AnswersPublished22 sources
Yapay zekâ siber saldırıları nasıl değiştiriyor?
Yapay zekâ, geleneksel siber saldırıların yerini tamamen almak yerine bu saldırıları daha hızlı, ucuz ve uyarlanabilir hâle getiriyor. FunkSec ve 2025 tarihli RevengeHotels operasyonu yapay zekâ destekli kötü amaçlı yazılım geliştirmeyi, LameHug ise saldırı sırasında bir LLM’den komut üretilmesini gösteriyor.
YayımlayanGPT-5.6 Luna ile düzenlendiGörseller GPT Image 1.5 ile oluşturuldu
Research answer
Key takeaways
- Yapay zekâ, geleneksel siber saldırıların yerini tamamen almak yerine bu saldırıları daha hızlı, ucuz ve uyarlanabilir hâle getiriyor.
- FunkSec ve 2025 tarihli RevengeHotels operasyonu yapay zekâ destekli kötü amaçlı yazılım geliştirmeyi, LameHug ise saldırı sırasında bir LLM’den komut üretilmesini gösteriyor.
- Kuruluşların statik imzaların yanı sıra olağandışı betik çalıştırma, LLM/API trafiği, kimlik bilgisi erişimi ve veri hazırlama davranışlarını izlemesi gerekiyor.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is artificial intelligence becoming deeply embedded in cyberattacks, according to Kaspersky and other cybersecurity researchers, and wha. Article summary: AI is becoming an operational layer across the attack chain: it helps criminals write and revise code, tailor phishing, automate reconnaissance, and vary payloads at machine speed. The clearest current evidence supports . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Yapay zekâ, siber saldırılarda artık yalnızca bir fikir veya pazarlama etiketi değil; saldırı zincirinin farklı aşamalarına yerleşen operasyonel bir katman. Saldırganlar büyük dil modellerini (LLM) kötü amaçlı yazılım bileşenleri hazırlamak, kimlik avı mesajlarını kişiselleştirmek, betiklerdeki hataları gidermek ve aynı saldırının yeni varyasyonlarını üretmek için kullanabiliyor.
Ancak mevcut kanıtların desteklediği sonuç daha ölçülü: Yapay zekâ, her saldırıyı otonom hâle getirmiyor. Daha çok, zaten bilinen saldırı yöntemlerini hızlandırıyor ve uyarlıyor.
Asıl değişim: Saldırı döngüsü kısalıyor
Çoğu siber saldırı hâlâ kimlik avı, kötü amaçlı betikler, uzaktan erişim truva atları (RAT) ve veri hırsızlığı gibi tanınabilir tekniklere dayanıyor. Yapay zekâ bu tekniklerin temelini değiştirmekten çok, kullanılmaları için gereken zaman ve uzmanlık ihtiyacını azaltıyor.
Bir saldırgan, bir LLM’den başlangıç düzeyinde bir betik hazırlamasını isteyebilir; ardından mesajı farklı dillere çevirebilir, hedef kuruma göre kişiselleştirebilir, kodu test sonuçlarına göre düzeltebilir ve farklı hedefler için çok sayıda varyasyon üretebilir. Böylece deneme maliyeti düşer, kampanyanın tasarlanmasından devreye alınmasına kadar geçen süre kısalır.
Bunun sonucu, daha yüksek sayıda inandırıcı saldırı ve savunma ekipleri için daha kısa bir müdahale penceresi olabilir. Bu nedenle, yalnızca yapay zekâ temalı bir yem kullanan her saldırıya “AI saldırısı” demek kanıtları abartır. Mevcut örnekler, kod yardımından saldırı sırasında dinamik komut üretimine kadar farklı düzeylerde yapay zekâ kullanımına işaret ediyor.
