Siber Güvenlik

Chainguard, öncü yapay zekâ güvenlik açıklarını avlamak için Harness’ı tanıttı

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin

Chainguard, 14 Ekim 2026’da, bir kuruluşun uygulamasının canlı ve yalıtılmış bir derlemesinde istismar edilebilir güvenlik açıklarını bulmak ve doğrulanmış her bulguyu önerilen bir düzeltmeyle birlikte sunmak için Anthropic’in Claude Mythos 5.1’ini kullanan Chainguard Harness’ı tanıttı. Şirket aynı gün beta bekleme listesi açtı ve ürünü Anthropic’in Claude Marketplace’i üzerinden satın alınabilir hâle getirdi.

Chainguard, duyurusunda, birinci taraf ve açık kaynak kodlarda güvenlik açığı keşfi yapan öncü modellerin şimdiye kadar çoğunlukla kritik altyapılar için savunma amaçlı güvenlik çalışmaları yürüten sınırlı sayıdaki kuruluşa sunulduğunu belirtti. Şirket, Harness’ın bu özelliği, öncü modellere erişimi olmayan veya bu modelleri kendi başına çalıştırmak için gereken güvenlik ve mühendislik uzmanlığına sahip olmayan kuruluşlara sunduğunu söyledi.

CEO ve kurucu ortak Dan Lorenc, şirketin basın açıklamasında şunları söyledi: “Harness’ı yönelttiğimiz her kod tabanında, defalarca taranmış yazılımlarda ve kritik altyapıları çalıştıran kodlarda bile ciddi, istismar edilebilir güvenlik açıkları buldu.” Lorenc, Harness’ın güvenlik ekiplerine mühendislerinin uygulamaya alabileceği doğrulanmış güvenlik açıkları ve düzeltmeler edinmek için başka bir seçenek sunduğunu söyledi.

Harness nasıl çalışıyor?

Chainguard’ın duyurusu beş aşamalı bir süreci anlatıyor. Müşteriler, depolarını salt okunur erişim sağlayan Chainguard GitHub App üzerinden bağlıyor veya kaynak kodu arşivi yüklüyor. Harness, uygulamayı kaynak kodundan, üretim ortamına gönderilecekmiş gibi aynen derliyor ve yalıtılmış bir mikro sanal makine (microVM) içinde başlatıyor. Ardından Mythos 5.1; kaynak kodunu, git geçmişini, bağımlılıkların kaynak kodunu ve derleme yapılandırmasını inceleyerek, canlı uygulamanın tepkilerini gözlemlerken çalışan uygulamada mantık hataları, enjeksiyon saldırıları ve kaynak tüketimi sorunları arıyor.

Yalıtım iki aşamada sağlanıyor. Hazırlık aşamasında ayrı bir model uygulamayı derliyor, bağımlılıklarını ve araçlarını getiriyor ve microVM içinde çalışır hâle getiriyor; ardından sanal makine askıya alınıyor. Güvenlik açığı arama aşamasında microVM, içinde ağ bağlantısı dışına veri gönderme olanağı ve kimlik bilgisi bulunmadan Mythos 5.1 için yeniden başlatılıyor; model yalnızca bir kabuk ortamı ve Chainguard tarafından oluşturulan paketlerle çalışıyor. Ajan döngüsü korumalı alanın dışında çalıştığından, modelin yaptığı her araç çağrısı ve verdiği her komut kaydediliyor. Şirketin belirttiğine göre, test edilen kod güvenilmeyen veri olarak ele alınıyor; bu da analiz edilen kodun içine gizlenmiş istem enjeksiyonlarına karşı koruma sağlıyor.

Her istismar denemesi yeni bir microVM’de yeniden çalıştırılıyor; her seferinde başarıya ulaşmayan bir bulgu rapora alınmıyor. Önerilen her düzeltme de aynı şekilde doğrulanıyor: istismar, müşterinin mevcut kodunda başarılı olmalı ve düzeltme uygulandığında başarısız olmalı. Teslim edilen raporda yönetici özeti, her bulgunun önem derecesi ve etkisi, bulguyu doğrulama adımları ve müşterinin kod tabanına göre hazırlanmış önerilen bir düzeltme yer alıyor. Teslimattan önce, adı belirtilen bir Chainguard mühendisi her düzeltmeyi ve raporu inceliyor ve onaylıyor.

Duyuruya göre modeli yalnızca Chainguard çalışanları çalıştırıyor; Chainguard dışından hiç kimse modele talimat veremiyor veya modelin işlenmemiş çıktısını göremiyor. Araç, müşteri kodunda değil de açık kaynaklı bir bağımlılıkta güvenlik açığı bulduğunda Chainguard, geliştirici projenin sorumlularıyla eşgüdümlü güvenlik açığı bildirimi sürecini yürütüyor. Sorun geliştirici proje tarafından giderildikten sonra yamalı derleme Chainguard Repository üzerinden yayımlanıyor. Basın açıklamasında bu bildirim sürecinin, Chainguard’ın eşgüdümlü güvenlik açığı bildirim programı Athena olduğu belirtiliyor.

vLLM’deki ilk kamuya açık bulgu

Duyuru, Chainguard’ın araçtan elde edilen ilk kamuya açık bulguyu yayımlamasından bir gün sonra geldi. Şirket, 13 Ekim 2026 tarihli bir araştırma yazısında, büyük dil modellerini sunmaya yönelik açık kaynaklı bir motor olan vLLM’de, bir istemcinin paylaşılan bir motorda başka bir istemcinin isteğinin çıktısını zorla almasına imkân veren bir hata bulduğunu söyledi. Hata, modelin üretebileceği belirteçleri kısıtlayan bir istek parametresi olan allowed_token_ids ile ilgiliydi: İstek tamamlandığında, paylaşılan kısıtlama tablosundaki ilgili satır eski kısıtlama temizlenmeden yeniden atanıyordu; bu nedenle sonraki bir istek, önceki istemcinin sınırlarını devralabiliyordu. Hata, v0.31.0 öncesi vLLM sürümlerini etkiliyordu.

