Cisco CPO Jeetu Patel'den Rogue AI Ajanları ve Antares Uyarıları: Hugging Face İhlalinden Çıkarılması Gereken Dersler

Jeetu Patel'in Uyarıları: AI Ajanları 'Soruşturma' ve 'Eylem Kontrolüne' İhtiyaç Duyuyor

Patel, röportajlarda ve Cisco'nun RSAC 2026 ana konuşmasında tekrarladığı temel argümanında, yapay zeka ajanlarını sıradan bir yazılım olarak ele almanın tehlikeli derecede yanlış olduğunu savunuyor . Onları 'dijital iş arkadaşları' olarak tanımlıyor: otonom hareket eden, kararlar alan ve geri dönüşü olmayan eylemler gerçekleştiren ajanlar. Bu nedenle kuruluşların, ajanlara tıpkı insan çalışanlara uyguladıkları kimlik, erişim ve davranış kontrollerini uygulaması gerektiğini belirtiyor .

Ajanların 'Soruşturması' Yapılmalı

Patel, Şubat 2026'da Euronews'e verdiği bir röportajda, AI ajanları için 'soruşturma' (background check) yapılması çağrısında bulundu. Bir insan çalışanı işe alırken olduğu gibi, bir ajana görev vermeden önce kimliğinin, izinlerinin ve davranışsal sınırlarının doğrulanması gerektiğini söyledi . Bu tür kontroller olmazsa, tek bir tehlikeye girmiş bir ajanın, kimse bir sorun olduğunu fark etmeden binlerce adımı otonom bir şekilde gerçekleştirebileceği uyarısında bulunuyor .

Hugging Face İhlali Her Şeyi Değiştirdi

Hugging Face'e yapılan saldırı, bir paradigma değişimiydi. İhlal, binlerce eylem gerçekleştiren, ayrıcalıklarını yükselten, kimlik bilgilerini çalan ve dahili kümeler arasında yatay hareket eden otonom bir ajan çerçevesi tarafından gerçekleştirildi . OpenAI, bu saldırıda GPT-5.6 Sol ve ön sürüm bir modelinin kullanıldığını doğruladı . Patel, ticari AI API güvenlik duvarlarının başlangıçta Hugging Face'in kendi savunmasını bile engellediğine, şirketin karşı saldırıya geçmek için yerel bir altyapıya geçmek zorunda kaldığına dikkat çekiyor .

Erişim Kontrolünden 'Eylem Kontrolüne'

Patel'in en temel reçetesi, güvenlik mimarisinde bir değişiklik: erişim kontrolünden eylem kontrolüne geçiş. Ona göre, sisteme kimin veya neyin girdiğini kontrol etmek artık yeterli değil. Güvenlik, bir ajanın sisteme girdikten sonra neyi yapmasına izin verildiğini kontrol etmeli ve otonomisine katı sınırlar koymalıdır . Örneğin, bir ajana bir güvenlik açığını yama görevi verildiyse, bu ajanın ayrıcalıklarını yükseltmesi veya kimlik bilgilerini harici bir depolama alanına yazması engellenmelidir.

Cisco Antares: Parametre Sayısının %0,2'sinden Azıyla Öncü Seviyede Güvenlik Açığı Tespiti

Cisco Foundation AI, 21 Temmuz 2026'da Antares ailesini yayınladı. Bu aile, güvenlik açıklarını kaynak kod içinde konumlandırmak için özel olarak geliştirilmiş Antares-350M, Antares-1B ve planlanan bir 3B varyantından oluşan açık ağırlıklı küçük dil modelleridir . Modeller Hugging Face üzerinde kullanıma sunuldu . Cisco ayrıca, modellerin kaynak kod dosyalarındaki güvenlik açıklarını ne kadar doğru tespit ettiğini ölçen 500 görevlik VLoc Benchmark'ı da yayınladı.

Performans (VLoc Benchmark File F1 Skoru)

Çarpıcı sonuç: 1 milyar parametreli Antares-1B, 753 milyar parametreli GLM-5.2'yi ve Gemini 3 Pro'yu güvenlik açığı tespitinde geride bıraktı . Antares-3B ise GPT-5.5'in en yüksek skoruna (0,223'e karşı 0,229) yaklaştı . Bu modeller, kendilerinden 200 kat daha büyük birçok açık ve kapalı ağırlıklı modeli geride bırakıyor .

Hız: Tek GPU'da ~15 Dakikada 500 Depo

Antares-1B, 500 görevlik VLoc Benchmark'ın tamamını tek bir H100 GPU'sunda 13-15 dakikada tamamlıyor . 3B varyantı da tek bir H100'de yaklaşık 15 dakikada çalışıyor . Buna karşılık, GPT-5.5 devasa çoklu GPU bulut kümeleri gerektiriyor. Cisco, GPT-5.5 için karşılaştırılabilir bir değerlendirmenin yaklaşık beş saat sürdüğünü bildiriyor .

Maliyet: 1 Doların Altına Karşılık Binlerce Dolar

Tam bir 500 girişlik Antares değerlendirmesinin maliyeti 1 doların altında - 1B model için yaklaşık 0,82 dolar . API üzerinden GPT-5.5 için aynı işin maliyetinin ise token ücretleri olarak binlerce doları bulacağı hesaplanıyor . Bir karşılaştırmada Antares'in, lider kapalı modelden yaklaşık 172 kat, en iyi açık ağırlıklı genel modelden ise 15,2 kat daha ucuz olduğu belirtiliyor .

Yerel Donanım, Veri Sızıntısı Riskini Ortadan Kaldırıyor

Antares modelleri, yerel veya şirket içi donanımlarda çalıştırılabilecek kadar küçük olduğu için, güvenlik ekipleri tescilli kaynak kodlarını üçüncü taraf bulut hizmetlerine göndermeden denetleyebiliyor . Bu, hem veri sızıntısı riskini hem de bulut çıkış maliyetlerini ortadan kaldırıyor; hassas kod tabanlarını yöneten kuruluşlar için kritik bir avantaj sağlıyor.

Özetle

Antares, yeni ve genel amaçlı bir son teknoloji model değil. Atılımı, dar bir güvenlik görevindeki verimliliği: parametre sayısının %0,2'sinden ve çıkarım maliyetinin %0,1'inden daha azıyla, tamamen yerel donanımda çalışarak öncü seviyede güvenlik açığı tespit doğruluğu sunmasıdır . Patel'in daha geniş mesajı ise, yapay zeka ajanları çoğaldıkça (ajan geliştirici sayısının bir yıl içinde 150 milyondan 3 milyara çıkabileceğini tahmin ediyor ) güvenlik sektörünün hem araçlarını hem de kime ve neye güveneceğine dair temel varsayımlarını yeniden düşünmesi gerektiğidir.