Liat Hayun, Tenable Ürün Yönetimi ve Araştırma Başkan Yardımcısı – Röportaj Serisi

Liat Hayun Tenable Cloud Security’nin Ürün ve Araştırma Başkan Yardımcısıdır. Tenable’a katılmadan önce Liat, Eureka Security adlı bir veri güvenliği şirketini kurmuş ve CEO olarak görev yapmıştır. Eureka Security’yi kurmadan önce Liat, İsrail Siber Komutanlığı ve Palo Alto Networks’ (PANW ) te siber güvenlik çabalarına liderlik etmiştir. Palo Alto Networks’te Ürün Yönetimi Başkan Yardımcısı olarak Liat, Cortex XDR ve şirketin yönetilen tehdit avcılığı hizmetinin geliştirilmesine liderlik etmiştir.

Tenable bir ABD merkezli siber güvenlik firmasıdır ve organizasyonlara güvenlik açıklarını tanımlamalarına, anlamalarına, önceliklerine ve tüm dijital saldırı yüzeyleri boyunca güvenlik açıklarını gidermelerine yardımcı olur. En çok exposure yönetim platformu ve Nessus güvenlik açığı tarayıcı gibi araçlar ile bilinir ve işletmelere IT altyapısı, bulut, OT/IoT ve kimlik sistemleri boyunca tehditlere karşı görünürlük sağlar ve işletmeler riske karşı proaktif bir şekilde hareket edebilir. Tenable’ın çözümleri, on binlerce küresel müşteriye sürekli keşif, önceliklendirme ve tehdit içgörüsü sağlar.

Otonom AI ajanlarının geleneksel AI modellerinden daha tehlikeli olmasının temel nedeni nedir?

Otonom AI ajanları riskin doğasını değiştirir çünkü görevleri başlatma, sistemlere erişim, karar verme ve diğer hizmetlerle etkileşim kurma yeteneklerine sahiptirler ve insan denetimi olmadan hareket edebilirler.

Bu bağımsızlık, potansiyel etkilerin hızını ve ölçeklerini artırır ve veri açıklaması, operasyonel kesinti ve finansal kayıp olasılığını artırır. Bir AI ajanı, veri depolarını sorgulayabilir, iş akışlarını tetikleyebilir, API’leri çağırabilir veya altyapıyı gerçek zamanlı olarak değiştirebilir. Yanlış yapılandırılmış veya tehlikeye açık ise, verilen izinlerle sistemler arasında hızlı bir şekilde hareket edebilir.

Tenable’ın Bulut ve AI Risk Raporu 2026 göre, organizasyonların %52’si artık insan olmayan kimliklere sahip ve bunların neredeyse yarısı boşta, üretim ortamlarında geniş çaplı yönetilmeyen erişimi oluşturuyor.

Saldırganlar, Confused Deputy probleminden yararlanıyorlar. AI ajanını tehlikeye atmak zorunda değiller. Bunun yerine, yetkili bir ajanı kendi adlarına hareket etmeye kandırmaya çalışıyorlar. Ajan, meşru izinleri kullanarak talebi gerçekleştiriyor ve saldırganın işini yapıyor. Otonom sistemler geniş izinler miras aldığında veya aşırı ayrıcalıklı roller üstlendiğinde, yanlış yapılandırma ve sömürü arasındaki zaman farkı kayboluyor ve sıfır marjlı bir AI açığı oluşuyor.

Şirketler, otonom AI ajanlarının already ortamında çalışıp çalışmadığını değerlendirmek için somut adımlar atmalıdır. Güvenlik ekipleri bu konuda ne yapmalıdır?

AI Açığı Kapatarak başlamak, geleneksel varlık envanterinin ötesine geçen keşif ile başlar. Deneysel aşama genellikle en tehlikeli olanıdır çünkü organizasyonlar, hangi AI’nin kullanıldığını, nasıl yapılandırıldığını veya hangi erişime sahip olduğunu tam olarak bilmezler.

AI ajanları genellikle tek bir sistemde yaşamazlar. Çoğu resmi yönetim altında değildir. Geliştirme araçlarında, SaaS entegrasyonlarında, otomasyon iş akışlarında, tarayıcı uzantılarında ve bulut hizmetlerinde ortaya çıkarlar ve bu, merkezi kontrolü sınırlayan ve kör noktaları artıran dağıtılmış bir dağıtımı oluşturur.

Keşif aşaması, AI’nin nerede bulunduğunu belirlemekle başlamalıdır. AI kütüphanelerini, ajanlarını, API’lerini, model hizmetlerini ve üçüncü taraf entegrasyonlarını belirlemek gerekir.

Sonraki adımda, bu ajanların nasıl bağlandığını ve hangi verilere erişim sağladıklarını belirlemek gerekir. İlgili kimliklere, izinlere ve sistemlere ulaşabildiklerini belirlemek gerekir.

