Backslash Güvenlik’in Kurucu Ortağı ve CEO’su Shahar Man – Röportaj Serisi

Shahar Man, Backslash Güvenlik’in kurucu ortaklarından ve CEO’su, bulut geliştirme, siber güvenlik ve企业 yazılımları konularında derin uzmanlığa sahip bir teknoloji lideridir. Şu anda, Backslash Güvenlik’i yönetiyor; bu şirket, AI-yerli yazılım geliştirme ortamlarını güvence altına almakla uğraşıyor ve IDE’lerden AI ajanlarına, üretilen koddan ve.prompting iş akışlarına kadar her şeyi koruyor. Daha önce, Aqua Güvenlik’te üst düzey liderlik rollerini üstlendi ve Ürün Yönetimi Başkan Yardımcısı ve Ar-Ge Başkan Yardımcısı olarak, geliştirme yaşam döngüsü boyunca konteynır güvenliği için önde gelen platformlardan birini oluşturmaya yardımcı oldu. Kariyerinin başlangıcında, SAP’de on yılı aşkın bir süre geçirdi ve SAP Web IDE’nin geliştirilmesini ve ürün girişimlerini yönetirken, küresel企业 müşterileriyle yakın çalıştı ve aynı zamanda geliştirici ekosistem growthuna katkıda bulundu. Kariyeri, hem startup ortamlarında hem de İsrail’in savunma teknoloji birimlerindeki teknik ve liderlik rolleriyle başladı ve bu da ona hem mühendislik hem de büyük ölçekli sistemler konusunda güçlü bir temel verdi.

Backslash Güvenlik, AI tarafından yönlendirilen yazılım geliştirmenin çağı için özel olarak tasarlanmış bir siber güvenlik platformudur. Şirket, AI ajanları, kod oluşturma boru hatları ve modern geliştirici iş akışları dahil olmak üzere tüm AI-yerli geliştirme yığınını güvence altına almaya odaklanıyor; bu, geleneksel güvenlik araçlarının genellikle göz ardı ettiği bir alandır. Geliştirici hızını bozmadan görünürlük, yönetim ve gerçek zamanlı koruma sağlayarak, Backslash, otomatik kodlama ve “vibe coding” ortamları tarafından getirilen artan riskleri ele almaya çalışıyor. Yazılım oluşturma, AI destekli sistemlere doğru giderek daha fazla kaydıkça, platform, güvenliğin paralel olarak evrilmesini sağlamak için tasarlanmıştır; böylece, Backslash, DevSecOps ve bir sonraki nesil AI geliştirmenin kesişme noktasında konumlanıyor.

SAP ve Aqua Güvenlik gibi şirketlerde ürün ve Ar-Ge’de liderlik rollerini üstlendikten sonra Backslash’ı kurmadan önce, AI-yerli geliştirme ve vibe coding’in yazılım oluşturmasını temel olarak yeniden şekillendireceğine dair erken sinyaller nelerdi ve güvenlik neden yeniden inşa edilmeliydi?

Yazılım, bulut yerel mimarilerine geçtiğinde, already bir büyük değişimi yaşamıştım. SAP ve daha sonra Aqua’da, geliştirme bu kadar değiştiğinde, güvenliğin genellikle geride kaldığını gördük. AI, bu gerçeği tamamen yeni bir seviyeye taşımış, sadece daha hızlı kod yazmaya yardımcı olduğu için değil, aynı zamanda yazılım oluşturma etrafındaki tüm ortamı yeniden şekillendirmeye başladığı için.

Kodu güvence altına almak artık kod kendisiyle ilgili değil, kod etrafındaki ortamla ilgili. Bir yıldan kısa bir süre içinde, önce göreceli olarak sınırlı ve düşük riskli bir geliştirme kurulumu, çok bağlantılı bir saldırı yüzeyine genişledi ve çok az denetim veya yönetim var. Bu gerçekleştiğinde, kod güvenlik soruları tamamen değişti. Gerçek sorun, belirli bir kod parçasının savunmasız olup olmadığı değil. Sorun, AI destekli geliştirmeyi etkinleştirdiğimizde, kodun ötesinde uzanan sistemleri, ajanları, entegrasyonları ve erişim yollarını tanıttığımız. Güvenlik, artık sadece kod çıktısına odaklanamaz. Tüm ortamı hesaba katmalıdır.

