Nati Hazut, Bold Security CEO’su ve Kurucu Ortağı – Röportaj Dizisi

Nati Hazut, Bold Security’nin CEO’su ve Kurucu Ortağıdır. Daha önce SAM Seamless Network ve Polyrize’ın kurucu ortakları arasında yer aldı; bu şirketlerdeki çalışmalarıyla bağlantılı cihaz güvenliği, kimlik, bulut izinleri ve veri koruma alanlarında deneyim kazandı. Bold’daki çalışmalarıyla bu deneyimlerini çalışanlar, yapay zekâ ajanları ve hassas kurumsal veriler arasındaki etkileşimleri güvence altına almak için kullanıyor.

Bold Security, hassas bilgileri sınıflandırmak ve nasıl kullanıldıklarını anlamak için doğrudan cihazlarda çalışan küçük dil modellerinden yararlanan uç nokta veri koruma teknolojisi geliştiriyor. Platformu, güvenlik ekiplerine tarayıcılar, masaüstü uygulamaları ve yapay zekâ ajanları genelinde kullanıcıları yönlendirme, faaliyetleri başka yöne yönlendirme veya riskli eylemleri engelleme olanağı sunuyor. Hazut bu röportajda gölge yapay zekâyı, cihaz içi zekâyı, otonom ajanları ve kurumsal veriler etrafındaki güvenlik sınırının nasıl değiştiğini ele alıyor.

Daha önce SAM Seamless Network ve Polyrize’ın kurucu ortakları arasında yer aldınız; ardından Hadar Krasner ve Omri Mallis ile birlikte Bold Security’yi kurdunuz. Kurumsal güvenlik ve yapay zekâ alanında ne gibi değişiklikler gözlemlediniz de sıfırdan yeni bir güvenlik şirketi kurmaya ihtiyaç olduğuna ikna oldunuz?

Yapay zekânın yaptığı en önemli şey, işin nerede yapıldığını değiştirmek oldu. Onlarca yıl boyunca insanların şirket verileriyle yaptığı en hassas işler tarayıcılarda ve SaaS uygulamalarında gerçekleşti; güvenlik yığınının odaklandığı yer de tam olarak burasıydı. Artık bu işlerin daha büyük bir bölümü doğrudan cihazlarda yapılıyor: insanlar masaüstü yapay zekâ asistanlarında taslak hazırlıyor, yerel uygulamalara kaynak kodu yapıştırıyor, dizüstü bilgisayardaki dosyalara, uygulamalara ve şirket sistemlerine doğrudan erişen ajanları çalıştırıyor.

Bu değişim, çoğu güvenlik ürününün dayandığı varsayımları geçersiz kıldı. Ağ denetimi yalnızca kendi üzerinden yönlendirilen trafiği görebiliyor; masaüstü uygulamaları ise trafiği şifreleyerek vekil sunucuyu atlıyor. CASB, onaylı bulut uygulamalarını görüyor. DSPM, bulut depolama alanında bulunan verileri görüyor. Bunların hiçbiri masaüstü bir yapay zekâ uygulamasına aktarılan yerel bir dosyayı veya klavyede kimse yokken veri taşıyan bir ajanı göremiyor.

Bold’u kurmamızın nedeni, uç noktanın tüm bunların bir araya geldiği tek yer olması. Verileri, onlarla etkileşime giren çalışanı veya ajanı, ne yapmaya çalıştıklarını ve bilgilerin nereye gittiğini görebilirsiniz. Ayrıca hassas veriler şirketin denetiminden çıkmadan önce müdahale edebilirsiniz.

Gölge yapay zekâ, çalışanların kişisel ChatGPT hesaplarını kullanmasından masaüstü uygulamalarına, tarayıcı uzantılarına, API’lere, Model Context Protocol bağlantılarına ve giderek daha otonom hâle gelen ajanlara kadar uzanabiliyor. Günümüzde gölge yapay zekânın hangi türlerini tespit edip kontrol etmek kurumsal güvenlik ekipleri için en zorlayıcı oluyor?

