LLM taraması, MetaDefender Aether™ platformunun sunduğu bir özelliktir ve önceden eğitilmiş yapay zeka model dosyalarını, devreye alınmadan önce gizli tehditlere karşı kontrol eder. Bu özellik, model yapısının statik analizini, canlı modelin davranışının dinamik analiziyle birleştirerek güvenlik ekiplerine, ağa giren diğer herhangi bir dosyayı inceledikleri gibi üçüncü taraf modelleri de inceleme imkânı sunar. |
|---|
Önemli Çıkarımlar
- MetaDefender Aether’in Adaptive Sandbox adresindeki çözümü, imza eşleştirme yerine davranışsal tetikleme yoluyla sıfır gün tehditlerini tespit eder ve bu istihbaratı beş katmanlı tehdit işleme sürecine aktarır
- AMTSO, 4 Eylül 2026 tarihinde, “ Sandbox ” Değerlendirme Çerçevesi’ne yapay zeka odaklı güncellemeleri ve “Ajan Tabanlı Güvenlik Ürünlerinin Test Edilmesine İlişkin Yeni Kılavuzlar”ı resmen onayladı.
- Venak Security’nin 2026 AMTSO standartlarına uygun testinde, Adaptive Sandbox adresindeki platform, yapay zeka tarafından üretilen kötü amaçlı yazılım örneklerinin %95’ini tespit etti; bu, test edilen dört sanal ortam arasında en iyi sonuçtu.
- MetaDefender 'ın Aether iş akışını yedi farklı üretken yapay zeka modeli formatına genişleten yapay zeka modeli taraması, statik analiz için 30'dan fazla tehdit göstergesi ve dinamik analiz için OWASP LLM Top 10 ile eşleştirilmiş saldırgan komutlar kullanmaktadır.
- Bulgular, MITRE ATLAS ile eşleştirilir ve geleneksel dosya tehditlerinin yanı sıra MetaDefender adresindeki Aether’in mevcut değerlendirme sürecine dahil edilir
Bir Yapay Zeka Test Standardıyla Desteklenen Davranış Tespiti
MetaDefender Aether™'in Adaptive Sandbox amacı, daha önce kimsenin görmediği tehditleri yakalamaktır. Dosyaları bilinen imzalarla karşılaştırmak yerine, bunları sanal bir ortamda çalıştırarak gerçekte ne yaptıklarını izler; bu sayede, itibar tabanlı savunma sistemlerini atlatabilecek sıfırıncı gün kötü amaçlı yazılımlarını yakalar.
MetaDefender Aether , bu motorun etrafındaki koordinasyon katmanıdır. Adaptive Sandbox adresine tehdit istihbaratı sağlayarak kararların daha hızlı ve daha doğru bir şekilde alınmasını sağlar ve her katmanın bulgularını, tehdit itibarını, tahmine dayalı analizi, dinamik tetiklemeyi, tehdit puanlamasını ve tehdit avcılığını kapsayan tek bir birleşik, beş katmanlı tehdit işleme boru hattında birleştirir.
4 Eylül 2026 tarihinde, Kötü Amaçlı Yazılımla Mücadele Test Standartları Örgütü (AMTSO), Sandbox Değerlendirme Çerçevesiiçin yapay zeka odaklı bir güncellemeyi ve Ajan Tabanlı Güvenlik Ürünlerinin Test Edilmesine İlişkin yeni Kılavuzları resmen onayladığını doğruladı. Her iki belge de zorunlu değildir. Her ikisi de gönüllü bir test standardının güncellemeleridir, ancak bunlar, sanal ortam testlerinin yapay zeka modellerinin şu anda yapabildiklerine yetişmekte olduğunun şimdiye kadarki en net işaretidir.
Yapay Zeka Modellerinin Güvenliği Neden Birdenbire Önemli Bir Konu Haline Geldi?
Kritik altyapı, iki cephede hızla ilerleyen bir politika tartışmasının merkezinde yer almaktadır: Bir yandan ABD’de öncü yapay zeka teknolojileri etrafında sıkılaşan düzenleyici çerçeveler, diğer yandan Çin’in açık kaynaklı büyük dil modelleri (LLM) ve hesaplama kapasitesi alanındaki paralel çabaları. Her iki yöndeki gelişme de, kurumsal ortamlara aktarılan önceden eğitilmiş büyük dil modellerinin sayısını azaltmamaktadır.
Asıl sorun, yeni saldırı teknikleri değil, bu hacimdir. Yapay zeka, bir dosyayı ele geçirmek için yeni yöntemler icat etmedi. Ele geçirilmiş dosyaların ve ele geçirilmiş LLM modellerinin yaygınlığını ve üretim hızını çarpıcı bir şekilde artırdı; bu hacim baskısı, OPSWAT sitesinin Deep CDR™ Teknolojisi'nin yaklaşımını şekillendiren baskı ile aynıdır.
