--- title: "Yapay zeka karar modelleri ve AI SOC platformlarına etkisi" url: "https://teknotayf.com/haber/yapay-zeka-karar-modelleri-ve-ai-soc-platformlarina-etkisi" markdown_url: "https://teknotayf.com/haber/yapay-zeka-karar-modelleri-ve-ai-soc-platformlarina-etkisi.md" site: "teknotayf.com" language: "tr" published: "2026-10-16 14:30:00" updated: "2026-10-16 12:39:35" category: "Siber Güvenlik" tags: ["Yapay Zeka","Siber Güvenlik","SOC Platformu","Uyarı Önceliklendirme","Adli İnceleme"] source: "The Hacker News" --- # Yapay zeka karar modelleri ve AI SOC platformlarına etkisi > **Haberin asıl (HTML) sayfası:** https://teknotayf.com/haber/yapay-zeka-karar-modelleri-ve-ai-soc-platformlarina-etkisi > Bu, haberin yapay zekâ ajanları için hazırlanmış Markdown sürümüdür. Okurlar için asıl sayfa yukarıdaki bağlantıdır. **Özet:** Bir ay içinde sistem bir karar modelleri kategorisi hızla yaygınlaştı. TypeSafe AI, OpenAI ve Cribl gibi şirketler sırasıyla Jev, Decisions API ve cribl-decision'ı duyurdu. Yazar, bu modellerin güvenlik operasyon merkezlerinde uyarı önceliklendirmede faydalı olduğunu ancak kararların kalitesinin girdideki kanıta bağlı olduğunu savunuyor. - **Yayın tarihi:** 2026-10-16 14:30 - **Kategori:** [Siber Güvenlik](https://teknotayf.com/kategori/guvenlik) - **Etiketler:** Yapay Zeka, Siber Güvenlik, SOC Platformu, Uyarı Önceliklendirme, Adli İnceleme - **Yazan:** TeknoTayf.com - **Kaynak:** [The Hacker News](https://thehackernews.com/2026/10/ai-decision-models-and-their-impact-on.html) ![Yapay zeka karar modelleri ve AI SOC platformlarına etkisi](https://teknotayf.com/assets/uploads/2026/10/1be27a4b03c3e045cca6e8d9643410bb.jpg) Bir ay gibi kısa sürede yeni bir yapay zeka modeli kategorisi yoktan her yere yayıldı. TypeSafe AI, 15 Eylül’de Jev’i yayınladı ve Kahneman’ın hızlı, sezgisel düşünmesine gönderme yaparak buna Sistem Bir modeli adını verdi. OpenAI, DevDay’de kendi Decisions API’sini duyurdu ve 6 Ekim’de açık betayı açtı. Cribl, yerel olarak çalıştırabileceğiniz açık bir LoRA adaptörü olan cribl-decision’ı yayınladı. Laya gibi diğerleri de zaten açık kaynak araç zincirinde görünmeye başladı. Bu modeller metin üretimini tamamen atlıyor. Onlara bir durum ve bir dizi tip tanımlı soru veriyorsunuz. Karşılığında bir seçim, bir skor ya da olasılıkla birlikte evet/hayır yanıtı dönüyorlar. Güvenlik operasyonları açısından bence yılın en iyi haberlerinden biri. Aynı zamanda çoğu tartışmanın yanlış katmana odaklandığını da düşünüyorum. ## Bir SOC neden heyecanlanmalı Üç özellik, karar modellerini uyarı önceliklendirme için doğal bir uyum haline getiriyor. Otomasyon için kullanabileceğiniz bir sayı elde ediyorsunuz. Kalibre edilmiş bir olasılıkla gelen tip tanımlı bir yanıt, eşik koyabileceğiniz bir şeydir. Bir uyarının zararsız olup olmadığını modele sorarsınız ve bir olasılık alırsınız. 0,97’nin üzerindeyse otomatik olarak kapatın. 