Vibe coding’i, kodu aşan saldırı yüzeyini, promt’ları, ajanları, MCP sunucularını ve araç katmanlarını genişleten olarak tanımlıyorsunuz. Geliştiriciler ve güvenlik ekiplerinin şu anda göz ardı ettiği bu yeni yığında en yanlış anlaşılan riskler nelerdir?

En büyük yanlış anlama, birçok ekibin hala riskin principalmente üretilen kodda yaşadığına inanması. Bu sadece bir katman. AI-yerli geliştirmede, risk daha erken ve daha fazla yerde tanıtıldı. Bu, promt’larda, modele sağlanan bağlamda, ajanlara verilen izinlerde, bağlandıkları MCP sunucularında veya iş akışlarını genişleten dış araçlarda ve eklentilerde olabilir. Bir kullanıcının dizüstü bilgisayarı, daha geniş bir saldırının köprübaşı olarak ele geçirilebilir ve kullanılabilir. Bu, bir AI kodlama sorunu gibi görünen bir uç nokta ağrısı. Kod açıklarının aksine, bu sadece uygulamalarınızı değil, tüm kuruluşunuzu riske atar. Sadece kodu inceliyorsanız, resmin çoğunu kaçırıyorsunuz.

Geleneksel uygulama güvenliği, kod incelemesine büyük ölçüde odaklandı. AI ajanları kodu oluştururken, değiştirirken ve dağıtırken, güvenlik düşüncesi nasıl evrimleşmelidir?

Güvenlik, periyodik incelemeden sürekli denetime geçmeli. Güven kavramı tamamen bozuldu – güvenilen modeller ve güvenilen MCP sunucuları olabilir, ancak AI’nın belirsiz doğası nedeniyle, bunlar hala manipüle edilebilir veya beklenmedik riskler oluşturabilir.

Bu, güvenlik düşüncesinde bir zihinsel değişikliği gerektirir; güvenlik, geliştirme süreci boyunca gerçekleşir ve daha derin bir yönetim, rehberler ve algılama ve yanıt yeteneklerine sahiptir. Bu, kullanılan araçları, tüketilen bağlamı, uygulanması gereken politikaları ve gerçekleştirdikleri eylemleri kritik olarak düşünmeyi içerir.

Ayrıca, güvenlikte AI ve AI modellerinin rolünü görmezden gelemeyiz. Bir yıl önce AI modelleri birçok açıklığı varsayılan olarak veriyordu, ancak şimdi durum oldukça dramatik bir şekilde iyileşti ve diğer modeller daha önce hiç bulunmayan sıfır gün açıklarını buluyor. Bu, daha iyi çıktılara doğru gidiyoruz anlamına geliyor, ancak dükkanın başında kim var? Saldırganlar başka yerlerde arıyor.

Cursor, Claude Code ve GitHub Copilot gibi araçlar, geliştirici iş akışlarında standart haline geliyor. Bu araçları uygun bir yönetim katmanı olmadan benimseyen ekiplerde en büyük güvenlik açıklarını nerede görüyorsunuz?

En büyük açıklık, görünürlüktir. Birçok organizasyonda, bu araçlar hızlı bir şekilde yayılıyor ve resmi bir inceleme olmadan. Güvenlik ekipleri genellikle hangi ajanların kullanıldığını, nasıl yapılandırıldığını, hangi verilere erişimi olduğunu veya hangi dış sistemlere bağlandığını bilmiyor. Bu, bir gölge AI problemi yaratıyor; bu, prensipte gölge BT’ye benzer, ancak daha hızlı ve daha dinamik.

İkinci en büyük açıklık, uygulanabilir politikaların eksikliğidir. Birçok organizasyonun rehberleri vardır, ancak rehberler alone çok yardımcı olmaz khi bir geliştirici IDE içinde hızlı bir şekilde hareket ediyorsa. Araç ve iş akışı katmanında yönetim olmadan, ekipler aşırı izin verilen araçlara sahip olma riskini taşır; bu araçlar, kuruluş standartlarına uymaz. Bu araçlar kendiliğinden kötü değil, ancak bunları yönetim olmadan benimsemek, geliştirme hızını kontrolsüz bir şekilde ölçeklendirmek anlamına geliyor.