FunkSec: Yapay zekâ destekli kötü amaçlı yazılım geliştirme
Kaspersky’nin FunkSec araştırması, yapay zekânın kötü amaçlı yazılım bileşenlerinin geliştirilmesine nasıl katkı sağlayabildiğine dair örnek sunuyor. Rust tabanlı fidye yazılımı; şifreleme, yerel veri sızdırma ve kendini temizleme işlevlerini tek bir çalıştırılabilir dosyada birleştiriyor. Kaspersky ayrıca, ilişkili yetenekler arasında bir parola oluşturucu ve temel bir DDoS aracı bulunduğunu, bu bileşenlerde büyük dil modeliyle kod sentezine dair işaretler görüldüğünü bildirdi. 28
39
Bu bulgu, bir LLM’nin tüm kampanyayı bağımsız biçimde tasarladığı, dağıttığı ve yönettiği anlamına gelmiyor. Daha dar ve önemli bir noktayı gösteriyor: Üretken yapay zekâ, işlevsel kötü amaçlı yazılım bileşenlerinin hazırlanmasına katkıda bulunarak saldırganların daha az manuel geliştirmeyle daha bütünleşik araç setleri oluşturmasına yardımcı olabilir.
RevengeHotels: Geleneksel kimlik avına yapay zekâ desteği
2025’teki RevengeHotels kampanyası, yapay zekânın yerleşik bir saldırı yönteminin yerine geçmekten çok onu güçlendirdiğini gösteriyor. Kaspersky, Brezilya’daki ve İspanyolca konuşulan pazarlardaki otellere yönelik saldırılarda rezervasyon talepleri, faturalar veya iş başvuruları gibi görünen kimlik avı e-postalarının kullanıldığını gözlemledi. Kurbanlar, belge depolama hizmetlerini taklit eden sitelere yönlendirildi; bu sitelerdeki betikler sonunda VenomRAT gibi uzaktan erişim truva atlarını teslim etti. 30
31
36
Kaspersky, ilk bulaştırıcı ve indirici kodun önemli bir bölümünün büyük dil modeli ajanları tarafından üretilmiş gibi göründüğünü belirtti. 28 Kampanya yine de alışıldık sosyal mühendislik, betik çalıştırma ve RAT teslimi yöntemlerine dayanıyordu. Yapay zekânın katkısı, bulaşma zincirinin bazı parçalarını daha hızlı üretmek ve çeşitlendirmekti. Bu da operatörlerin farklı bölgelerdeki hedeflere daha verimli biçimde uyarlanmasını sağlayabilir.
Dolayısıyla “yapay zekâ destekli” ifadesi, açıklama yapılmadan kullanıldığında yanıltıcı olabilir. RevengeHotels örneğinde yapay zekâ destekli kod üretimi, geleneksel bir kimlik avı operasyonunun içine yerleştirilmişti.
LameHug: LLM saldırının içine giriyor
Mevcut kanıtlar içindeki en dikkat çekici teknik gelişme LameHug. Bazı haber ve analizlerde PROMPTSTEAL olarak da anılan bu kötü amaçlı yazılım, yalnızca yapay zekâ yardımıyla yazılmış gibi görünen örneklerden farklı olarak, çalışma sırasında bir LLM kullandı.
CERT-UA raporlarına dayanan analizlere göre LameHug, Hugging Face API’siyle iletişim kurdu ve Alibaba Cloud’un Qwen2.5-Coder-32B-Instruct modelinden Windows komutları üretmesini istedi. Bu komutlar sistem bilgilerini toplamaya ve dışarı aktarılmak üzere Office belgelerini aramaya yarayabiliyordu. 2
3
7
Çalışma zamanında model kullanılması, kötü amaçlı yazılımın davranışını üç açıdan değiştiriyor:
- Komut dizisinin baştan sona sabit olması gerekmiyor. Kötü amaçlı yazılım, karşılaştığı sisteme ve aldığı talimatlara göre yeni komutlar isteyebiliyor.
- Saldırı, sıradan sistem araçlarını kullanabiliyor. Bu nedenle tespit yalnızca ayırt edici bir dosyaya değil, komutların davranışına ve sıralanışına da odaklanmalı.
4
- Kötü amaçlı yazılım dış bir hizmete bağımlı hâle geliyor. Ele geçirilmiş bir sistemden bir dil modeli API’sine yapılan olağandışı dış bağlantılar, savunmacılar için değerli bir sinyal oluşturabilir.
LameHug, kötü amaçlı yazılımların tamamen otonom hâle geldiğini kanıtlamıyor. Bunun yerine saldırganların LLM’yi operasyonel döngünün içine yerleştirerek keşif ve veri toplama adımlarının gerçek zamanlı üretilmesine yardımcı olabildiğini gösteriyor.
