a kluczem, który może mu towarzyszyć.

Dla programistów oceniających wydanie jest to ważniejsze niż rutynowa korekta kompatybilności. Zachowanie objęte problemem przekraczało granicę poświadczeń, nie wymagając od użytkowników celowego udostępnienia tego poświadczenia. Naprawa zasługuje więc na uwagę nawet wtedy, gdy pierwotne zadanie modelu wydawało się nieszkodliwe, na przykład wygenerowanie krótkiej odpowiedzi z endpointu testowego.

Dwie ścieżki poświadczeń zawiodły na różne sposoby

Zalecenia opisują odrębne warunki awarii, dlatego objęte nimi wersje i zachowanie uwierzytelniania należy rozpatrywać osobno.

Zalecenie dotyczące brakującego klucza obejmuje wersje od 0.6 do wydań wcześniejszych niż 0.37.2. Niestandardowy model określał api_base, czyli adres docelowy, oraz api_key_name, czyli alias poświadczenia. Gdy wskazanego poświadczenia brakowało, rozpoznawanie mogło przejść do OPENAI_API_KEY, zmiennej środowiskowej przechowującej klucz.

Ten błąd zamieniał niekompletną konfigurację w niezamierzone przekazanie poświadczenia. Zalecenie wskazuje także szersze zachowanie priorytetów w wersjach od 0.6 do 0.7.1, skorygowane w 0.8. Obecna poprawka rozwiązuje pozostały przypadek brakującego klucza. Alias wyglądający poprawnie w pliku konfiguracji nie potwierdzał, że odpowiadający mu sekret rzeczywiście istnieje.

Zalecenie dotyczące delegacji żądań obejmuje wersje od 0.32a2 do wydań wcześniejszych niż 0.37.2. Dotyczy niestandardowego modelu api_base z responses: true, wybierającego interfejs żądań Responses. Uruchomienie go z -o chat_completions 1 przełączało na Chat Completions, inny interfejs żądań, i mogło przywrócić domyślne poświadczenia OpenAI.

W opisanej ścieżce poświadczenie mogło pochodzić ze środowiska lub z przechowywanego przez LLM klucza OpenAI. Skonfigurowany i zapisany klucz specyficzny dla dostawcy zapobiegał opisanemu tam wyciekowi delegacji. Oba zalecenia klasyfikują problemy jako umiarkowane i wskazują 0.37.2 jako wersję z poprawką. Oceny te nie określają, ile instalacji napotkało którykolwiek z warunków.

Rozróżnienie techniczne jest użyteczne, ponieważ błędy podważają różne założenia. Przypadek brakującego klucza pyta, co dzieje się, gdy konfiguracja wskazuje sekret, którego nie można znaleźć. Przypadek delegacji pyta, czy zasady uwierzytelniania przetrwają przeniesienie wykonania do innego wewnętrznego komponentu. Poprawna odpowiedź na jedno pytanie nie rozstrzyga drugiego.

Rozważmy hipotetycznego programistę przenoszącego przepływ pracy na inny komputer. Konfiguracja modelu zostaje przeniesiona, ale poświadczenie dostawcy już nie. Działające poświadczenie OpenAI pozostaje dostępne w środowisku. Oczekiwanie bezpieczeństwa jest takie, że brakujący sekret dostawcy blokuje lub ogranicza żądanie, zamiast zmieniać poświadczenie konta opuszczające urządzenie.

Rozważmy teraz oddzielny hipotetyczny przepływ pracy, który zmienia interfejsy żądań, aby dostosować się do serwera. Miejsce docelowe pozostaje takie samo, a użytkownik oczekuje stabilnej polityki poświadczeń. Wewnętrzne przełączenie nie powinno po cichu reinterpretować brakującego klucza jako zgody na użycie poświadczenia innego dostawcy.

Te przykłady wyjaśniają, dlaczego pomyślna odpowiedź jest słabym testem bezpieczeństwa. Wygenerowany wynik informuje przede wszystkim użytkownika, że jakieś żądanie zostało ukończone. Nie ujawnia każdej decyzji dotyczącej uwierzytelniania podjętej po drodze. Nieszkodliwy prompt może więc towarzyszyć problemowi routingu poświadczeń bez tworzenia wyraźnie podejrzanej odpowiedzi.

Elastyczność dostawców tworzy odrębny obowiązek bezpieczeństwa

Kompatybilność z OpenAI opisuje sposób działania żądań; nie określa, jakie poświadczenia powinien otrzymać serwer.