Üçüncü ortaya çıkan açıklık, herkesin potansiyel olarak bir geliştirici olabileceği; bu, “vibe coding” araçlarını kullanan vatandaş geliştiricileri içerir. Finans personelinin Claude Code’u kullanarak iç sistemlere bağlanmak ve süreçleri otomatikleştirmek için kullanması, potansiyel risk oluşturur ve bu, bugün bile büyük bir kör noktadır.

Backslash, bireysel araçlar yerine AI geliştirme ekosistemini güvence altına almaya odaklanıyor. Bu tam yığın yaklaşımının neden gerekli olduğu ve organizasyonların bu riskleri izole olarak ele almaya devam etmesi durumunda ne olacağı hakkında konuşabilir misiniz?

Risk, herhangi bir ürünün içinde düzgün bir şekilde oturmuş değil. AI-yerli geliştirme, doğası gereği bir ekosistem problemidir; çünkü birçok farklı noktada, birçok farklı araç kullanarak çalışır. IDE, model, ajanlar, MCP sunucuları, dış eklentiler, kimlikler ve bağlı veri kaynakları, neyin inşa edildiğini ve nasıl inşa edildiğini etkiler. Organizasyonlar, araçların göreli güçlerinin çok hızlı bir şekilde değişmesi nedeniyle, tek bir araçta standardize etmeyi amaçlamıyor. Zincirin sadece bir noktasını güvence altına alırsanız, riskin sistem boyunca nasıl hareket ettiğini kaçırıyorsunuz.

Riskleri izole olarak ele almak, parçalı savunmalara ve tehlikeli kör noktalara yol açar. Kod tarayıcısını güçlendirebilirsiniz, ancak modele tehlikeli bağlamı sağlayan MCP sunucusunu göz ardı edebilirsiniz. Bu, neden tam yığın görünürlüğü ve AI geliştirme ekosistemini gerçek zamanlı olarak korumanın doğru yaklaşım olduğuna inandığımız nedenlerden biridir. Aksi takdirde, organizasyonlar, semptomları çözerken, gerçek saldırı yüzeyi altında devam eder.

Prompting, yeni bir programlanabilirlik katmanı olarak ortaya çıkıyor. Organizasyonlar, prompt’ları güvence altına almak ve prompt enjeksiyonu, veri sızıntısı veya manipülasyonu gibi sorunları önlemek için nasıl yaklaşmalı?

Prompt’lar, mantık ve davranışları giderek daha fazla şekillendiriyor. Çoğu durumda, bunlar, yazılım oluşturması için yeni bir kontrol düzlemi gibi davranıyor. Bu, onlara, kod veya altyapı tanımları gibi, politika, izleme ve rehberlere ihtiyaç olduğu anlamına geliyor. Pratik olarak, bu, prompt’ların erişebileceği şeyleri ve tetikleyebilecekleri aşağı akış eylemlerini sınırlamakla başlar. Ayrıca, güvenlik ve kalite beklentileriyle uyumlu prompt kurallarını tanımlamak, hassas verilerin contexto pencereleri aracılığıyla açığa çıkmasını önlemek ve prompt enjeksiyonu veya dolaylı talimat gaspı gibi manipülasyon girişimlerini izlemek anlamına gelir. Ve ayrıca, kuralların kendilerinin prompt enjeksiyonu için arka kapılar olarak kullanılmamasını sağlar. Daha geniş nokta, geliştiricilere ve ajanlara “dikkatli olun” talimatı vererek prompting’i güvence altına alamazsınız. Onu, prompting’in gerçekten gerçekleştiği ortamda güvence altına alırsınız.

MCP sunucuları ve ajan Becerileri, sistemler arasında dinamik bağlantılar getiriyor. AI destekli geliştirmede güvenlik açısından, bunlar en önemli yeni risk vektörünü temsil ediyor mu?

MCP sunucuları ve ajan Becerileri, AI sistemlerinin gerçek dünya ile nasıl bağlandığını ve etkileşimde bulunduğunu tanımlayan önemli bir yeni risk katmanı temsil ediyor. Becerileri, bir ajanın neler yapabileceğini tanımlar, जबकi MCP, erişimini ve sistemlere bağlantısını genişletir. Birlikte, ajanın gerçek davranışını şekillendirirler. Bu katmanlar sıkı bir şekilde kontrol edilmezse, organizasyonlar, AI araçlarının neler yapabildiğini ve gerçekten neler yaptığını kaybetmiş olur. Kod oluşturmaktan, eyleme geçmeye doğru kayma, bu alanın neden kritik bir güvenlik alanı olduğu anlamına gelir ve bunlar birbirine zincirlediğinde daha da öngörülemez hale gelir.