Üçüncü taraf “yetenekleri” veya maruz kalan kontrol yüzeyleri gibi riskler, tedarik zinciri saldırıları veya ayrıcalık yükseltmeleri gibi daha geleneksel tehditlerle nasıl karşılaştırılır?

Üçüncü taraf ajan yetenekleri, tedarik zinciri tehlikesi ve ayrıcalık yükseltmesi gibi riskleri genişletir, ancak hız, ölçek ve bağlantı ile birlikte gelir.

Üçüncü taraf ajan yetenekleri, yazılım tedarik zinciri bağımlılıkları gibi çalışır ve maruz kalan yüzey zaten önemli bir ağırlığa sahiptir. Organizasyonların %86’sı kritik önemdeki güvenlik açıklarına sahip üçüncü taraf kod paketlerini barındırır. Bu bileşenler otonom AI ajanları içinde çalıştırıldığında, yürütme sürekli ve otomatik hale gelir ve tehlike ile etki arasındaki zaman farkı ortadan kalkar.

Organizasyonlar, AI ajanlarına üretim sistemlerine veya hassas verilere erişim izni verirken, kimlik, izin ve kapsam hakkında nasıl düşünmelidir?

Güvenlik liderleri, AI ajanlarını yüksek hızlı dijital aktörler olarak görmelidir. AI ajanlarına verilen izinler, belirli görevlere bağlı olmalı ve sürekli olarak gözden geçirilmelidir. Fazla ayrıcalık, etki alanını genişletir ve riski artırır.

Güvenlik liderleri, AI ajanlarının etkili ulaşımını anlamalıdır. İzinler, ağ yolları, veri erişimi ve hizmet entegrasyonları, bir ajanın neler yapabileceğini tanımlar. Bu ilişkileri anlamak, maruz kalma ve etki arasındaki zaman farkını azaltabilir.

Mevcut güvenlik çerçevelerinin otonom AI tehditlerini ele almak için yeniden düşünülmesi gerekiyor mu?

Güvenlik ilkeleri tutarlı kalır, ancak işletme modelleri evrim geçiriyor. Otonom AI, sistemleri, kimlikleri ve verileri dinamik ortamlara bağlar ve bunlar sürekli olarak değişir ve makine hızında çalışır. İnsan operatörlerin aksine, ajanlar eylemlerine karşı yargılamada bulunmazlar ve uygun ve uygunsuz talepler arasında ayrım yapmazlar. Talimatlar ve izinler doğrultusunda hareket ederler, bu da sıkı kontrol ve yönetim ihtiyacını artırır.

Risk, altyapı, yazılım tedarik zinciri ve kimlik katmanları arasındaki ilişkilerden ortaya çıkar. Organizasyonlar, tehlikeyi giderme döngülerinin hızına yetişmeden önce maruz kalma miras alırlar. Otomatik dağıtım ve otomatik sömürü, yanıt süresini sıkıştırır ve operasyonel baskıyı artırır.

Otonom AI güvenlik araştırmalarında, bu araçların kritik hale gelmesi açısından daha fazla dikkat çekmesi gereken alanlar hangileridir?

Birkaç araştırma alanı, otonom AI güvenliğinin geleceğini şekillendirecektir.

İlk olarak, nonhuman kimlik ekosistemlerinin büyümesi daha derin bir analiz gerektirir. Organizasyonlar, altyapı, veri ve hizmetler boyunca çalışan makine kimliklerini hızla genişletiyorlar. İzin kalıplarını, davranışı ve yaşam döngüsü yönetimini anlamak çok önemlidir.

İkinci olarak, çok adımlı saldırı yolu modellemesi nghiênmesi ilerlemelidir. AI sistemleri, yazılım tedarik zinciri, bulut altyapısı ve kimlik katmanlarını bağlar. Bu öğelerin nasıl etkileşimde bulunduğunu haritalamak, risk öngörüsünü ve önceliklendirmeyi geliştirecektir.

Üçüncü olarak, otonom karar verme yönetimine daha fazla odaklanma gerekiyor. Güvenlik ekipleri, ajanların nasıl veri erişimini, işleyişini ve aktarımını gerçekleştirdiğini anlamalıdır.

Son olarak, sömürü hızı devam etmektedir. Saldırganların ve savunucuların makine hızında nasıl çalıştığını incelemek, yanıt stratejilerini şekillendirecektir.

Gelecek güvenlik, AI Açığı Kapatarak anlayışına ve azaltmasına bağlıdır. Araştırma, tüm saldırı yüzeyindeki bağlantılı maruz kalma kontrolüne odaklanmalıdır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Tenable sitesini ziyaret edebilir.