Szerszy konflikt zachodzi między wygodnym przełączaniem dostawców a jawnymi granicami poświadczeń. Programiści korzystają, gdy aplikacja może obsługiwać wiele usług modelowych przez znane formaty żądań. Obciążenie bezpieczeństwa pojawia się, gdy ta wygoda przenosi odziedziczone ustawienia domyślne między miejscami docelowymi. Dostępny sekret staje się niebezpieczny, gdy dostępność zastępuje upoważnienie.

Konfiguracja niestandardowych modeli LLM dokumentuje obsługę dodatkowych endpointów modeli. Ta elastyczność jest użyteczną funkcją stojącą za tym incydentem. Usunięcie możliwości wyboru dostawcy pozwoliłoby uniknąć konkretnego problemu routingu poprzez ograniczenie produktu, ale odrzuciłoby też przepływ pracy, do którego obsługi użytkownicy go wybrali.

Ollama stanowi istotne porównanie, ponieważ jego dokumentacja dotycząca kompatybilności z OpenAI również opisuje łączenie klientów OpenAI z inną usługą modelową. Lokalne przykłady używają zastępczego klucza ignorowanego przez lokalny serwer. Przykład bezpośredni dla chmury wybiera natomiast poświadczenie Ollama. Podobna składnia żądań może więc współistnieć z różnymi oczekiwaniami dotyczącymi uwierzytelniania.

To porównanie nie potwierdza równoważnej luki w Ollama. Pokazuje, dlaczego kompatybilność dostawców wymaga odrębnych decyzji dotyczących poświadczeń. Klient może ponownie użyć formatu żądania, jednocześnie jawnie wybierając miejsce docelowe i przeznaczony dla niego sekret. Pytanie dotyczące bezpieczeństwa dotyczy relacji między tymi wyborami, a nie tego, który produkt oferuje najwięcej modeli.

Dla programisty zmiana adresu serwera często wydaje się korektą transportu. Dla poświadczenia zmienia ona odbiorcę. Te perspektywy muszą spotkać się gdzieś w zachowaniu aplikacji. W przeciwnym razie wygodne ustawienie może zmienić relację zaufania, wyglądając przy tym jak zwykła preferencja wyboru modelu.

Dlatego też zamierzony odbiorca ma znaczenie niezależnie od promptu. Użytkownik może dobrowolnie wysłać publiczny akapit do eksperymentalnej usługi. Ten wybór nie oznacza zgody na wysłanie tam poświadczenia konta. Wrażliwość treści i wrażliwość poświadczeń wymagają odrębnej oceny, nawet gdy podróżują w tym samym żądaniu.

To samo rozumowanie obowiązuje, gdy miejsce docelowe należy do organizacji użytkownika. Własność wewnętrzna może czynić serwer odpowiednim miejscem dla ruchu do modelu, nie oznacza jednak, że każdy dostępny sekret nadaje się do transmisji. Różne zespoły, praktyki retencji i obowiązki operacyjne nadal tworzą granice, które warto zachować.

Dla nabywców korporacyjnych użyteczne pytanie oceniające staje się konkretne: czy zmiana dostawcy zachowuje jawną kontrolę nad uwierzytelnianiem? Demonstracja, która zamienia nazwy modeli i tworzy dobre odpowiedzi, nie może rozstrzygnąć tej kwestii. Nabywcy potrzebują dowodów dotyczących zachowania poświadczeń specyficznych dla miejsca docelowego, w tym tego, co dzieje się, gdy oczekiwana konfiguracja jest niekompletna.

Wniosek architektoniczny jest więc węższy i bardziej praktyczny niż nieufność wobec warstw kompatybilności. Elastyczność dostawców pozostaje użyteczna. Potrzebuje zasad uwierzytelniania, które podążają za zamierzonym miejscem docelowym i przetrwają zmiany w obsłudze żądań. Wygoda staje się bezpieczniejsza, gdy brakująca decyzja pozostaje brakująca, zamiast otrzymywać pobłażliwą wartość domyślną.

Programiści muszą oddzielić aktualizację od przeglądu ekspozycji

Zainstalowanie poprawki rozwiązuje przyszłe zachowanie; zrozumienie wcześniejszych żądań wymaga odrębnego przeglądu objętego problemem przepływu pracy.

Dla użytkowników oceniających llm 0.37.2 pierwsze rozróżnienie dotyczy stanu oprogramowania i wydarzeń historycznych. Zaktualizowana instalacja może przestać odtwarzać ujawnioną lukę. Wynik ten nie określa, co przesłała starsza instalacja. Z drugiej strony sama starsza wersja nie potwierdza, że podatna konfiguracja została kiedykolwiek uruchomiona.