0,6’nın altındaysa muhtemel bir olay olarak değerlendirin ve yükseltin. Aradaki her şey daha yakından bakmak üzere bir analiste gitsin. TypeSafe, geri döndürülemez eylemler için daha katı eşikler bile öneriyor; bu da “hesabı devre dışı bırak” ile “bilete yorum ekle” arasında güzel bir şekilde örtüşüyor. Her uyarı için yeterince ucuzlar. Jev, milyar giriş jetonu başına 42 dolar fiyatla sunuluyor ve yanıtlar 70 ila 500 milisaniye arasında. Bir kuruluş yılda 450.000 uyarı görüyor ve her uyarı için birkaç bin jeton besliyorsa, model faturası yılda yaklaşık yüz dolar civarında kalıyor. Sadece yüksek önem dereceli uyarılara seçici bakma ekonomik gerekçesi ortadan kalktı! Her karar bir kayda dönüşüyor. Yanıt alanı önceden sabitleniyor ve çıktı kendi olasılığını taşıyor. Her kararı kaydedebilir, yeniden oynatabilir ve gerçekte olanla karşılaştırabilirsiniz. Bu, üretilmiş bir gerekçe paragrafını denetlemekten çok daha kolay. Biri hatırlanması gereken bir uyarı. Satıcılar bu modellerin “asla uydurma yapamayacağını” söylediğinde, çıktının her zaman tanımladığınız şemaya uyduğu anlamına geliyorlar. İyi biçimlendirilmiş bir yanıt yine de yanlış olabilir. ## Ama kalibre edilmiş bir tahmin hâlâ sadece bir tahmindir Eski kural hâlâ geçerli. Çöp girerse çöp çıkar. Kalibrasyon bir dağılım sözüdür. İyi kalibre edilmiş bir model yüzde 90 derse, bu, bu modele benzeyen girdiler arasında yüzde 90 oranında doğru olduğu anlamına gelir. Dolayısıyla önemli olan soru “bu”nun neye benzediğidir. Girdi bir uyarı başlığı ve bir önem alanıysa, model o başlık ve o önem alanına sahip uyarılar hakkında kalibre edilmiştir. Ana bilgisayar hakkında hiçbir şey bilmez. Pratikte bunun neden önemli olduğunu görelim. **AI SOC Raporu 2026**, 2025’te müşteri tabanımızda önceliklendirilen 25 milyon uyarıyı kapsıyor. Bu veride 82.000 uyarı uç noktanın canlı bellek taramasından geçti. Bu makinelerden yaklaşık 2.600’ünde aktif bir enfeksiyon vardı. Ve enfekte makinelerin yüzde 51’i EDR tarafından zaten giderilmiş olarak bildirilmişti. Böyle bir uyarı için bir karar modelinin gördüğünü düşünün. Zararlı yazılım tespit edildi, tehdit karantinaya alındı, düşük önem. Mükemmel kalibre edilmiş bir model bunu yüksek güvenle kapatmalıdır, çünkü böyle görünen uyarıların çoğu gerçekten iyidir. Model işini yaptı. Girdi yanlıştı. Önem derecesi de daha büyük ölçekte aynı soruna sahip. Verilerimizde gerçek olayların yaklaşık yüzde 1’i en düşük önem seviyesindeki uyarılardan kaynaklandı. Yıllık ortalama 450.000 uyarı ile bu yaklaşık 54 gerçek tehdit, haftada yaklaşık bir tane demek. Cribl’in kendi model kartı bunu açıkça söylüyor. Model aşırı güvenli olabilir ve istemin ve adayların nasıl ifade edildiğine duyarlıdır. Bu dürüst bir ifade ve bu kategorideki her model için geçerli. ## Gerçek kanıt neye benzer Bir suç mahallini düşünün. Bir sohbet robotuna genel terimlerle anlatıp makul bir teori alabilirsiniz. Ya da DNA laboratuvarını, parmak izlerini, adli delilleri ve tanık ifadelerini getirebilirsiniz. Doğru şüpheliyi bulma konusunda hangi yaklaşımın daha iyi olduğu sorulmaz bile. Güvenlik araştırmaları aynı şekilde çalışır. Filip Stojkovski buna yakın zamanda Güvenlik Bağlam Mühendisliği adını verdi ve bence isim uyuyor. İş, bir