{"id":14993,"date":"2026-10-26T20:50:49","date_gmt":"2026-10-26T17:50:49","guid":{"rendered":"https:\/\/www.kaspersky.com.tr\/blog\/?p=14993"},"modified":"2026-10-26T20:50:49","modified_gmt":"2026-10-26T17:50:49","slug":"tokenomics-ai-and-cybersecurity","status":"publish","type":"post","link":"https:\/\/www.kaspersky.com.tr\/blog\/tokenomics-ai-and-cybersecurity\/14993\/","title":{"rendered":"Token ekonomisinin siber g\u00fcvenlik s\u00fcre\u00e7leri \u00fczerindeki do\u011frudan etkisi"},"content":{"rendered":"

K\u0131sa bir s\u00fcre \u00f6nce, \u201ctoken ekonomisi\u201d ve \u201cMaliyet T\u00fcketme Sald\u0131r\u0131s\u0131\u201d hakk\u0131nda bir yaz\u0131<\/a> yay\u0131nlad\u0131k. Maliyet T\u00fcketme Sald\u0131r\u0131s\u0131, yapay zeka tokenlar\u0131n\u0131n a\u015f\u0131r\u0131 harcanmas\u0131n\u0131 ama\u00e7layan yeni bir DDoS sald\u0131r\u0131s\u0131 t\u00fcr\u00fcd\u00fcr. Ancak g\u00fcvenlik uzmanlar\u0131, meslekta\u015flar\u0131n\u0131n yapay zeka s\u00fcre\u00e7lerini bu yeni tehditlere kar\u015f\u0131 korumaya ba\u015flamadan \u00f6nce, bilgi g\u00fcvenli\u011fi departman\u0131n\u0131n kendi \u00e7al\u0131\u015fmalar\u0131n\u0131n da bu t\u00fcr bir sald\u0131r\u0131n\u0131n hedefi haline gelebilece\u011fini unutmamal\u0131d\u0131r. G\u00fcvenlik ekipleri art\u0131k yapay zeka tabanl\u0131 \u00e7e\u015fitli otomasyon t\u00fcrlerini aktif olarak test edip uygulamaya koyduklar\u0131 i\u00e7in, savunma sistemini fel\u00e7 etmeyi ama\u00e7layan d\u0131\u015f m\u00fcdahale tehditleri, bu ekiplerin kendi s\u00fcre\u00e7lerini ve teknolojilerini do\u011frudan etkilemektedir.<\/p>\n

Elastic, \u201cajan tabanl\u0131 SOC\u201d mimarisine ba\u011fl\u0131 olarak, bir ana bilgisayardan gelen tek bir uyar\u0131n\u0131n \u00f6nceliklendirilmesinin, son derece uzmanla\u015fm\u0131\u015f ajanlardan olu\u015fan bir grup i\u00e7in 0,69 $, ya da 14 farkl\u0131 beceriye sahip genel ama\u00e7l\u0131 bir ajan i\u00e7in 3,42 $ maliyet getirece\u011fini tahmin ediyor<\/a>.<\/p>\n

Ancak bu ortalamalar, \u00e7ok geni\u015f bir de\u011fi\u015fkenlik aral\u0131\u011f\u0131n\u0131 maskeler niteliktedir. Herhangi bir anda, basit bir uyar\u0131n\u0131n (\u00f6rne\u011fin, bin token) ilk i\u015flenmesi, milyonlarca g\u00fcnl\u00fck kayd\u0131, API istemini ve di\u011fer ilgili verilerin i\u015flenmesini i\u00e7eren, zincirleme bir ara\u015ft\u0131rmaya d\u00f6n\u00fc\u015febilir ve bu da birka\u00e7 dakika i\u00e7inde milyonlarca tokena ula\u015fabilir<\/a>.<\/p>\n