Chainguard, istismarı üç denemenin üçünde de yeniden ürettiğini söyledi. Şirket, güvenlik etkisini 23 Eylül 2026’da vLLM’nin bakımını yapanlara bildirdi; düzeltme 2 Ekim 2026’da v0.31.0 sürümüyle yayımlandı ve GHSA-6cxc-2vcg-w5qc güvenlik duyurusu 6 Ekim 2026’da yayımlandı. Hata, 28 Mayıs 2026’dan beri vLLM’nin herkese açık hata takip sisteminde sıradan bir hata olarak etiketlenmiş şekilde duruyordu. Yazıya göre vLLM, sorunun önem derecesini Düşük olarak değerlendirdi; düzeltme ise tek satırlık bir değişiklik ve bununla ilgili başka bir düzeltmeden oluşuyordu.

Yazıya göre vLLM üzerindeki çalışma 10 saat 48 dakika sürdü, yaklaşık 115 milyon belirteci işledi ve projenin 30 bölümünü inceledi; 37 olası bulgu temiz bir makinede yeniden üretildi, 13’ü ise mühendislik incelemesinden geçti. Chainguard, aracı 65’ten fazla proje üzerinde çalıştırdığını ve 680’den fazla bulguyu doğruladığını, bunların bir kısmının eşgüdümlü bildirim sürecinde olduğunu söyledi. Yazıda, Harness çalışmalarının Chainguard’ın Anthropic’in Project Glasswing’ine katılmasıyla başladığı belirtildi.

Beta erişimi ve Marketplace’te kullanılabilirlik

Chainguard, erişimi ilk aşamada sınırlı sayıda kuruluşa açıyor. Harness ürün sayfasında, ürünün beta aşamasında olduğu ve Chainguard’ın Ana Hizmetler ve Lisans Sözleşmesi kapsamında bir Teknoloji Önizlemesi olduğu belirtiliyor.

Harness, Anthropic’in Claude Marketplace’inde listeleniyor. İlanda, Anthropic ile hâlihazırda taahhüt kapsamında çalışan müşterilerin bu taahhüdü pazar yerindeki satın alma talebi akışı üzerinden kullanabileceği belirtiliyor. Chainguard’ın duyurusuna göre faturalandırmayı Anthropic yönetiyor; böylece Anthropic müşterileri ayrı bir satın alma sürecine gerek kalmadan Harness’ı ekleyebiliyor ve yapay zekâ harcamalarını tek bir yerde toplayabiliyor.

Lansmanda Chainguard mühendisleri, müşteriler adına Harness’ı çalıştırıyor. Bunu, Chainguard’ın hâlihazırda dağıttığı açık kaynak yapıtları üzerinde çalıştırıp yamalanmış derlemeleri Chainguard Repository üzerinden teslim ederek ya da müşterinin kaynak kodu üzerinde çalıştırıp doğrulanmış bulguları içeren; önem derecesi, etki, yeniden üretme adımları ve önerilen düzeltmeleri kapsayan, bir mühendis tarafından incelenmiş bir rapor sunarak yapıyorlar.

Anthropic’in ticari siber güvenlik başkanı Daniela Hurtado, duyuruda Mythos 5.1 gibi modellerin yıllardır fark edilmemiş güvenlik açıklarını ortaya çıkarabildiğini ve Harness’ın modeli yalıtım, yeniden üretme ve insan incelemesiyle çevreleyerek her bulgunun müşteriye ulaşmadan önce doğrulanmasını sağladığını söyledi. Kuruluşlar, Chainguard’ın Harness sayfası üzerinden beta bekleme listesine katılabilir.

Miles Okada, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yeni tehditlere, savunma mimarilerine ve saldırganlarla otomatik sistemler arasındaki değişen dinamiklere odaklanarak yapay zekâ ve siber güvenliği inceler. Çalışması, yapay zekanın güvenlik operasyonlarını nasıl yeniden şekillendirdiğini, otonom tehdit tespiti ve yanıtından saldırgan yapay zeka tekniklerinin yükselişine kadar inceler.

Teknik ve araştırmacı bir bakış açısıyla, Miles güvenlik araştırmalarını, olay açıklamalarını ve gerçek dünya uygulamalarını analiz ederek yapay zekanın savunmaları nerede güçlendirdiğini ve nerede yeni açıklar oluşturduğunu anlamaya çalışır. Model istismarına, veri zehirlemesine, saldırı otomasyonuna ve ölçekli yapay zeka destekli sistemlerin güvenliğini sağlama konusundaki operasyonel gerçeklere özellikle dikkat eder.

Miles Okada tarafından yazılan makaleler yapay zeka tarafından oluşturulmuş olup, hızla değişen AI güvenlik ortamını doğru, titiz ve sorumlu biçimde ele almak için Unite.AI'nin editöryal ekibi tarafından gözden geçirilir.