Proporcjonalny przegląd zaczyna się od odpowiedniej konfiguracji modelu i kontekstu wykonania. Przydatne dowody łączą wersję oprogramowania, miejsce docelowe, źródło poświadczenia i użyte opcje. Bez tego połączenia zespoły ryzykują zastąpienie konkretnego ujawnienia ogólnym założeniem, że każda maszyna programisty doświadczyła tego samego zdarzenia.

Praca staje się organizacyjna, gdy ten sam przepływ pracy istnieje w kilku miejscach. Laptop, zautomatyzowane zadanie i współdzielone środowisko programistyczne mogą przechowywać różne sekrety mimo używania podobnych plików konfiguracji. Traktowanie ich jako zamiennych zaciera dokładny warunek podlegający przeglądowi. Kontekst wdrożenia ma takie samo znaczenie jak wyświetlana nazwa modelu.

Rotacja danych uwierzytelniających odpowiada na inne pytanie: czy istniejący sekret powinien pozostać użyteczny po podejrzeniu ujawnienia. Nie zastępuje ona korekty zachowania routingu. Zastępcze dane uwierzytelniające umieszczone w niezmienionym podatnym środowisku mogłyby odtworzyć podstawowy problem. Decyzje dotyczące naprawy powinny łączyć naprawę oprogramowania z dowodami dotyczącymi wcześniejszego przesłania.

Jeśli analiza potwierdzi niezamierzone ujawnienie, unieważnienie danych uwierzytelniających ogranicza ich dalszą użyteczność. Działanie to powinno pozostać odrębne od twierdzeń o niewłaściwym użyciu. Zespół może zareagować na ujawniony sekret, nie twierdząc, że wykorzystała go inna strona. Jasny język umożliwia zdecydowane działanie przy zachowaniu rzetelnego zapisu incydentu.

Zespoły powinny także unikać przekształcania dochodzenia w kolejny kanał ujawniania. Potrzebne im dowody zazwyczaj dotyczą tego, które źródło danych uwierzytelniających wybrało żądanie i dokąd zostało ono skierowane. Kopiowanie pełnych sekretów do zgłoszeń lub współdzielonych notatek tworzy dodatkowe obowiązki związane z obsługą, niekoniecznie wyjaśniając pierwotne zdarzenie.

Przydatny zapis incydentu wyjaśnia ustalenie, środowisko, którego dotyczy problem, działania naprawcze oraz nierozstrzygnięte kwestie. Przechowywanie tych szczegółów w przeszukiwalnej bazie wiedzy inżynierskiej może pomóc współpracownikom zrozumieć, dlaczego przepływ pracy się zmienił. Zapis powinien zachowywać tok rozumowania i kontekst konfiguracji, a nie wartości danych uwierzytelniających.

Dla osób utrzymujących narzędzia wewnętrzne wydanie stanowi również punkt odniesienia do przeglądu wykraczający poza ten pakiet. Każda aplikacja łącząca konfigurowalne miejsca docelowe z domyślnymi danymi uwierzytelniającymi zasługuje na kontrolę na tej granicy. To wniosek inżynierski wynikający z ujawnionych wzorców awarii, a nie dowód, że inna aplikacja współdzieli te podatności.

Bezpośredni priorytet pozostaje konkretny: zidentyfikować dotknięte przepływy pracy LLM, przenieść je na wydanie z poprawką i ocenić wiarygodne narażenie. Rozszerzanie dochodzenia powinno wynikać z dowodów. Wąsko zdefiniowany problem bezpieczeństwa może uzasadniać ostrożne działanie, nie stając się twierdzeniem, że każdy zgodny klient modeli wymaga awaryjnej przebudowy.

Ujawnienia potwierdzają błąd, a nie powszechne wykorzystanie

Odtwarzalna wada routingu danych uwierzytelniających potwierdza rzeczywiste naruszenie bezpieczeństwa, lecz nie mierzy skali niewłaściwego użycia w świecie rzeczywistym.

Ujawnienia uzasadniają obawy dotyczące niezamierzonego przesyłania w określonych warunkach. Nie podają liczby dotkniętych użytkowników w całej populacji ani nie potwierdzają skoordynowanej kampanii wykorzystania. To różne rodzaje ustaleń. Techniczne odtworzenie może wykazać awarię, nie ujawniając, jak często występowała ona poza testem.