Bir yıl önce herkes “gölge yapay zekâ” konusunda endişeliydi; ancak bu konudaki tartışmalar artık daha derin bir noktaya taşınıyor. Kurumsal güvenlik ekipleri, çalışanların yeni yapay zekâ araçlarını hiç olmadığı kadar hızlı benimsediği gerçeğini kabullenmeye başlıyor. Dolayısıyla soru, araçların envanterini çıkarmaktan çok bu araçlardan geçen verileri kontrol etmekle ilgili.

Elbette göremediğiniz bir şeyi kontrol edemezsiniz. Görülmesi en zor kanallar da izlenen hiçbir ağ yolundan geçmeyenlerdir. Masaüstü uygulamaları dosyaları doğrudan cihazdan okur ve trafiğini şifreler; dolayısıyla denetlemek üzere geliştirilmiş araçlardan hiçbir trafik geçmez. Ajanlar şirket bilgilerine erişim yetkisine sahiptir ve bir çalışanın her seferinde onlara bir şey vermesine gerek kalmadan bu bilgileri kullanmayı sürdürür.

Bunların tümü yeni veri sızdırma kanallarıdır ve asıl mesele, bu kanallardan nelerin geçtiğidir. Onaylı bir kurumsal hesaba aktarılan herkese açık bir belgeyle kişisel bir hesaba aktarılan müşteri veritabanı veya özel kaynak kodu aynı şey değildir; bu fark yalnızca verilerin bulunduğu ve eylemin gerçekleştiği yerde görülebilir. Dolayısıyla göremediğiniz gölge yapay zekâ, veriyle ilgili sorunun en önemli hâle geldiği noktadır.

Bold, önceliği ağ veya bulut izlemeye vermek yerine yapay zekâyı yerel olarak cihazda çalıştıran, uç nokta odaklı bir yaklaşım benimsiyor. Cihaz üzerinde çalışan bir model, geleneksel Veri Kaybı Önleme çözümlerinin anlayamadığı hangi unsurları bir yapay zekâ etkileşimi hakkında kavrayabilir?

Bold iki şeyi farklı yapıyor. İlk olarak, hassas verileri analiz için başka bir yapay zekâ hizmetine göndermeden korumak üzere yapay zekâdan yararlanıyoruz. Küçük dil modellerimiz doğrudan cihazda çalışıyor; burada hangi verilerin hassas olduğunu, bu verilere kimin eriştiğini ve nereye gittiklerini anlayabiliyor. Böylece her şeyi buluta göndermenin gecikmesi ve maliyeti olmadan riskli eylemleri gerçek zamanlı olarak tespit edip durdurabiliyoruz.

İkinci olarak, geleneksel güvenlik araçlarının izlediği kanalların ötesine geçiyoruz. Sektörün büyük bölümü hâlâ tarayıcılara ve ağ trafiğine odaklanıyor; ancak hassas veriler giderek daha fazla masaüstü yapay zekâ uygulamaları, kodlama araçları, terminaller ve otonom ajanlar üzerinden aktarılıyor. Geleneksel DLP ve bulut güvenliği ürünlerinin bu kanalları görmesi çok daha zor.

Uç nokta düzeyinde çalışarak verileri bu ortamların tümünde koruyabiliyor ve hassas bilgiler şirketin denetiminden çıkmadan önce müdahale edebiliyoruz.

Teknolojiniz, yalnızca hangi verilere erişildiğini değil, bir eylemin ardındaki bağlamı ve amacı da anlayacak şekilde tasarlanmış. Aşırı sayıda yanlış pozitif üretmeden, hassas bilgilerin meşru kullanımını gerçek bir güvenlik riski oluşturan davranışlardan nasıl ayırt ediyorsunuz?

Burada her şey bağlama bağlı. Her dosya yüklemesini veya veriye erişen her aracıyı bir güvenlik olayı olarak değerlendiremezsiniz; yoksa kimse işini yapamaz.

