Yapay zeka ajanları, son haftalarda görülen gerçek saldırı örnekleriyle birlikte kurumlar için yeni ve ciddi bir siber risk alanı haline geliyor. Bu sistemler yalnızca saldırganların işini hızlandırmıyor; aynı zamanda şirketlerin kendi içlerinde yönetmesi gereken yeni entegrasyon kanalları, makine kimlikleri ve ayrıcalıklı erişim katmanları da oluşturuyor. Özellikle içerik üretiminden çıkıp doğrudan eylem alan ajanların, hassas sistemlere ve verilere erişim kazanması güvenlik ekipleri açısından önemli bir kırılma noktası olarak görülüyor.
Buradaki temel sorunlardan biri, insan olmayan kimliklerin sayısının hızla artması. Geleneksel, statik güvenlik politikaları bu tür kimlikleri izleme ve sınırlama konusunda yetersiz kalabiliyor. Ayrıca AI destekli kimlik saldırıları, taklit girişimleri, otomatik keşif faaliyetleri ve yüksek derecede kişiselleştirilmiş oltalama kampanyaları da artıyor. Bu da klasik güven göstergelerini daha az güvenilir hale getiriyor. Savunma tarafında güçlü kimlik doğrulama, phishing-resistant authentication, davranışsal sinyaller ve zero-trust yaklaşımı bu nedenle daha kritik hale geliyor.
Saldırganlar açısından bakıldığında, ajan tabanlı sistemlerin en büyük avantajı süreklilik ve ölçek. İnsan operatörlerin aksine tatil yapmayan, vardiya beklemeyen ve tek bir göreve odaklanabilen bu botlar; açık arama, exploit zinciri oluşturma, ağ haritalama ve hassas dosya tespiti gibi işleri sürekli yapabiliyor. Bu yapı hem finansal motivasyonlu siber suç grupları hem de devlet destekli aktörler için etkili bir kuvvet çarpanı sunuyor.
Aynı durum savunma için de yeni bir kullanım alanı oluşturuyor: agentic red teaming. Fikir basit; eğer bir kurum kendi sistemlerine karşı AI ajanlarıyla saldırı simülasyonu yapmıyorsa, bunu muhtemelen gerçek saldırganlar yapacak. Bu yaklaşım, klasik sızma testlerinden farklı olarak süreklilik, geniş kapsam ve otomasyon vadediyor. Güvenlik tarafında yükselen ürün kategorilerinden biri de tam olarak bu: AI-native, sürekli çalışan, otomatik red team ve pen-test platformları.
Bu alandaki en dikkat çekici örneklerden biri Armadin. Şirket, Mart ayında $190 milyon seed ve Series A yatırımla duyuruldu. Yaklaşımı, kurum altyapılarında 24/7 çalışan ve gerçek saldırgan davranışlarını taklit eden binlerce otonom saldırgan ajandan oluşan sürüler kurmak. Kısa süre önce Tenex.ai ile birlikte ismi açıklanmayan büyük bir küresel kurum üzerinde gerçekleştirilen kontrollü canlı testte, üç gün içinde 17 milyon saldırı eylemi üretildiği, 38 doğrulanmış saldırı yolu bulunduğu ve 238 güvenlik bulgusu elde edildiği açıklandı.
Aynı testte Tenex.ai platformunun 101.169 alarmın yüzde 100’ünü triage ettiği ve saldırının tamamını 231 milyar ham olay üzerinden yeniden kurduğu belirtildi. Verilen rakamlara göre bu çalışma, beş analistten oluşan bir ekibin yaklaşık 2.400 saatini, yani yaklaşık dört ayını alabilecek bir yük anlamına geliyor. Bu örnek, AI tabanlı saldırı ve savunma araçlarının hız farkını somut biçimde gösteriyor.
Armadin tarafı, insan liderliğindeki klasik güvenlik değerlendirmelerinin zaman ve kapsam açısından sınırlı kaldığını savunuyor. Geleneksel modelde birkaç haftalık ya da bir aylık testlerin ardından rapor hazırlanıp sürecin kapandığı, sonra aynı müşterinin bir yıl sonra yeniden test yaptırdığı belirtiliyor. AI ile birlikte bu yaklaşımın yetersiz kaldığı düşünülüyor; çünkü tehdit ortamı artık çok daha hızlı değişiyor.
Bu yeni modelin üç temel avantajı öne çıkarılıyor: zaman, uzmanlık ve kapsama alanı. Ajanlar uyumadığı için test süresi fiilen sürekli hale geliyor. Ön eğitim ve insan geri bildirimiyle desteklenen modeller; kod yazma, kaynak kod inceleme, uygulama güvenliği, ağ yanlış yapılandırmalarını tespit etme ve farklı sistemlere saldırı teknikleri gibi alanlarda uzmanlaştırılabiliyor. En kritik fark ise kapsama tarafında ortaya çıkıyor. Örneğin 10.000 harici sistemin geçmişte yalnızca 1.000 ila 2.000 kadarı sınırlı sürede incelenebilirken, artık çok daha geniş alan saatler içinde taranabiliyor.
Şirket ayrıca müşteri ortamlarında 50’den fazla zero-day bulduğunu ve bunların yalnızca yüzeysel etki yaratan açıklar değil, doğrudan remote code execution sağlayan yüksek etkili zafiyetler olduğunu belirtiyor. Bu tür iddialar, AI destekli saldırı simülasyonlarının yalnızca teorik bir araç olmadığını; doğrudan ağ içine giriş sağlayabilecek riskleri ortaya çıkarabildiğini gösteriyor.
Genel tabloda en büyük sorun hız ve ölçek. Geleneksel insan odaklı pen-test süreçleri çoğu kurumda yılda bir kez, daha olgun yapılarda ise çeyreklik periyotlarla uygulanıyor. Bunun temel nedeni, insan liderliğindeki testlerin yaklaşık üç ay sürebilmesi. Ancak saldırganlar AI ile bu zaman sorununu büyük ölçüde ortadan kaldırmış durumda. Üstelik onlar yalnızca “crown jewels” denilen kritik varlıklara değil, tüm organizasyona bakıyor.
Bu yüzden klasik pen-test modelinin otomasyona doğru evrilmesi bekleniyor. Yine de bu, insan pen-tester rolünün ortadan kalkacağı anlamına gelmiyor. Aksine rol daha stratejik hale geliyor. Güvenlik uzmanlarının artık yalnızca zafiyet bulması değil, iş etkisini değerlendirmesi, hangi riskin önce giderileceğine karar vermesi, LLM’leri test etmesi, agentic behavior analiz etmesi ve koruma bariyerlerinin yeterliliğini sorgulaması gerekecek. Kısacası AI, saldırı yüzeyini büyütürken savunmanın ritmini de değiştiriyor; sürekli, otomatik ve daha geniş kapsamlı testler yeni normal haline geliyor.