Sceptyczne pytanie dotyczy zatem zakresu. Które instalacje przechowywały odpowiednie dane uwierzytelniające, używały dotkniętej konfiguracji i wykonały ścieżkę wyzwalającą? Publiczne ujawnienie nie może odpowiedzieć na to pytanie za każdego użytkownika. Poszczególne środowiska dostarczają dowodów, których nie zapewni ogólne ogłoszenie o wydaniu, w tym informacji, czy miejsce docelowe było zewnętrzne, wewnętrzne czy lokalne.

Po dotarciu danych uwierzytelniających do niezamierzonego odbiorcy nadal możliwych jest kilka wyników. Samo otrzymanie różni się od przechowywania, późniejszego dostępu lub niewłaściwego użycia. Każde dodatkowe twierdzenie wymaga dowodów potwierdzających. Relacjonowanie, które łączy te etapy, sprawia, że incydent brzmi pewniej, jednocześnie utrudniając ocenę jego praktycznych konsekwencji.

Na uwagę zasługuje również błąd przeciwny. Brak publicznie udokumentowanego nadużycia nie dowodzi, że nie doszło do niezamierzonego przesłania. Wady routingu danych uwierzytelniających mogą mieć znaczenie, zanim ktokolwiek wykaże stratę finansową lub aktywność na koncie. Właściwa reakcja zależy od ujawnionego zachowania i środowiska użytkownika, a nie od oczekiwania na dramatyczny publiczny incydent.

Klasyfikacje Moderate również wymagają kontekstu. Etykieta ważności podsumowuje ocenę zawartą w ostrzeżeniu; nie rozstrzyga reakcji każdej organizacji. Wąsko ograniczone dane uwierzytelniające w kontrolowanym środowisku testowym pociągają za sobą inne konsekwencje niż sekret o szerokich uprawnieniach używany w rutynowej automatyzacji. Wada oprogramowania może być taka sama, podczas gdy stawka operacyjna się różni.

Wiek zakresu dotkniętych wersji również wymaga ostrożnego traktowania. Wskazuje wydania oprogramowania zawierające to zachowanie, zamiast dowodzić ciągłego narażenia przez cały ten okres. Użytkownik, który zainstalował dotknięte wydanie, lecz nigdy nie użył odpowiedniej ścieżki punktu końcowego, znajduje się w innej sytuacji faktycznej niż ktoś, kto robił to wielokrotnie.

Nie ma też powodu, by domyślnie traktować dostawcę otrzymującego klucz jako złośliwego. Niezamierzony odbiorca może działać legalnie, a mimo to otrzymać informacje, których nigdy nie powinien otrzymać. Wada dotyczy decyzji klienta o użyciu danych uwierzytelniających. Zarzuty dotyczące zachowania odbiorcy wymagają odrębnych dowodów.

Ujawnienie nie potwierdza również naruszenia własnej usługi OpenAI. Opisany problem występuje w przepływie pracy klienta kierującym dane uwierzytelniające do niestandardowego miejsca docelowego. Zachowanie tego rozróżnienia pomaga czytelnikom zidentyfikować odpowiedzialną granicę oprogramowania i uniknąć mylenia wady integracji aplikacji z incydentem infrastruktury dostawcy.

Dla czytelników najsilniejsza interpretacja pozostaje ograniczona: wady były rzeczywiste, dotknięte ścieżki były konkretne, a poprawka ma znaczenie. Nierozstrzygnięte pozostaje pytanie o historyczne narażenie w określonych środowiskach. Takie ujęcie wspiera działanie bez przekształcania udokumentowanej awarii implementacji w niepoparty opis masowego kompromitowania.

Co powinno nastąpić po poprawce bezpieczeństwa

Kolejne użyteczne dowody dotyczą wdrożenia, testowania granic danych uwierzytelniających oraz wyników faktycznych przeglądów narażenia.

Pierwszym sygnałem jest to, czy dotknięte przepływy pracy przechodzą na oprogramowanie z poprawką. W nadchodzących miesiącach znaczące dowody wdrożenia obejmowałyby zaktualizowane środowiska automatyzacji i utrzymywane instrukcje instalacji. Aktualizacja osobistej instalacji przez dewelopera jest użytecznym postępem, lecz nie dowodzi, że zmieniło się także każde zaplanowane zadanie korzystające z tego samego narzędzia.

Dowody, że dotknięte środowiska pozostają na starszych wersjach, osłabiłyby praktyczne zapewnienie wynikające z wydania. Dowody ukończonych aktualizacji we wszystkich zidentyfikowanych przepływach pracy je wzmocniłyby. Istotnym pomiarem jest usunięcie problemu tam, gdzie istniały warunki wyzwalające, a nie ogólna liczba pobrań oderwana od konfiguracji.