Aynı dosya bir yerde sıradan, başka bir yerde ciddi bir sorun olabilir. Bir müşteri listesinin destek aracında bulunması beklenen bir durumdur; kişisel bir hesaba yüklenmesiyse gerçek bir sorundur. Kaynak kod depoda bulunmalı, tüketiciye yönelik bir yapay zekâ aracına gönderilen komutta değil.

Yalnızca içeriğin bir kuralla eşleştiğini bilen bir araç, her iki durumu da işaretlemek ya da ikisini de gözden kaçırmak zorunda kalır. Yanlış pozitiflerin nedeni budur. Verinin ne olduğunu, onu kimin taşıdığını ve nereye gönderildiğini bilmek, olağan yapay zekâ kullanımını gerçek riskten ayırmanın yoludur.

Yazılımlar dosyalara giderek daha fazla erişebildiği, araçları çalıştırabildiği, MCP sunucuları üzerinden bağlantı kurabildiği ve sınırlı insan müdahalesiyle eyleme geçebildiği için yapay zekâ aracıları farklı bir güvenlik modeli ortaya çıkarıyor. Hassas kurumsal verilerle etkileşime giren taraf bir çalışan değil de otonom bir aracı olduğunda uç nokta güvenliğinin nasıl gelişmesi gerekiyor?

Güvenlik büyük ölçüde insanlar temel alınarak tasarlandı; ancak aracılar artık her adımda birinin onayını beklemeden dosyaları açabiliyor, araçları çağırabiliyor ve verileri makine hızında taşıyabiliyor. Güvenliğin de aynı hızda çalışması gerekiyor. Pek çok ürün, olayları gerçekleştikten sonra analiz etmek için yapay zekâ kullanıyor. Biz ise tarayıcı dışında gerçekleşenler de dâhil olmak üzere riskli eylemleri gerçek zamanlı olarak anlamak ve durdurmak için yapay zekâdan yararlanıyoruz.

Bir aracı, bir görevi yerine getirirken masaüstü uygulaması, terminal veya keşfettiği başka bir araç üzerinden çalışabilir. Sorumluluk bir kişide de bir aracıda da olsa güvenliğin, bu ortamlar boyunca verileri ve eylemleri izlemesi gerekir.

Bu durum, güvenlik ekiplerinin daha önce sormak zorunda kalmadığı bir soruyu da gündeme getiriyor. Riskli bir şey olduğunda, bunu kişi bilerek mi yaptı, yoksa aracı mı hata yaptı? Bu iki durum farklı karşılıklar gerektirir. Bir çalışan yanlış bir karar veriyorsa ona yol gösterirsiniz. Bir aracı kimsenin istemediği bir şeyi yapıyorsa onu durdurursunuz.

Aradaki farkı anlayabileceğiniz yer uç noktadır; çünkü veriler, süreç ve eylem orada bir arada görünür.

Üretken yapay zekânın risklerine karşılık birçok kuruluş, belirli araçları kısıtladı veya yasakladı. Kuruluşların, erişebileceği veriler ve bu verileri nereye gönderebileceği konusunda denetimler bulunduğu sürece neredeyse her türlü yapay zekâ aracına izin verilebilen bir modele yöneldiğini düşünüyor musunuz?

Genel yasaklar bu sorunu çözmeyecek. Çalışanlar yeni bir yapay zekâ aracı bulup saniyeler içinde kullanmaya başlayabilir ve çoğu güvenlik önlemlerini aşmaya çalışmıyor. İşlerini daha hızlı tamamlamaya çalışıyorlar.

Asıl sorulması gereken, bu araçları kullandıklarında şirket verilerine ne olduğudur.

Birisi zararsız işler için kişisel bir yapay zekâ hesabı kullanıyorsa belki de onu kurumsal hesaba yönlendirmeniz yeterlidir. Kaynak kodunu, müşteri bilgilerini veya kimlik bilgilerini şirketin izin vermediği bir yere göndermek üzereyse güvenliğin müdahale etmesi gerekir.

