Bu iş bölümü önemli, çünkü kaynak kodu analizi güvenlik ekiplerinin tek tek inceleyebileceğinden çok daha fazla şüpheli örüntü üretebiliyor. AVDH yüksek hacimde ara bulgu oluştururken doğrulama aşamaları ve insan incelemesi, gerçekten istismar edilebilir ve etkisi yüksek görünen sorunlara odaklanılmasını sağlıyor.

Google, AVDH’nin ilk 10 aylık kullanımında on milyonlarca satıra yayılan kod tabanlarını analiz ettiğini ve on binlerce bulgu ürettiğini söyledi. Öne çıkarılan iki günlük incelemede ise sistem 100’den fazla gerçek pozitif kritik güvenlik açığı tespit etti. Daha geniş çalışma kapsamında 12 CVE atanırken, yaklaşık bir düzine başka sorunun da hâlen aktif açıklama sürecinde olduğu bildirildi.

Dolayısıyla asıl ölçülmesi gereken ham uyarı sayısı değil. Önemli olan, makinenin ürettiği hipotezlerin ne kadarının yeniden üretilebilen, sorumlu biçimde ele alınan güvenlik açıklarına dönüştüğü.

AVDH ile NOVA neden doğrudan yarıştırılamaz?

Palo Alto Networks, çok modelli otonom güvenlik açığı keşif sistemi NOVA için çok daha büyük bir başlık rakamı açıkladı. Şirketin araştırmasına göre NOVA, iki ayda 3.915 açık kaynak projesini analiz etti ve 14.090 doğrulanmış güvenlik açığı bildirdi. Bu açıkların yüzde 99,4’ü daha önce raporlanmamış, yüzde 40’ı ise yüksek veya kritik önem derecesinde sınıflandırılmıştı.

Ancak bu rakamlar Mandiant’ın AVDH sonuçlarından farklı bir çalışma modelini gösteriyor:

• AVDH: Olay müdahalesiyle bağlantılı, belirli bir zaman aralığında yürütülen ve insan incelemesiyle yeniden üretilmiş istismar yollarını önemli bir kalite kontrolü olarak kullanan derinlemesine bir değerlendirme.
• NOVA: Binlerce açık kaynak projesinde genişlik ve otonom keşif için optimize edilmiş, ekosistem ölçeğinde bir tarama.

Mevcut raporlar, iki sistemin aynı hedef seçimini, önem derecesi ölçütlerini, yanlış pozitif eşiklerini, istismar edilebilirlik testlerini veya açıklama süreçlerini kullandığını göstermiyor. Bu nedenle başlık rakamları evrensel bir liderlik tablosu gibi okunmamalı. AVDH, ajan zincirlerinin belirli bir çalışma içinde yüksek güvenilirlikli incelemeyi nasıl destekleyebileceğini; NOVA ise otonom keşfin açık kaynak yazılımında hangi ölçeğe ulaşabildiğini gösteriyor.

İki sonuç birlikte değerlendirildiğinde güvenlik açığı keşfinin iki ayrı probleme ayrıldığı görülüyor: Zayıflıkları bulacak kadar geniş arama yapmak ve bulguları uygulanabilir hâle getirecek kadar iyi doğrulamak.

Yarış keşiften maruziyeti azaltmaya kayıyor

Palo Alto’nun daha hızlı keşfe verdiği yanıt yalnızca açıkları bulmakla sınırlı değil. Şirketin Advanced Virtual Patching önerisi, yazılım sahipleri geleneksel düzeltme sürecini tamamlarken ağ seviyesinde korumalar dağıtarak maruziyeti saatler içinde azaltmayı amaçlıyor. Palo Alto, bu yaklaşımı sektör genelinde geleneksel yamaların uygulanması için gereken ortalama yaklaşık 55 günlük süreyle karşılaştırıyor.

Şirket ayrıca yapay zekâ şirketlerini, yazılım sağlayıcılarını, açık kaynak katılımcılarını ve operasyonel teknoloji kuruluşlarını koordineli bir savunma çabasında buluşturan Frontier AI Critical Defense Program programını duyurdu. Bildirilen katılımcılar arasında Anthropic, OpenAI, IBM, Red Hat, Microsoft, Siemens, Mitsubishi Electric ve Axis Communications bulunuyor.

Sanal yama, savunmasız bir hizmete erişimin ağ trafiği üzerinden tespit edilip engellenebildiği durumlarda değerli olabilir. Ancak bu yöntem, temel yazılımı düzeltmenin yerine geçen kalıcı bir çözüm değil, telafi edici bir kontrol olarak görülmeli. Kalıcı çözüm için yine bir yazılım sahibinin açığı anlaması, kod değişikliğini yapması, test etmesi, dağıtması ve etkilenen sistemlerin güncellendiğini doğrulaması gerekiyor.