Drugim sygnałem jest sposób, w jaki przyszłe testy traktują granice uwierzytelniania. Test regresji, czyli kontrola zaprojektowana, by wykryć powrót wcześniejszego błędu, powinien badać wybór danych uwierzytelniających oraz wynik ukończenia. Pytanie inżynierskie brzmi, czy reguły specyficzne dla miejsca docelowego pozostają stabilne, gdy konfiguracja jest niepełna lub zmienia się obsługa żądań.

Silniejsze dowody wykazałyby przetrwanie tych granic we wszystkich obsługiwanych ścieżkach wykonania. Test sprawdzający jedynie, czy prompt otrzymuje odpowiedź, daje mniej pewności. Zgodność może pozostać nienaruszona, podczas gdy uwierzytelnianie zmienia się pod spodem, dlatego oczekiwanie specyficzne dla bezpieczeństwa zasługuje na wyraźne miejsce w pracach utrzymaniowych.

Trzecim sygnałem jest każde potwierdzone sprawozdanie dotyczące historycznego narażenia. Użyteczne ustalenia rozróżniałyby niezamierzone przesłanie od przechowywania lub niewłaściwego użycia i opisywałyby dotknięte warunki. Takie raporty doprecyzowałyby praktyczne konsekwencje. Ich brak pozostawiałby te konsekwencje niepewnymi, zamiast dowodzić, że każde dotknięte żądanie było nieszkodliwe.

Sygnały te powinny również kształtować sposób komunikacji wewnętrznej zespołów. Aktualizacja statusu może stwierdzać, że dotknięte instalacje zostały zaktualizowane, pozostawiając otwartą kwestię przeglądu historycznego. Może zgłaszać potwierdzony transfer danych uwierzytelniających bez twierdzenia o wykorzystaniu. Rozdzielenie tych ustaleń ułatwia uwzględnienie późniejszych dowodów i zapobiega utrwaleniu wczesnego założenia jako narracji o incydencie.

Dla deweloperów tworzących funkcje przełączania dostawców wydanie stawia trwałe pytanie projektowe: co dzieje się, gdy zamierzony klucz jest niedostępny? Najbezpieczniejsza odpowiedź powinna być widoczna w zachowaniu, dokumentacji i testach. Cicha substytucja jest trudna do rozpoznania dla użytkowników, ponieważ ich podstawowe zadanie może nadal wyglądać zwyczajnie.

Nabywcy oceniający przepływy pracy AI mogą zadać to samo pytanie bez analizowania szczegółów implementacji. Które dane uwierzytelniające należą do których miejsc docelowych? Co zmienia się, gdy żądanie wybiera inną obsługiwaną trasę? Jak aplikacja komunikuje niepełną konfigurację uwierzytelniania? Konkretne odpowiedzi są bardziej wartościowe niż ogólna obietnica zgodności.

Traktuj llm 0.37.2 jako powód do zbadania granicy między wyborem dostawcy a wyborem danych uwierzytelniających. Jeśli Twój przepływ pracy używał niestandardowego punktu końcowego, porównaj jego konfigurację i opcje wykonania z ostrzeżeniami. Ustal, która wersja działała i jakie źródła danych uwierzytelniających były dostępne. Przenieś dotknięte środowiska na oprogramowanie z poprawką, a następnie oddziel przegląd historycznego narażenia od ukończenia aktualizacji. Tam, gdzie dowody potwierdzają niezamierzone ujawnienie, zajmij się zarówno danymi uwierzytelniającymi, jak i aplikacją. Zachowaj ustalenia w dokumentacji, którą współpracownicy zrozumieją bez odtwarzania sekretów. Użytecznym rezultatem jest jasny opis tego, co się zmieniło, co się wydarzyło i co pozostaje nieznane. Czy Twój zespół potrafi wyjaśnić, dlaczego każde miejsce docelowe modelu otrzymuje wyłącznie przeznaczone dla niego dane uwierzytelniające?

 
 

Zacznij bezpłatnie

Asystent AI działający przede wszystkim lokalnie, z funkcją zarządzania wiedzą osobistą

Aby zapewnić lepsze działanie AI,

remio obsługuje obecnie wyłącznie Windows 10+ (x64) i M-Chip Macs.

Twój partner AI w pracy
Zrób więcej z remio

Planuj. Twórz. Dostarczaj.
Wszystko w jednym miejscu.

bottom of page