Bence gidişat bu yönde. İnsanlara yapay zekâ kullanmaları için alan tanıyın, ancak veriler üzerinde denetim uygulayın. Neye erişildiğini, nereye gönderildiğini ve ne zaman müdahale etmeniz gerektiğini bilin.

Yapay zekâyı yerel olarak çalıştırmak gecikme ve gizlilik açısından avantajlar sağlayabilir; ancak uç nokta cihazlarının işlem gücü ve belleği de sınırlıdır. Çalışanların cihazlarında doğrudan anlamsal veri sınıflandırması ve gerçek zamanlı uygulama yapabilen modeller geliştirirken ne tür teknik ödünlerle karşılaştınız?

Birinin dizüstü bilgisayarına devasa bir model yükleyip işlemcisini ve belleğini sonuna kadar kullanamaz, sonra da buna güvenlik diyemezsiniz. Güvenlik ürününüz bilgisayarı kullanmayı çekilmez hâle getirirse çalışanlar bundan nefret eder, BT ekibi de ürünü kapatır.

Dolayısıyla gerçekten önemli ödünler söz konusu. Modelin, zararsız bir şeyle hassas bir şeyi ayırt edebilecek kadar veriyi anlaması; aynı zamanda arka planda sürekli çalışabilecek kadar hızlı, küçük ve güvenilir olması gerekiyor.

İlk aşamadaki çalışma, bilgisayarları yavaşlatmadan farklı türlerdeki bilgisayarlarda işe yarar sınıflandırma yapabilen modeller geliştirmekti. Bu mühendislik çalışmalarını zaten tamamladık; böylece müşterilerin bu ödünleri kendilerinin vermesi gerekmiyor.

Geliştirme boyunca en büyük önceliğimiz kullanıcı deneyimi oldu. Ürünümüz, bir eylem gerçekleşirken kararları yerel olarak alıyor ve eski rakiplerimizin yapay zekâ kullanmayan aracıları kadar işlem kaynağının yaklaşık %20’sini kullanıyor. Bir verinin hassas olup olmadığını belirlemek için hassas verilerin cihazdan çıkması gerekmiyor.

Bold; yapay zekâ araçlarını, hesaplarını ve aracı etkinliklerini belirleyebilir; riskli eylemler konusunda kullanıcıya yol gösterebilir, onu başka bir seçeneğe yönlendirebilir veya eylemi engelleyebilir. Sistem ne zaman kullanıcıyı yalnızca uyarmalı, ne zaman bir eylemi otomatik olarak durdurmalı; buna nasıl karar veriyorsunuz?

İyi bir iş arkadaşının böyle bir durumda nasıl davranacağını düşünün. Bir taslağı kişisel ChatGPT hesabınıza yapıştırmak üzereyseniz yanınıza eğilip, “Hey, bunun için şirket hesabımız var,” der. Müşteri veritabanını kişisel Drive hesabınıza yüklemek üzereyseniz kolunuzdan tutar.

Biz de aynı şekilde çalışmaya gayret ediyoruz ve rehberliğin, kullanıcıları güvenli alternatife yönlendirmede en az %90 oranında etkili olduğunu görüyoruz. Vakaların çoğunda ya kullanıcı yanlışlıkla yanlış hesapta oluyor ya da verilerin nereye aktarılabileceğine ilişkin şirket politikasını bilmiyor.

Nelerin engelleneceğine son kertede müşteri karar verir ve her şirket bu sınırı farklı belirler. Bizim görevimiz, doğru kararı vermeleri için gerekli bağlamı ve güveni sağlamak. Daha karmaşık ve riskli akışlarda bu, daha önce sözünü ettiğimiz bağlamın kullanıcının kendi geçmişiyle, hatta benzer konumdaki kişilerle karşılaştırılarak değerlendirilmesi anlamına geliyor.

