پروژه Prismor یک لایه امنیتی رایگان و متن‌باز (Open-source) است که برای کنترل زمان اجرای (Runtime) عامل‌های کدنویسی هوش مصنوعی (AI Coding Agents) طراحی شده است. این ابزار به عنوان یک واسط بین عامل‌هایی نظیر Claude Code، Codex یا Cursor و اقدامات اجرایی آن‌ها قرار می‌گیرد و هر فراخوانی ابزار (Tool Call) را پیش از اجرا با سیاست‌های امنیتی تعریف شده تطبیق می‌دهد.
مدیریت ریسک در عامل‌های هوش مصنوعی
عامل‌های کدنویسی AI معمولاً دستورات Shell را اجرا کرده، فایل‌ها را می‌خوانند یا می‌نویسند، مدارک شناسایی (Credentials) را مدیریت می‌کنند و APIهای خارجی را فراخوانی می‌کنند. این فرآیندها اغلب در زنجیره‌ای از مراحل بدون بازبینی دقیق انسانی رخ می‌دهند که منجر به ریسک‌های زیر می‌شود:
- مواجهه با فایل‌ها یا صفحات وب آلوده (Poisoned) که باعث تغییر مسیر عامل در میانه تسک می‌شود.
- دسترسی غیرمجاز به فایل‌های حساس مانند
.envدر حین عیب‌یابی و ارسال محتوای آن‌ها به بیرون. - نصب بسته‌های نرم‌افزاری مخرب یا دستکاری شده (Compromised Packages).
در حالی که ابزارهای امنیت Endpoint بر روی Kernel و سیستم فایل نظارت می‌کنند، Prismor پیش از آنکه تصمیم نهایی توسط عامل گرفته شود، وارد عمل شده و یکی از سه حکم Allow (اجازه)، Warn (هشدار) یا Block (مسدودسازی) را صادر می‌کند.
عملکرد و حالت‌های پیکربندی
قوانین Prismor به صورت پیش‌فرض در حالت Observe (مشاهده) قرار دارند و تمامی فراخوانی‌ها و یافته‌ها را در یک داشبورد محلی ثبت می‌کنند. کاربران می‌توانند قوانین مورد نظر خود را به حالت Enforce تغییر دهند تا اقدامات مخرب در لحظه مسدود شوند. طبق تست‌های انجام شده بر روی ۱۰,۰۰۰ نشست شبیه‌سازی شده، تأخیر ایجاد شده توسط این ابزار تنها ۰.۸ میلی‌ثانیه برای هر فراخوانی است.
این ابزار سه وضعیت پیش‌فرض (Preset Postures) ارائه می‌دهد:
- dev-safe: مناسب برای توسعه ویژگی‌های جدید روی کدهای ناشناخته (پوشش ۳۱٪ و اصطکاک ۹٪).
- regulated-airgap: قطع دسترسی به شبکه و Shell (پوشش ۱۰۰٪ و اصطکاک ۹۰٪).
بررسی بسته‌ها و مقابله با Prompt Injection
Prismor مدیریت بسته‌هایی مانند npm و pip را پوشش داده و هر نصب را بر اساس سن بسته، تعداد نگهدارندگان (Maintainers)، اسکریپت‌های نصب و شاخص‌های شناخته شده آلودگی (IoC) امتیازدهی می‌کند. امتیاز ۶۰ یا بالاتر منجر به مسدود شدن نصب می‌شود.
برای مقابله با حملات Prompt Injection (مانند دستوراتی که به عامل می‌گویند «دستورات قبلی را نادیده بگیر»), این ابزار از قوانین تطبیق الگو (Pattern-matching) و یک گارد معنایی (Semantic Guard) اختیاری استفاده می‌کند. در موارد مشکوک، گارد معنایی از یک LLM برای تحلیل ثانویه استفاده می‌کند که طبق ادعای توسعه‌دهندگان، نرخ شناسایی حملات را تا ۳۰٪ افزایش داده است.