Keşif hızlandıkça bu ayrım daha da önem kazanıyor. Bir ağ kontrolü acil maruziyeti azaltabilir; fakat uygulamanın veya yazılım tedarik zincirinin farklı bölümlerindeki savunmasız kodu tek başına ortadan kaldırmaz.

Saldırganlar da aynı hız kazanıyor

Savunmadaki ilerleme, saldırganların da benzer görevlerde yapay zekâ kullandığına dair bulgularla aynı dönemde yaşanıyor. Google Threat Intelligence Group, yapay zekâ yardımıyla geliştirildiğine inanılan bir sıfırıncı gün açığını kullanan bir tehdit aktörüne ilişkin tespitini, bu alandaki ilk örnek olarak nitelendirdi. Google’a göre aktör, açığı geniş ölçekli bir saldırıda kullanmayı planlıyordu; şirketin karşı keşif çalışması bu saldırının önlenmesine yardımcı olmuş olabilir.

Bildirilen istismar, popüler bir açık kaynak web yönetim aracındaki iki faktörlü kimlik doğrulama atlatma açığını hedefliyordu. Eğitim amaçlı yorumlar ve gerçekte var olmayan bir güvenlik açığı için üretilmiş CVSS puanı gibi göstergeler, analizde bir yapay zekâ modelinin geliştirme sürecine muhtemelen katkıda bulunduğuna dair işaretler olarak değerlendirildi.

Bu durum, yapay zekâ tarafından üretilen her güvenlik açığının operasyonel bir saldırıya dönüşeceği anlamına gelmiyor. Ancak savunmacılar artık kod karmaşıklığının, sınırlı araştırmacı kapasitesinin veya keşif ile istismar arasındaki uzun zaman aralığının kendilerine güvenilir biçimde süre kazandıracağını varsayamaz.

Cloud Security Alliance’ın uyarısı bu nedenle kritik: Yapay zekâ, güvenlik açığı keşfinin hızını ve ölçeğini birçok açıklama ve yama sisteminin kaldırabileceğinden daha hızlı artırıyor. Daha fazla bulgu, ancak kuruluşların bunları önceliklendirecek, açıklamayı koordine edecek, düzeltme geliştirecek ve korumaları güvenli biçimde dağıtacak kapasitesi varsa güvenliği artırabilir.

Savunmacılar avantajı geri kazanabilir mi?

Evet; ancak bunun yolu yalnızca bir güvenlik açığı bulma modeli satın almaktan geçmiyor. Avantaj, keşfi güvenlik operasyonlarının geri kalanıyla birleştiren kuruluşlarda olacak:

1. Tehdit modelleme, aramayı gerçekçi saldırı yollarına yönlendirir.
2. Ajan tabanlı analiz, kodu inceler ve makine hızında farklı hipotezler üretir.
3. Bağımsız doğrulama, şüpheli örüntülerin yanıltıcı raporlara dönüşme riskini azaltır.
4. İnsan tarafından yeniden üretim, önerilen açığın gerçekten istismar edilip edilemeyeceğini doğrular.
5. Koordineli açıklama, bakım ekiplerine ve tedarikçilere yanıt verebilecekleri bir süreç sunar.
6. Sanal yama ve diğer telafi edici kontroller, kod düzeltmesi hazırlanırken maruziyeti azaltır.
7. Önceliklendirilmiş düzeltme, erişilebilirliği ve etkisi en yüksek açıkların önce kapatılmasını sağlar.

AVDH, bu bağlantılı iş akışının değerini gösteriyor: Geniş otomatik keşif, insan muhakemesi ve istismar doğrulamasıyla birleştiriliyor. NOVA ise iş akışının karşı karşıya olduğu baskıyı ortaya koyuyor: Otonom keşif, geleneksel güvenlik ekiplerinin işlemek üzere tasarlanmadığı ölçekte bulgu üretebiliyor.

Ortaya çıkan yapay zekâ destekli siber güvenlik yarışı, yalnızca hangi modelin en fazla hatayı bulduğu üzerine kurulu değil. Asıl yarış, bir güvenlik açığının saldırıya dönüştürülmesinden önce tespit-tedbir döngüsünün tamamını rakiplerden daha hızlı kapatabilmek. Savunmacılar; kodu, dağıtım hattını, telemetrilerini ve ağ kontrollerini yönettikleri, ayrıca yapay zekâyı doğrulama, açıklama ve düzeltmeyle birleştirdikleri ölçüde avantaj kazanabilir. Doğrulama, sahiplik, açıklama ve düzeltme süreçleri olmadan keşif yapmak ise sorunu çözmek yerine yalnızca büyütebilir.