Elastic, SOC\u2019sinde Claude Sonnet 4.6 modelini kulland\u0131\u011f\u0131n\u0131 kendisi de kabul ediyor. Bu da hemen \u015fu soruyu akla getiriyor: B\u00fct\u00e7e t\u00fckendi\u011finde ya da modelin g\u00fcvenlik filtreleri devreye girdi\u011finde ne olur? En k\u00f6t\u00fc senaryoda \u015fu durum ortaya \u00e7\u0131kar: Yapay zeka destekli g\u00fcvenlik operasyon merkezi (AI SOC), altyap\u0131da yanal hareketlere benzeyen \u015f\u00fcpheli olaylar\u0131 ara\u015ft\u0131rmak \u00fczere bir \u201cajanlar orkestras\u0131\u201d devreye sokar. Ajan, Anthropic API\u2019\u0131n\u0131 \u00e7a\u011f\u0131r\u0131r, ancak departman\u0131n ayl\u0131k b\u00fct\u00e7esi t\u00fckenmi\u015ftir ve API hata mesaj\u0131 verir. Ara\u015ft\u0131rma durma noktas\u0131na gelir ve insanlar bunu yar\u0131m g\u00fcn sonra \u00f6\u011frenir. Dahas\u0131, b\u00fcy\u00fck bir yapay zeka sa\u011flay\u0131c\u0131s\u0131n\u0131n s\u00fcrekli de\u011fi\u015fen \u201cg\u00fcvenlik filtreleri\u201d, SOC\u2019nin taleplerini k\u00f6t\u00fc niyetli olarak i\u015faretlerse, b\u00fct\u00e7e t\u00fckenmeden bile ayn\u0131 sonu\u00e7 ortaya \u00e7\u0131kabilir. Hugging Face\u2019in, OpenAI taraf\u0131ndan altyap\u0131s\u0131na yap\u0131lan sald\u0131r\u0131y\u0131 ara\u015ft\u0131rma s\u00fcrecinde ya\u015fad\u0131\u011f\u0131 deneyim<\/a> bunun bir \u00f6rne\u011fidir.<\/p>\n

Elbette, bir sald\u0131rgan\u0131n b\u00f6yle bir sonucun ger\u00e7ekle\u015fmesinden b\u00fcy\u00fck \u00e7\u0131kar\u0131 vard\u0131r. Kullan\u0131c\u0131lar\u0131n eri\u015febildi\u011fi verilere (DNS TXT kay\u0131tlar\u0131, HTTP ba\u015fl\u0131klar\u0131, kod yorumlar\u0131, dosya adlar\u0131 vb.) k\u00f6t\u00fc niyetli komutlar ekleyerek, bu komutlar\u0131n bilgi g\u00fcvenli\u011fi sistemleri taraf\u0131ndan i\u015flenece\u011fi varsay\u0131m\u0131yla kullan\u0131c\u0131lar\u0131n maliyetlerini do\u011frudan etkileyebilirler. \u00d6rne\u011fin, GhostJacking<\/a> sald\u0131r\u0131s\u0131 \u00f6rne\u011finde, WAF g\u00fcnl\u00fckleri komut sat\u0131r\u0131 enjeksiyonu i\u00e7in bir vekt\u00f6r g\u00f6revi g\u00f6r\u00fcrken, akademik bir ara\u015ft\u0131rmada ba\u015fka bir y\u00f6ntem \u00f6ne s\u00fcr\u00fclm\u00fc\u015ft\u00fcr. Ara\u015ft\u0131rmac\u0131lar, LLM\u2019nin g\u00fcvenlik \u00f6nlemlerine<\/a> do\u011frudan<\/a> sald\u0131rmay\u0131 ba\u015farm\u0131\u015f ve bu sayede taleplerin gecikme s\u00fcresini 148 kat, t\u00fcketilen token say\u0131s\u0131n\u0131 ise 63 kat art\u0131rm\u0131\u015flard\u0131r. Ba\u015fka bir deyi\u015fle, sistem teorik olarak d\u00fczg\u00fcn bir \u015fekilde \u00e7al\u0131\u015fmaya devam eder, ancak uyar\u0131lar\u0131n i\u015flenmesindeki gecikme s\u00fcresi ve buna ba\u011fl\u0131 maliyetler \u00f6nemli \u00f6l\u00e7\u00fcde artar.<\/p>\n

Tehlikeli ve fark edilmeyen durum<\/h2>\n

Ajan tabanl\u0131 senaryolarda, b\u00fct\u00e7enin t\u00fckenmesi her zaman \u201ctalep limiti a\u015f\u0131ld\u0131\u201d mesaj\u0131 i\u00e7eren a\u00e7\u0131k bir hata olarak ortaya \u00e7\u0131kmaz ve ilgili taraflara an\u0131nda bir uyar\u0131 g\u00f6nderilmez. Baz\u0131 yap\u0131land\u0131rmalarda \u201cgerilla\u201d senaryolar\u0131 ortaya \u00e7\u0131kabilir. Modele yap\u0131lan bir talep zaman a\u015f\u0131m\u0131na u\u011frad\u0131\u011f\u0131nda, sistem otomatik olarak daha ucuz bir modele ge\u00e7er; bunun sonucunda \u00e7\u0131kt\u0131lar\u0131n kalitesi d\u00fc\u015fer ve alt ajanlar ve periyodik g\u00f6revler y\u00fcr\u00fct\u00fclmez hale gelir. Bu arada, g\u00fcvenlik ekibi saatlerce her \u015feyin eskisi gibi i\u015fledi\u011fine inanmaya devam edebilir.<\/p>\n