Birkaç hafta önce, NVIDIA, açık ağırlıklı LLM modellerinin başlıca dağıtım merkezi olan Hugging Face'i'i 12,93 milyar dolar karşılığında satın almayı kabul etti. Bu satın alma, sektörün en büyük LLM model havuzunu, sektörün hakim bilgi işlem sağlayıcısıyla aynı çatı altında bir araya getiriyor.
Anthropic, OpenAI, Google ve Microsoft’un da aralarında bulunduğu yüzden fazla şirketle birlikte, AI destekli saldırıların artmasıyla birlikte koordineli siber savunma çağrısı yapan çağrısında bulunan açık mektubu imzaladı. Anthropic’in Eylül 2026 tarihli tehdit istihbarat raporu , saldırganların yapay zeka tedarik zincirini hem hedef hem de kaynak olarak kullandığını ortaya koydu; buna, yapay zeka API anahtarlarını ve üretim kimlik bilgilerini ele geçirmek için özel olarak tasarlanmış operasyonlar da dahildir.
OpenAI'nin "Astra'ya Giden Yol" başlıklı yazısı, çıtayı daha da yükseltti. Astra, şirketin Hazırlık Çerçevesikapsamında "kritik" siber güvenlik eşiğini aşan ve sıfır gün güvenlik açıklarını büyük ölçüde kendi başına bulup istismar edebilen ilk OpenAI modelidir. Bu yetenek, tam da AMTSO'nun yeni ajan tabanlı test kılavuzlarının değerlendirmek üzere tasarlandığı şeydir. Test standartları, öncü LLM modellerinin artık denetimsiz olarak yapabildiklerine ayak uydurmak için hızla gelişmektedir.
AMTSO’nun Güncellenmiş “ Sandbox ” Değerlendirme Çerçevesi Aslında Neleri Kapsıyor?
AMTSO’nun “ Sandbox ” Çalışma Grubu, mevcut “ Sandbox ” Değerlendirme Çerçevesi’ne yapay zekâ odaklı yeni bir kriter seti ekleyerek, test uzmanlarına sanal ortamların yapay zekâ modellerini yalnızca birer araç olarak değil, analiz nesneleri olarak nasıl ele aldığını değerlendirmeleri için yapılandırılmış bir yol sundu. Bu güncelleme, yaz aylarında kamuoyunun görüşüne sunulduktan sonra Eylül ayı başında üyelerin resmi onayını aldı.
AMTSO’nun “ Sandbox ” Çalışma Grubu, şu anda güncellenen çerçevenin benimsenme sürecini takip etmekte ve bir raporlama yapısı oluşturmaktadır; böylece test uzmanları, sanal ortam performansını yeni yapay zeka kriterlerine göre tutarlı bir şekilde değerlendirebileceklerdir. Bu altyapı çalışması önemlidir, çünkü satıcılara kendi beyanlarına dayalı iddialar yerine ortak bir ölçüt sunmaktadır.
MetaDefender AMTSO Çerçevesinde Aether’in Geçmiş Performansı
Yeni bir özelliği devreye almadan önce, mevcut özelliğin bağımsız bir inceleme altında nasıl bir performans sergilediğini bilmek faydalıdır. Venak Security’nin 2026 AMTSO uyumlu sanal ortam testinde'nde, OPSWAT’un Adaptive Sandbox adresindeki ürünü, yapay zeka tarafından üretilen 20 kötü amaçlı yazılım örneğinin 19'unu tespit etti; bu, %95'lik bir tespit oranı anlamına geliyor ve test edilen dört sanal ortam arasında en iyi sonuçtu. Venak, geleneksel tespit yöntemlerini atlatmak amacıyla özellikle MITRE ATT&CK tekniklerine göre ayarlanmış test örneklerini kendi AI Malware Simulator'ü ile oluşturdu.
OPSWAT Adaptive ’ın adresindeki ürünü, Venak’ın AI Malware Simulator’u ile oluşturulmuş ve MITRE ATT&CK tekniklerine eşleştirilmiş beş tehdit kategorisinde yirmi örneği içeren yakın tarihli bir testte %95 (20 üzerinden 19) puan aldı.Sandbox
Önceden Eğitilmiş Büyük Dil Modelleri için Statik ve Dinamik Analiz
AI modeli taraması, MetaDefender Aether’in çok katmanlı iş akışını önceden eğitilmiş AI modellerine genişleten bir özelliktir. İki farklı analiz türü, geleneksel kötü amaçlı yazılımlara uygulanan statik ve davranışsal yaklaşımı da yansıtmaktadır.
Statik analiz, LLM model dosyalarını – Pickle, PyTorch, TensorFlow, Keras, SafeTensors, GGUF ve ONNX olmak üzere yedi farklı formatta – çalıştırmaya gerek kalmadan inceler. Her formatın serileştirme yöntemine özgü gömülü yükleri, tehlikeli içe aktarmaları ve arka kapıları tespit etmek için 30’dan fazla özel tehdit göstergesi kullanır.