Yapay zekâ temalı yemler saldırı yüzeyini genişletiyor
Yapay zekâ, saldırı aracı olmasının yanı sıra saldırının bahanesi olarak da kullanılıyor. Kaspersky çözümleri, Ocak-Nisan 2026 arasında küçük ve orta ölçekli işletmelere yönelik, kötü amaçlı veya istenmeyen bilgisayar yazılımlarının popüler yapay zekâ hizmetleri gibi gösterildiği 33.300’den fazla saldırı tespit etti. Şirket, bu sayının 2025’in aynı dönemindeki karşılaştırılabilir toplamın neredeyse beş katı olduğunu açıkladı. 50
51
Bu tespitler, yapay zekâ hizmetlerini taklit eden yazılımları ölçüyor. Her yükün yapay zekâ tarafından üretildiğini veya her saldırının bir yapay zekâ sistemi tarafından işletildiğini göstermiyor. Daha güvenli sonuç şu: Saldırganlar, tanınan yapay zekâ markalarına duyulan güvenden ve işletmelerde yapay zekâ araçlarının hızla yaygınlaşmasından yararlanıyor.
Çalışanlar açısından risk oldukça somut. Sahte bir görsel oluşturucu, sohbet robotu istemcisi veya verimlilik asistanı, kötü amaçlı yazılımın bilgisayara taşınmasını sağlayabilir. Bu nedenle yazılım kurulum politikaları, doğrulanmış indirme kaynakları ve güçlü uç nokta güvenliği, yem yapay zekâ ürünü gibi görünse bile önemini koruyor.
Ölçek ve bölgesel risk verileri ne söylüyor?
Kaspersky’nin bölgesel telemetrisi, web tabanlı tehditlerin yaygınlığını ortaya koyuyor; ancak bu veriler yapay zekâ tarafından yürütülen saldırıların sayısı olarak okunmamalı. Kaspersky, 2026’nın ilk yarısında çevrim içi kaynaklardan gelen 5,7 milyon saldırıyı Güney Afrika’da, 4,5 milyonunu Kenya’da ve 1,6 milyonunu Nijerya’da engellediğini açıkladı. Bildirilen META bölgesi veri setinde web tabanlı tehditlerden etkilenen kullanıcıların oranı Türkiye’de yüzde 22,8 ile en yüksek seviyedeydi. 14
Bu ölçümler; web siteleri, e-postalar ve web hizmetleri üzerinden iletilen tehditleri kapsıyor. Dolayısıyla çevrim içi saldırılara yönelik geniş bir maruziyeti gösteriyor, ancak nedenselliği yapay zekâya bağlamıyor. Bu ayrımı korumak, genel siber tehdit istatistiklerinin otonom veya yapay zekâ tarafından üretilmiş kampanyalara dair kanıt gibi sunulmasını engelliyor.
Neden otonomiden çok uyarlanabilirlik önemli?
Yakın vadeli güvenlik riski, bir anda kendi kendine karar veren “siber orduların” ortaya çıkması olmayabilir. Daha büyük risk, saldırı zincirinin her aşamasında küçük verimlilik artışlarının üst üste binmesi:
- kod daha hızlı hazırlanıp düzeltilebilir;
- kimlik avı mesajları farklı dillere, sektörlere ve senaryolara uyarlanabilir;
- betikler daha hızlı hata ayıklanıp yeniden paketlenebilir;
- kötü amaçlı yazılım davranışı ortama göre değiştirilebilir;
- keşif ve veri toplama adımları çalışma sırasında düzenlenebilir.
Bu verimliliklerin toplamı, bir sızma girişiminin maliyetini düşürebilir ve daha fazla deneme yapılmasını kolaylaştırabilir. Daha önce uzmanlık gerektiren teknikleri daha az deneyimli operatörlerin taklit etmesine de yardımcı olabilir.
Risk; güvenlik personeli sınırlı, hassas veri miktarı yüksek veya üçüncü taraf bağlantıları karmaşık kuruluşlarda özellikle ciddi. Bununla birlikte kritik altyapılara yönelik saldırı iddiaları için ele geçirmenin, etkisinin ve yapay zekâ rolünün ayrı ayrı doğrulanması gerekir. Bir saldırgan grubun iddiası tek başına bunların herhangi birini kanıtlamaz.