Bu iş bölümü önemli, çünkü kaynak kodu analizi güvenlik ekiplerinin tek tek inceleyebileceğinden çok daha fazla şüpheli örüntü üretebiliyor. AVDH yüksek hacimde ara bulgu oluştururken doğrulama aşamaları ve insan incelemesi, gerçekten istismar edilebilir ve etkisi yüksek görünen sorunlara odaklanılmasını sağlıyor.

Google, AVDH’nin ilk 10 aylık kullanımında on milyonlarca satıra yayılan kod tabanlarını analiz ettiğini ve on binlerce bulgu ürettiğini söyledi. Öne çıkarılan iki günlük incelemede ise sistem 100’den fazla gerçek pozitif kritik güvenlik açığı tespit etti. Daha geniş çalışma kapsamında 12 CVE atanırken, yaklaşık bir düzine başka sorunun da hâlen aktif açıklama sürecinde olduğu bildirildi.

Dolayısıyla asıl ölçülmesi gereken ham uyarı sayısı değil. Önemli olan, makinenin ürettiği hipotezlerin ne kadarının yeniden üretilebilen, sorumlu biçimde ele alınan güvenlik açıklarına dönüştüğü.

AVDH ile NOVA neden doğrudan yarıştırılamaz?

Palo Alto Networks, çok modelli otonom güvenlik açığı keşif sistemi NOVA için çok daha büyük bir başlık rakamı açıkladı. Şirketin araştırmasına göre NOVA, iki ayda 3.915 açık kaynak projesini analiz etti ve 14.090 doğrulanmış güvenlik açığı bildirdi. Bu açıkların yüzde 99,4’ü daha önce raporlanmamış, yüzde 40’ı ise yüksek veya kritik önem derecesinde sınıflandırılmıştı.

Ancak bu rakamlar Mandiant’ın AVDH sonuçlarından farklı bir çalışma modelini gösteriyor:

• AVDH: Olay müdahalesiyle bağlantılı, belirli bir zaman aralığında yürütülen ve insan incelemesiyle yeniden üretilmiş istismar yollarını önemli bir kalite kontrolü olarak kullanan derinlemesine bir değerlendirme.
• NOVA: Binlerce açık kaynak projesinde genişlik ve otonom keşif için optimize edilmiş, ekosistem ölçeğinde bir tarama.

Mevcut raporlar, iki sistemin aynı hedef seçimini, önem derecesi ölçütlerini, yanlış pozitif eşiklerini, istismar edilebilirlik testlerini veya açıklama süreçlerini kullandığını göstermiyor. Bu nedenle başlık rakamları evrensel bir liderlik tablosu gibi okunmamalı. AVDH, ajan zincirlerinin belirli bir çalışma içinde yüksek güvenilirlikli incelemeyi nasıl destekleyebileceğini; NOVA ise otonom keşfin açık kaynak yazılımında hangi ölçeğe ulaşabildiğini gösteriyor.

İki sonuç birlikte değerlendirildiğinde güvenlik açığı keşfinin iki ayrı probleme ayrıldığı görülüyor: Zayıflıkları bulacak kadar geniş arama yapmak ve bulguları uygulanabilir hâle getirecek kadar iyi doğrulamak.

Yarış keşiften maruziyeti azaltmaya kayıyor

Palo Alto’nun daha hızlı keşfe verdiği yanıt yalnızca açıkları bulmakla sınırlı değil. Şirketin Advanced Virtual Patching önerisi, yazılım sahipleri geleneksel düzeltme sürecini tamamlarken ağ seviyesinde korumalar dağıtarak maruziyeti saatler içinde azaltmayı amaçlıyor. Palo Alto, bu yaklaşımı sektör genelinde geleneksel yamaların uygulanması için gereken ortalama yaklaşık 55 günlük süreyle karşılaştırıyor.

Şirket ayrıca yapay zekâ şirketlerini, yazılım sağlayıcılarını, açık kaynak katılımcılarını ve operasyonel teknoloji kuruluşlarını koordineli bir savunma çabasında buluşturan Frontier AI Critical Defense Program programını duyurdu. Bildirilen katılımcılar arasında Anthropic, OpenAI, IBM, Red Hat, Microsoft, Siemens, Mitsubishi Electric ve Axis Communications bulunuyor.

Sanal yama, savunmasız bir hizmete erişimin ağ trafiği üzerinden tespit edilip engellenebildiği durumlarda değerli olabilir. Ancak bu yöntem, temel yazılımı düzeltmenin yerine geçen kalıcı bir çözüm değil, telafi edici bir kontrol olarak görülmeli. Kalıcı çözüm için yine bir yazılım sahibinin açığı anlaması, kod değişikliğini yapması, test etmesi, dağıtması ve etkilenen sistemlerin güncellendiğini doğrulaması gerekiyor.