Dinamik analiz ise tam tersi bir yaklaşım izler : LLM Uygulamaları için OWASP Top 10'e eşleştirilmiş saldırgan komutlarla canlı bir LLM model uç noktasını inceler ve LLM modelinin gerçek yanıtlarını komut enjeksiyonu, hassas veri ifşası ve ilgili çalışma zamanı riskleri açısından değerlendirir. Her iki aşamadan elde edilen bulgular, saldırgan makine öğrenimi bilgi tabanı olan MITRE ATLAS ile eşleştirilir ve geleneksel tehdit bulgularıyla birlikte MetaDefender Aether'in mevcut birleşik karar boru hattına aktarılır.
Yapay Zeka Modellerinden Kaynaklanan Tehditler Ne Kadar Hızlı Artıyor?
Mayıs 2026’da, bir OpenAI sürümünü taklit eden sahte bir depo, Open-OSS/privacy-filter, 18 saat içinde Hugging Face'te en çok trend olanlar listesinin zirvesine yükseldi ve kaldırılana kadar 244.000'den fazla indirilme sayısına ulaştı. Bu depo, çalıştırıldığı Windows makinelerine sessizce bir bilgi hırsızı yükleyen bir yükleyici komut dosyası içeriyordu.
2026 yılının Temmuz ayında, OpenAI , kendi LLM modellerinin, iç siber güvenlik değerlendirmeleri sırasında paylaşılan araştırma altyapısındaki güvenlik açıklarından yararlandığını ve Hugging Face platformunun bazı kısımlarını ele geçirdiğini açıkladı; bu durum, LLM model tedarik zincirinin artık sadece fırsatçı aktörler için değil, sofistike aktörler için de canlı bir hedef haline geldiğini vurguladı.
Beş Sektör İçin Yapay Zeka Modeli Güvenliği Ne Anlama Geliyor?
Finans
Dolandırıcılık tespiti ve kredi değerlendirme alanındaki büyük dil modelleri (LLM), belgelenmiş kontroller bekleyen düzenleyici kurumların denetimi altında, işlem verilerine giderek daha fazla doğrudan erişim sağlamaktadır. Bu süreçte manipüle edilmiş bir LLM modeli, hem bir güvenlik olayı hem de bir denetim bulgusu oluşturur.
Enerji ve kamu hizmetleri
Yapay zeka, BT ve OT sistemlerinin halihazırda birbiriyle bütünleştiği ortamlar olan tahmin ve şebeke yönetimi alanlarına giriyor. Bu alanda gizli veya tetiklenebilir davranışlara sahip bir LLM modeli, sadece veri ihlali değil, fiziksel aksaklıklar da yaratma riski taşıyor.
Hükümet ve savunma
kurumları, genellikle hava boşluklu veya gizli ortamlarda, tedarik zinciri güvenliği konusunda en yüksek standartlarla karşı karşıyadır. Güvenliği ihlal edilmiş bir LLM modeli, tipik veri kaybının çok ötesine geçen ulusal güvenlik sonuçları doğurur.
'da üretim sürecinde, hızlı ilerleyebilmek amacıyla kalite kontrol ve öngörücü bakım amaçlı LLM modelleri sıklıkla halka açık depolardan alınmaktadır. Güvenliği ihlal edilmiş bir LLM modelinin üretim hattına ulaşması, sistemin kesintisiz çalışma süresini ve ürün kalitesini doğrudan etkileyebilir.
Sağlık Hizmetleri
Diagnostics, LLM modellerinin mevcut gizlilik yükümlülükleri çerçevesinde hassas hasta verilerini işleyebilmesini destekler ve bu konuda belgeleme sağlar. Komut satırı enjeksiyonu yoluyla bilgi sızdıran bir LLM modeli, varsayımsal değil, doğrudan hasta gizliliğini tehlikeye atar.
Yapay Zeka Modeli Test Standartlarının Geleceği
AMTSO’nun “ Sandbox ” Çalışma Grubu, şu anda sandbox sağlayıcıları arasında güncellenmiş çerçevenin benimsenme sürecini takip etmekte ve kuruluşların yapay zeka test performanslarını, halihazırda geleneksel tespit oranlarını karşılaştırdıkları şekilde karşılaştırabilmelerini sağlayacak bir raporlama yapısı oluşturmaktadır. MetaDefender Aether için yapay zeka modeli taraması, ilk günden itibaren bu yeni ortaya çıkan standarda göre geliştirilen ve doğrulanmış ilk yetenektir.
AI modeli taramasına ilişkin teknik ayrıntıların tamamını v3.3.0 sürüm duyurusunda'de okuyun.