Kuruluşlar için savunma öncelikleri
Örnekler, katmanlı ve davranış odaklı bir savunma yaklaşımına işaret ediyor. Kuruluşlar imza tabanlı tespitleri ve bilinen göstergelerin engellenmesini sürdürmeli; ancak yapay zekâ destekli veya dinamik biçimde uyarlanan saldırıları ortaya çıkarabilecek faaliyetleri de izlemeli.
Önemli sinyaller arasında şunlar bulunuyor:
- Python veya PyInstaller süreçlerinin dil modeli hizmetlerine beklenmedik dış bağlantılar kurması;
- normalde geliştirici ya da yapay zekâ hizmetlerini kullanmayan uç noktalardan gelen base64 kodlu istemler veya olağandışı API çağrıları;
systeminfo,tasklist,dsqueryya da özyinelemeli dosya aramaları gibi araçları birleştiren şüpheli komut zincirleri;- JavaScript, PowerShell veya diğer yorumlayıcılar üzerinden gerçekleştirilen şüpheli betik çalıştırma faaliyetleri;
- olağandışı kimlik bilgisi erişimi, belge hazırlama veya dışarıya veri aktarımı;
- çalışanların onaylanmamış yapay zekâ uygulamaları ya da tarayıcı araçları kurması.
Splunk’ın LameHug tespit rehberi, özellikle Hugging Face API’sine bağlanan ve komut üretmek için Qwen modelini kullanan Python veya PyInstaller süreçlerine dikkat çekiyor. 4 Bu, savunmacıların sabit bir kötü amaçlı yazılım imzasını beklemek yerine LLM destekli saldırının çevresindeki davranışları nasıl izleyebileceğine dair somut bir örnek.
Sonuç: Yapay zekâ saldırganların verimlilik katmanına dönüşüyor
Yapay zekâ, mevcut operasyonların üretilmesini, kişiselleştirilmesini ve değiştirilmesini kolaylaştırdığı için siber saldırılara giderek daha fazla yerleşiyor. FunkSec ve RevengeHotels, yapay zekâ destekli kötü amaçlı yazılım geliştirmeyi; LameHug, canlı bir sızma sırasında LLM’ye komut ürettirilmesini; Kaspersky’nin küçük ve orta ölçekli işletmelere ilişkin tespitleri ise yapay zekânın popülerliğinin yem olarak kullanıldığını gösteriyor. 28
31
51
En doğru tanım, “yapay zekâ geleneksel korsanlığı ortadan kaldırdı” değil. Yapay zekâ; kimlik avı, kötü amaçlı yazılım geliştirme, keşif ve veri hırsızlığı boyunca bir verimlilik ve uyarlanabilirlik katmanına dönüşüyor. Savunma ekipleri daha fazla varyasyona ve daha hızlı yinelemeye hazırlanmalı; aynı zamanda doğrulanmış yapay zekâ kullanımını, yalnızca yapay zekâ markasıyla süslenmiş sıradan siber suçlardan ayırmaya devam etmeli.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Yapay zekâ siber saldırıları nasıl değiştiriyor?"?
Yapay zekâ, geleneksel siber saldırıların yerini tamamen almak yerine bu saldırıları daha hızlı, ucuz ve uyarlanabilir hâle getiriyor.
What are the key points to validate first?
Yapay zekâ, geleneksel siber saldırıların yerini tamamen almak yerine bu saldırıları daha hızlı, ucuz ve uyarlanabilir hâle getiriyor. FunkSec ve 2025 tarihli RevengeHotels operasyonu yapay zekâ destekli kötü amaçlı yazılım geliştirmeyi, LameHug ise saldırı sırasında bir LLM’den komut üretilmesini gösteriyor.
What should I do next in practice?
Kuruluşların statik imzaların yanı sıra olağandışı betik çalıştırma, LLM/API trafiği, kimlik bilgisi erişimi ve veri hazırlama davranışlarını izlemesi gerekiyor.
Sources
me-en.kaspersky.comKaspersky uncovers the cyber threats defining the first half ...
securelist.comA new RevengeHotels campaign targets Latin America
kaspersky.comKaspersky discovers the return of RevengeHotels, leveraging AI in ...