Siber g\u00fcvenlikte yapay zeka maliyetlerini nas\u0131l kontrol edebiliriz?<\/h2>\n

Giderleri y\u00f6netme g\u00f6revinin elbette sadece \u201ca\u015f\u0131r\u0131 harcamay\u0131 \u00f6nlemekten\u201d ibaret olmad\u0131\u011f\u0131 a\u00e7\u0131kt\u0131r. Sekt\u00f6r, SIEM\u2019i hayata ge\u00e7irirken \u00e7oktan bu tuza\u011fa d\u00fc\u015fm\u00fc\u015ft\u00fc. \u015eirketler, toplanan telemetri verilerinin hacmine g\u00f6re \u00f6deme yapmak zorunda kald\u0131klar\u0131nda, g\u00fcnl\u00fck toplama i\u015flemlerini se\u00e7ici bir \u015fekilde (ve her zaman etkili olmayan bir \u015fekilde) s\u0131n\u0131rlamaya ba\u015flad\u0131lar. Sonu\u00e7 olarak, sistemlerinde tespit edilemeyen k\u00f6r noktalar olu\u015ftu. Ayn\u0131 durum tokenlar i\u00e7in de ortaya \u00e7\u0131kabilir, ancak daha h\u0131zl\u0131 ve daha geni\u015f \u00f6l\u00e7ekte. K\u00f6t\u00fc tasarlanm\u0131\u015f bir maliyet azaltma ilke\u011fi, ara\u015ft\u0131rmalar\u0131n kapsam\u0131n\u0131 ve m\u00fcdahale kalitesini olumsuz etkileyebilir. Ve b\u00f6yle bir ilkenin bulunmamas\u0131 durumunda, bir \u015feyleri durdurma karar\u0131, sistem tasar\u0131m a\u015famas\u0131nda mimar ya da CISO taraf\u0131ndan de\u011fil, sabah saat 3\u2019te g\u00f6rev ba\u015f\u0131nda olan analist taraf\u0131ndan verilecektir. Sistem sat\u0131c\u0131s\u0131 taraf\u0131ndan ayarlanm\u0131\u015f bir otomatik s\u0131n\u0131rlay\u0131c\u0131 da olabilir.<\/p>\n

Birka\u00e7 basit ilke, \u00f6ng\u00f6r\u00fclebilir maliyet a\u015f\u0131mlar\u0131n\u0131 \u00f6nlemeye ve ger\u00e7ekten \u00f6ng\u00f6r\u00fclemez durumlar\u0131 daha iyi y\u00f6netmeye yard\u0131mc\u0131 olabilir.<\/p>\n

Yapay zeka modeline, standart bir sorguyla do\u011frulanabilecek hi\u00e7bir \u015feyi girmeyin. <\/strong>Tekrarlayan ve \u00f6nceden bilinen her \u015fey, eski usul y\u00f6ntemle (kurallar ve veri sorgular\u0131 ile) y\u00f6netilmelidir. Bunlar yapay zeka kullan\u0131larak geli\u015ftirilebilir, ancak deterministik bir \u015fekilde \u00e7al\u0131\u015fmal\u0131d\u0131r. Bu model, yaln\u0131zca belirsiz bir durumun de\u011ferlendirilmesinin ger\u00e7ekten gerekli oldu\u011fu durumlarda kullan\u0131lmal\u0131d\u0131r.<\/p>\n

S\u0131k\u0131 limitler belirleyin ve bu limitler a\u015f\u0131ld\u0131\u011f\u0131nda kullan\u0131c\u0131lar\u0131 kesin bir \u015fekilde uyar\u0131n. <\/strong>Limitler; g\u00f6rev ba\u015f\u0131na bir limit, g\u00fcnl\u00fck limit vb. olarak birle\u015ftirilmelidir. Limit a\u015f\u0131mlar\u0131na ili\u015fkin uyar\u0131lar, hem g\u00f6rev ba\u015f\u0131ndaki analistlere hem de sistemin genelinden sorumlu ki\u015filere derhal iletilmelidir.<\/p>\n

Bir limite ula\u015f\u0131ld\u0131\u011f\u0131nda ne olaca\u011f\u0131na \u00f6nceden karar verin. <\/strong>Biraz kontrol\u00fc kaybetmek pahas\u0131na durup para biriktirmek mi, yoksa devam edip \u00f6deme yapmak m\u0131: Bu, bir olay meydana gelmeden \u00f6nce al\u0131nmas\u0131 gereken bir karard\u0131r.<\/p>\n