Birincil temalarınızdan biri “evet departmanı” olmak – geliştiricileri yavaşlatmadan güvenlik sağlamak. Gerçek zamanlı koruma ile geliştirici hızını nasıl dengeliyorsunuz, özellikle hızın kritik olduğu ortamlarda?

Güvenlik, geç veya geliştiricilerin gerçekten nasıl çalıştığından kopuk olduğunda sürtünme yaratır. Güvenlik, iş akışına doğrudan gömülü olduğunda ve gerçekten önemli olan şeylere odaklandığında çok daha etkili olur. Bu, Backslash’ın başlangıcından beri düşünce tarzımızın bir parçası ve AI destekli geliştirmede daha da önemli.

Uygulamada, bu, gerçek riski temsil eden birkaç sorunu geliştiricilere sunmak, teorik olarak şüpheli görünen her şeyi sel gibi göndermek anlamına gelmez. IDE ve ajan iş akışında politikayı uygulama, sonradan değil, anlamına gelir. Ayrıca, şeffaf, deterministik rehberler oluşturmak, ekiplerin hızlı hareket etmesini sağlar, ancak hangi araçların kullanıldığını, hangi izinlere sahip olduğunu ve bir şey anormal olduğunda neler olduğunu bilirler. Hedef, AI benimsemesini yavaşlatmak değil, organizasyonların kontrolü kaybetmeden benimsemesini sağlamaktır. Gerçek terimlerle, bu, bir geliştiricinin önce hata yapma olasılığının daha düşük olduğu, ancak hata yaparsa, bunun nhanh bir şekilde yakalanıp ele alınacağı anlamına gelir.

AI araçlarını kullanarak yazılım oluşturan non-teknik kullanıcıların sayısının arttığını görüyoruz. Vibe coding yapan non-geliştiricilerin yükselişi, tehdit manzarasını nasıl değiştiriyor?

Tehdit manzarasını iki şekilde genişletir. Birincisi, güvenlik etkilerini düşünmeden yazılım benzeri çıktılar üretebilecek kişilerin sayısını dramatik bir şekilde artırır. İkincisi, geliştirme, araçların konuşma benzeri ve düşük sürtünme hissi vermesi nedeniyle, güvende olma hissi yaratır.

Bu, daha fazla uygulamanın, otomasyonun ve entegrasyonun, güven sınırlarını, girdi doğrulamasını, bağımlılık hijyeni, erişim kontrolünü veya veri açığını dikkate almayan kişiler tarafından oluşturulacağı anlamına gelir. Diğer bir deyişle, saldırı yüzeyi, AI’nin daha fazla kod yazması nedeniyle değil, daha fazla kişinin, temel mühendislik disiplini uygulamadan, yazılım benzeri davranış gösteren iş akışları ve sistemler oluşturabilmesi nedeniyle genişliyor. Bu, görünürlüğü ve yerleşik güvenlik önlemlerini daha da önemli hale getiriyor; çünkü artık güvenlik bilgisini oluşturma noktasında varsayamazsınız.

12 ila 24 ay ileriye bakıldığında, AI-yerli geliştirme iş akışlarından kaynaklanan hangi tür saldırılar veya açıklar bekliyorsunuz?

AI-yerli geliştirme iş akışlarından kaynaklanan saldırılar ve açıklar bekliyorum. AI modellerinin kendileri veya AI platformu satıcıları tarafından sağlanan AI destekli SAST ve SCA gibi araçlar tarafından daha iyi çıktılar üretilmesi ve daha önce bulunmayan sıfır gün açıklarının bulunmasıyla, birçok ortak kod açığının önden önlenmesini bekliyorum. Ancak, AI araçlarını güvenlik bilinci olmadan kullanan geliştiriciler tarafından oluşturulan açıkların çok daha kötü sonuçlara yol açacağından endişeliyim.

AI, yazılım oluşturmanın bir parçası haline geldikçe, saldırganlar, yazılımı dağıtmadan önce tehlikeye atmak için, geliştirme sürecini şekillendiren araçları ve bağlantılar manipüle etmeye odaklanacaklar. Bu, sadece üretim sistemlerine değil, geliştirme ekosistemine yönelik saldırıları temsil ediyor.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular, Backslash Güvenlik‘i ziyaret edebilir.