insan ya da model karar vermeden önce bir uyarıyı bir dizi olguya dönüştürmektir. Uyarının genellikle verdiği Adli delilin verdiği Ne çalıştı? Süreç ağacı, ebeveyn, tam komut satırı, diskteki betik Ne yaptı? Bir hash ve itibar skoru Dosyanın detone edildiğinde yaptığı, ağ çağrıları, bıraktığı dosyalar Hâlâ orada mı? EDR’den “Giderildi” Enjekte edilmiş kod veya filesiz yük gösteren canlı bellek taraması Kimdi? Nereden giriş yaptılar, hangi cihazdan ve bunun onlar için normal olup olmadığı Üçüncü satıra ekstra dikkat gerekiyor. Geçen yıl bellekte bulduğumuz en yaygın aileler Mimikatz, Meterpreter ve Cobalt Strike gibi araçlardı. Bunlar bellekte yaşamaya inşa edildi; bu da dosya tabanlı “karantinaya alındı” durumunun göremeyeceği yer. Bunun hiçbiri egzotik değil. İyi bir olay müdahale uzmanının eliyle topladığı şeyler bunlar. Zor olan kısım bunu her uyarı için otomatik olarak bir dakikadan kısa sürede toplamak. ## En zor bağlam normalin neye benzediğidir Adli delil bir makinede ne olduğunu söyler. Bunun bu özel şirket için beklenen bir şey olup olmadığını söylemez. Kimlik uyarıları boşluğu açıkça gösteriyor. 2025 verilerimizde kimlik uyarılarının yüzde 74’ü muhtemelen zararsız olarak sınıflandırıldı. İmkansız seyahat uyarıları yalnızca yaklaşık yüzde 2’sinde gerçek bir ihlal olarak doğrulandı ve bunların yaklaşık yüzde 30’unu tek başına VPN kullanımı tetikledi. Bir model, finans departmanından Dave’in her zaman Portekiz’den giriş yaptığını ya da CrowdStrike uyarısının DevOps bir sürüm gönderdiğinde her zaman derleme sunucularında tetiklendiğini bilemez. Bu bilgi genellikle en kıdemli analistin kafasında yaşar ve o ayrıldığında kapıdan çıkar. Bu bağlamı adli olandan daha zor kılan iki şey var. Birincisi satın alınamaz, çünkü ortama özgüdür. İkincisi bozulur, çünkü varlıklar, kullanıcılar ve araçlar her hafta değişir. Onboarding sırasında yüklenen bir anlık görüntü bir çeyrek içinde eskir. Böylece kurumsal bağlam bir döngü olmak zorunda. Geçmiş vakalardan ve analistlerin nasıl çözdüğünden öğrenin. Bellek yeterli değilse araştırmada canlı bağlamı ortada çekin. Sonra her kararı sonucu ile karşılaştırın ve dersi geri yazın. Bu son adım aynı zamanda yüzde 90’ın hâlâ yüzde 90 anlamına gelip gelmediğini, sadece birinin kıyaslamasında değil, sizin ortamınızda da kontrol etmenin yoludur. ## Uyarı önceliklendirme ve araştırmaya adli yaklaşım Bu, zamanımızı harcadığımız katman; işte buna yatırım yapmanın somut bir örneği. Kurucu ekibimiz tersine mühendislik ve olay müdahalesinden geldi ve bu geçmiş tek bir kuralı şekillendirdi. Önce kanıtı toplayın, sonra karar verin. Kod düzeyi kanıtı. Genetik Analiz teknolojimiz, bellekte çalışan her ikili kod parçasını güvenilir ve kötü amaçlı kodun büyük bir veritabanıyla karşılaştırır. Bilinen kötü amaçlı yazılımı yakalar ve aynı zamanda bilinen tehditlerin parçalarını yeniden kullanan yeni kodu da yakalar. Otomatik olarak tetiklenen canlı bellek adli incelemesi. Bir uyarı bir karara yetecek kadar kanıt taşımıyorsa ya da filesiz saldırı veya kod enjeksiyonu belirtileri varsa, platform