Kariyeriniz SAM’de bağlantılı cihazların güvenliğini sağlamaktan Polyrize’da kimlik ve bulut izinlerine, oradan da Bold’da insanlar, yapay zekâ ajanları ve kurumsal veriler arasındaki etkileşimleri korumaya uzanıyor. Siber güvenliğin bu üç nesli boyunca temel güvenlik sınırına bakışınız nasıl değişti?

Temel konulara bakışım netleşti. Ortak nokta, güvenliği eylemin gerçekleştiği yere yaklaştırmak ve büyük ölçekte çalışmasını sağlamak.

SAM’de, kaynakları çok sınırlı yönlendiricilere kurumsal düzeyde güvenlik sağladık. Bu deneyim, gelişmiş teknolojiyi uç noktalara verimli biçimde nasıl taşıyacağımızı öğretti. Polyrize’da ise görünürlük ve güvenlik duruşu yönetimi aracılığıyla bulut ve SaaS ortamlarındaki verileri korumaya odaklandık. Risklere maruz kalma durumunu anlamak çok önemli, ancak bu, riskli bir eylemi mutlaka önleyebileceğiniz anlamına gelmiyor.

Bold, bu dersleri bir araya getiriyor. Zekâyı, insanların ve yapay zekâ ajanlarının verilerle etkileşime girdiği uç noktaya taşıyor; güvenlik ekiplerine de riski anlayıp gerçek zamanlı müdahale edebilmeleri için gerekli bağlamı sunuyoruz.

Ağ ve bulut güvenliği hâlâ önemli, ancak uç nokta; masaüstü uygulamalarındaki, yerel dosyalardaki ve kişisel hesaplardaki etkinlikleri, ayrıca cihazda çalışan ajanları görebiliyor. Güvenliğin nerede ve ne zaman devreye girdiğinin, ne kadar akıllı olduğu kadar önemli olduğunu öğrendim.

Çalışanların giderek daha özerk yapay zekâ ajanlarıyla birlikte çalışacağı önümüzdeki üç ila beş yıla baktığınızda, kurumsal uç noktanın nasıl bir yapıya dönüşmesini bekliyorsunuz? Her cihazın, hangi insanların ve ajanların belirli verilerle etkileşime girebileceğine sürekli karar veren, kendine ait akıllı bir güvenlik katmanını fiilen çalıştırdığı bir noktaya ulaşabilir miyiz?

Bence tam da o yöne doğru ilerliyoruz.

Uç nokta; cihazdaki verileri anlayan, bunlarla bir kişinin mi yoksa bir ajanın mı etkileşime girdiğini bilen ve nelerin yapılıp nelerin yapılmaması gerektiğine yerel olarak karar veren akıllı bir güvenlik katmanına dönüşüyor.

Ajanlar daha özerk hâle geldikçe bu daha da önem kazanıyor. Bir kişi, dosyalar, uygulamalar ve şirket sistemleri genelinde aynı anda kendi adına çalışan birkaç ajana sahip olabilir. Güvenlik, kişinin her adımı onaylamasına bağlı olamaz; çünkü giderek daha sık, bu kişilerin olup biteni takip etmediği durumlarla karşılaşacağız.

Verilerin korunması yine gerekiyor, ancak bu verilere erişen aktörlerin sayısı klavye başındaki tek bir kişinin çok ötesine geçecek. Güvenlik sistemlerinin ajanlarla iletişim kurması, kararlar alması ve eylemler gerçekleştikçe özerk biçimde yanıt vermesi gerekecek. Bu sistemleri işleten kişiler de giderek her bir olayı tek tek incelemek yerine denetimleri ve kararları gözetleyecek. Veriler hâlâ şirketin kontrolündeyken bu kararların alınabileceği yer uç noktadır.

Harika röportaj için teşekkürler. Uç nokta veri korumasını ve kurumsal yapay zekânın güvenli biçimde benimsenmesini incelemek isteyen okurlarımız Bold Security’yi ziyaret edebilir.