6 Kasım 2026, Cuma

Agentic AI, klasik yazılımdan temelden farklı bir güvenlik modeli getiriyor. Önceden tanımlı mantık çalıştıran servislerin aksine agent’lar kullanıcılardan, web sayfalarından, dokümanlardan, tool’lardan ve diğer agent’lardan gelen içerik üzerinde dinamik akıl yürütüp bunu gerçek eylemlere çevirebiliyor. Bu, saldırı yüzeyinin bir kısmını klasik kimlik ve API kontrollerinden semantik katmana taşıyor: prompt injection, tool ve memory poisoning, goal hijacking, davranış kayması ve hallucination kaynaklı eylemler. Klasik authorization kimin eylem yapabileceğini belirler; agent sistemlerini korumak ise daha geniş bir soruyu cevaplamayı gerektirir: önerilen eylem kullanıcının istediğiyle tutarlı mı, agent’ın tanımlı persona ve niyetleri içinde mi, kullanıcının rolüne uygun mu ve öncesindeki eylem ve kararlar dahil tüm session bağlamında geçerli mi?

Uber’in değerlendirdiği alternatifler klasik kimlik, authorization ve policy enforcement kontrolleri ile doğrudan prompt injection, jailbreak ve hassas veri sızıntısını tespit eden ticari AI güvenlik ve guardrail platformlarıydı. Bunlar defense in depth mimarisinin önemli parçası olarak kalıyor ama hiçbiri asıl tehdit modelini tam kapsamıyordu: kullanıcı, agent, tool ve her API çağrısı meşru yetkiliyken bile istenmeyen bir eyleme yönlendirilmiş agent.

Uber Secure AI: üç katman. Agent’ın yaşam döngüsü boyunca provisioning-time validation, runtime enforcement ve continuous assurance. Provisioning: Uber AI Registry, agent’ın kimliği, sahipliği, persona’sı, izin verilen niyetleri (intent), kısıtları, bağımlılıkları ve risk katmanı için yetkili kayıt tutuyor; bunlar birlikte agent’ın bir behavioral contract’ını oluşturuyor. Geliştiricilerin bu sözleşmeyi elle bildirmesine tamamen güvenmek yerine, otomatik agent güvenlik analiz platformu Argus agent’ın kaynak kodunu, prompt’larını, konfigürasyonlarını, bağımlılıklarını, açık endpoint’lerini ve tool çağrı yollarını analiz ediyor. Tedarik zinciri de aynı ilkeyle ele alınıyor: üçüncü taraf MCP server’ları ve tool’lar statik ve dinamik analiz, software composition analysis, itibar sinyalleri ve tool açıklamaları ile metadata’nın semantik incelemesiyle değerlendiriliyor.

Runtime: mimari, policy administration, policy decision ve policy enforcement ayrımını (tanıdık bir güvenlik modeli) koruyor ama politikaları kaynak yetkilendirmeden semantik davranışa genişletiyor. Çerçeve ayrıca prompt provenance ve evidence chaining getiriyor: ayrıcalıklı eylemleri kullanıcının gerçekte istediği şeye geri bağlıyor; bu da dolaylı prompt injection, goal hijacking ve istenmeyen agent davranışına karşı ek bir savunma. Continuous assurance tarafında sürekli red teaming, uçtan uca observability ve replay var.

Takaslar. Üretim kontrollerini tasarlamak ikinci bir zorluk kümesi getirdi: güvenlik etkinliği; doğruluk, gecikme, maliyet, geliştirici deneyimi ve agent özerkliğiyle dengelenmek zorunda. Daha sıkı enforcement güvensiz eylemleri azaltır ama yanlış pozitifleri ve gecikmeyi artırabilir. Geliştirici benimsemesi eşit derecede önemli: onboarding karmaşıklığı ya da yanlış alarmlar ekipleri kontrolü atlamaya itiyorsa teknik olarak güçlü bir kontrolün değeri sınırlı kalıyor; bu yüzden otomatik onboarding ve guardrail ataması ile ‘güvenli yol’ kolay yol yapılmış. Yazının ana dersi: güvenlik, doğruluk, gecikme, maliyet, özerklik ve geliştirici deneyimi birbirinden bağımsız optimize edilemez.