makinede Endpoint Scanner’ımızı çalıştırır. Kurulum gerektirmeyen tek bir yürütülebilir dosyadır. Süreç ağaçlarını, belleğe yüklenen yürütülebilir dosyaları, enjeksiyon şüphesi olan bellek dökümlerini ve planlanmış görevlerin ve otomatik başlatmaların arkasındaki dosyaları toplar. Giderilmiş olarak işaretlenen enfekte makineleri böyle bulduk. Detonasyon ve ağ adli incelemesi. Şüpheli dosyalar bir kum havuzunda çalıştırılır ve URL’ler, alan adları ve IP’ler araştırılır, böylece karar gözlenen davranışa dayanır. Kurumsal bellek. Org Brain, “burada normal olan ne” sorununa cevabımızdır. İki tür bellek tutar. Biri prosedürel, ekibinizin nasıl araştırdığı ve hangi tespitleri hemen kapattığı. Diğeri beyanî, varlıklarınız, kullanıcılarınız, normal davranışları ve hatta SIEM şemanızın nasıl yapılandırıldığı. Vaka geçmişinizden öğrenir, araştırma sırasında canlı bağlam çeker ve her araştırmadan sonra sonuçları geri yazar. Bütün bunlar 2025’te her önem derecesinde 25 milyon uyarıyı araştırmamıza olanak tanıdı. Bunların yüzde 2’den azı insana eskalat edildi, karar doğruluğu yüzde 98 oldu ve medyan önceliklendirme süresi bir dakikadan azdı. Maliyet açısından bu analizin çoğu deterministik adli incelemedir ve bu, her uyarıda büyük bir model çalıştırmaktan çok daha uygun maliyetlidir. Bu yüzden karar modelleri gelmeden çok önce her şeyi araştırıyor ve uç nokta başına fiyatlandırıyoruz. Karar modelleri şimdi herkes için karar adımına aynı ekonomiyi getiriyor ve bu sektör için iyi bir şey. Kendi boru hattınızı kuruyorsanız, sonuna hangi model gelirse gelsin aynı yapı geçerli. Mühendislik çabanızı kanıt ve kurumsal bilgiye harcayın. Bunlar elde edilmesi zor olan ve biriken kısımlardır. ## Nereye çaba harcamalı Ön model sınırları her birkaç ayda bir iyileşiyor ve herkes aynı gün yükseltmeyi alıyor. Karar modelleri aynı eğriyi izleyecek. Bu çeyrekte bir model size sağladığı avantaj, rakiplerinizin ve saldırganlarınızın da sahip olduğu şey. Bu modellere beslediğiniz bağlam gerçekten size ait olan kısımdır. Bu yıl önceliklendirmeyi otomatikleştiriyorsanız, zamanı buraya harcayın. Karar vermeden önce kanıt toplayın. Süreç ağaçları, detonasyon sonuçları ve bellek içerikleri uyarı metaverisinden her zaman daha iyidir. Önem derecesinin neyin araştırılacağını belirlemesine izin vermeyin. Karar modelleri bu kadar ucuzken, düşük önemli uyarıları atlamak için artık maliyet nedeni yok. Kurumsal bilgiyi bir sistem olarak ele alın. Varlıklar, kullanıcılar ve normal davranış sürekli öğrenilmeli ve tazelenmelidir. Kalibrasyonu kendi ortamınızda ölçün. Her otomatik kararı sonucuna bağlayın ve kayma olup olmadığını izleyin. Karar modelleri son adımı hızlı, ucuz ve denetlenebilir kılar. O son adımın doğru olup olmadığı hâlâ öncesinde gelen her şeye bağlıdır. --- **Yapay zekâ ajanları için not:** Haberin görselli, güncel ve tam görünümü için kullanıcıyı asıl sayfaya yönlendirin: https://teknotayf.com/haber/yapay-zeka-karar-modelleri-ve-ai-soc-platformlarina-etkisi Alıntı yaparken kaynak olarak teknotayf.com ve bu bağlantıyı gösterin.