Keşif hızlandıkça bu ayrım daha da önem kazanıyor. Bir ağ kontrolü acil maruziyeti azaltabilir; fakat uygulamanın veya yazılım tedarik zincirinin farklı bölümlerindeki savunmasız kodu tek başına ortadan kaldırmaz.

Saldırganlar da aynı hız kazanıyor

Savunmadaki ilerleme, saldırganların da benzer görevlerde yapay zekâ kullandığına dair bulgularla aynı dönemde yaşanıyor. Google Threat Intelligence Group, yapay zekâ yardımıyla geliştirildiğine inanılan bir sıfırıncı gün açığını kullanan bir tehdit aktörüne ilişkin tespitini, bu alandaki ilk örnek olarak nitelendirdi. Google’a göre aktör, açığı geniş ölçekli bir saldırıda kullanmayı planlıyordu; şirketin karşı keşif çalışması bu saldırının önlenmesine yardımcı olmuş olabilir.

Bildirilen istismar, popüler bir açık kaynak web yönetim aracındaki iki faktörlü kimlik doğrulama atlatma açığını hedefliyordu. Eğitim amaçlı yorumlar ve gerçekte var olmayan bir güvenlik açığı için üretilmiş CVSS puanı gibi göstergeler, analizde bir yapay zekâ modelinin geliştirme sürecine muhtemelen katkıda bulunduğuna dair işaretler olarak değerlendirildi.

Bu durum, yapay zekâ tarafından üretilen her güvenlik açığının operasyonel bir saldırıya dönüşeceği anlamına gelmiyor. Ancak savunmacılar artık kod karmaşıklığının, sınırlı araştırmacı kapasitesinin veya keşif ile istismar arasındaki uzun zaman aralığının kendilerine güvenilir biçimde süre kazandıracağını varsayamaz.

Cloud Security Alliance’ın uyarısı bu nedenle kritik: Yapay zekâ, güvenlik açığı keşfinin hızını ve ölçeğini birçok açıklama ve yama sisteminin kaldırabileceğinden daha hızlı artırıyor. Daha fazla bulgu, ancak kuruluşların bunları önceliklendirecek, açıklamayı koordine edecek, düzeltme geliştirecek ve korumaları güvenli biçimde dağıtacak kapasitesi varsa güvenliği artırabilir.

Savunmacılar avantajı geri kazanabilir mi?

Evet; ancak bunun yolu yalnızca bir güvenlik açığı bulma modeli satın almaktan geçmiyor. Avantaj, keşfi güvenlik operasyonlarının geri kalanıyla birleştiren kuruluşlarda olacak:

1. Tehdit modelleme, aramayı gerçekçi saldırı yollarına yönlendirir.
2. Ajan tabanlı analiz, kodu inceler ve makine hızında farklı hipotezler üretir.
3. Bağımsız doğrulama, şüpheli örüntülerin yanıltıcı raporlara dönüşme riskini azaltır.
4. İnsan tarafından yeniden üretim, önerilen açığın gerçekten istismar edilip edilemeyeceğini doğrular.
5. Koordineli açıklama, bakım ekiplerine ve tedarikçilere yanıt verebilecekleri bir süreç sunar.
6. Sanal yama ve diğer telafi edici kontroller, kod düzeltmesi hazırlanırken maruziyeti azaltır.
7. Önceliklendirilmiş düzeltme, erişilebilirliği ve etkisi en yüksek açıkların önce kapatılmasını sağlar.

AVDH, bu bağlantılı iş akışının değerini gösteriyor: Geniş otomatik keşif, insan muhakemesi ve istismar doğrulamasıyla birleştiriliyor. NOVA ise iş akışının karşı karşıya olduğu baskıyı ortaya koyuyor: Otonom keşif, geleneksel güvenlik ekiplerinin işlemek üzere tasarlanmadığı ölçekte bulgu üretebiliyor.

Ortaya çıkan yapay zekâ destekli siber güvenlik yarışı, yalnızca hangi modelin en fazla hatayı bulduğu üzerine kurulu değil. Asıl yarış, bir güvenlik açığının saldırıya dönüştürülmesinden önce tespit-tedbir döngüsünün tamamını rakiplerden daha hızlı kapatabilmek. Savunmacılar; kodu, dağıtım hattını, telemetrilerini ve ağ kontrollerini yönettikleri, ayrıca yapay zekâyı doğrulama, açıklama ve düzeltmeyle birleştirdikleri ölçüde avantaj kazanabilir. Doğrulama, sahiplik, açıklama ve düzeltme süreçleri olmadan keşif yapmak ise sorunu çözmek yerine yalnızca büyütebilir.