Ajanlar\u0131n yetkilerini ve kullanabilecekleri ara\u00e7lar\u0131 s\u0131n\u0131rlay\u0131n. <\/strong>Sistemin eri\u015febilece\u011fi eylemler ne kadar az olursa, dar kapsaml\u0131 bir g\u00f6rev de o kadar etkili \u00e7al\u0131\u015f\u0131r, maliyetleri \u015fi\u015firme olas\u0131l\u0131\u011f\u0131 o kadar azal\u0131r ve d\u0131\u015far\u0131dan bir ki\u015fi taraf\u0131ndan \u201cistismar edilme\u201d ihtimali de o kadar azal\u0131r.<\/p>\n

D\u0131\u015far\u0131dan gelen, g\u00fcvenilirli\u011fi kan\u0131tlanmam\u0131\u015f verileri kesinlikle taray\u0131n. <\/strong>Gelen talepler, sorgular, mesajlar ve yorumlar\u0131n yan\u0131 s\u0131ra, rastgele metin i\u00e7erebilen \u00e7e\u015fitli teknik alanlar (DNS kay\u0131tlar\u0131, HTTP ba\u015fl\u0131klar\u0131, dosya adlar\u0131), sadece anl\u0131k enjeksiyona yol a\u00e7makla kalmaz, ayn\u0131 zamanda i\u015f y\u00fck\u00fcn\u00fc kas\u0131tl\u0131 olarak da art\u0131rabilir. Boyutlar\u0131n\u0131 s\u0131n\u0131rlay\u0131n ve olu\u015fturduklar\u0131 y\u00fck\u00fc izleyin.<\/p>\n

D\u0131\u015f hizmet sa\u011flay\u0131c\u0131lar\u0131n\u0131n neden olabilece\u011fi hizmet kesintilerini \u00f6nlemek ve kurulu\u015funuzun verileri \u00fczerinde tam kontrol sa\u011flamak i\u00e7in, en az\u0131ndan bilgi g\u00fcvenli\u011fi ihtiya\u00e7lar\u0131 a\u00e7\u0131s\u0131ndan \u015firket i\u00e7i olarak kurulan yerel modelleri kullanma<\/strong> olas\u0131l\u0131\u011f\u0131n\u0131 de\u011ferlendirin. Bu modeller en son teknoloji \u00fcr\u00fcn\u00fc olmasa da, dar kapsaml\u0131 uzmanl\u0131k alanlar\u0131 ve \u015firket verileriyle yap\u0131lan ince ayarlar\u0131 sayesinde, beklenmedik ar\u0131zalar ya\u015fanmadan tatmin edici bir performans sergileyecektir.<\/p>\n

Daha karma\u015f\u0131k bir mimaride, b\u00fcy\u00fck dil modellerinin (LLM) kullan\u0131m\u0131 birka\u00e7 d\u00fczeye ayr\u0131labilir<\/strong>. \u0130lk savunma hatt\u0131 (y\u00f6nlendirme, g\u00fcr\u00fclt\u00fc filtreleme, veri zenginle\u015ftirme) kompakt \u015firket i\u00e7i modeller taraf\u0131ndan y\u00fcr\u00fct\u00fclmektedir. Bu, b\u00fct\u00e7edeki dalgalanmay\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde azalt\u0131r. \u0130kinci d\u00fczey; olaylar\u0131 birbirine ba\u011flamak, hipotezleri test etmek ve bir olay\u0131n genel resmini ortaya \u00e7\u0131karmak gibi as\u0131l i\u015fi \u00fcstlenen geni\u015f kapsaml\u0131 bir yerel modelden meydana gelirgyz\u00a0. Ayr\u0131ca talep ba\u015f\u0131na faturaland\u0131r\u0131lmaz, ancak i\u015fleme kapasitesi s\u0131n\u0131rl\u0131d\u0131r; bu nedenle, b\u00fct\u00e7e a\u015f\u0131mlar\u0131 yerine a\u015f\u0131r\u0131 y\u00fck ve olay kuyruklar\u0131 ortaya \u00e7\u0131kabilir. Yaln\u0131zca m\u00fcnferit ve ger\u00e7ekten zor vakalar, tercihen bir insan analistin a\u00e7\u0131k onay\u0131yla, geli\u015fmi\u015f bulut tabanl\u0131 modellere y\u00f6nlendirilir. Bu sistemde de\u011fi\u015fken maliyetler devam eder, ancak bunlar az say\u0131da durumla s\u0131n\u0131rl\u0131d\u0131r ve her biri, gece boyunca \u00e7al\u0131\u015fan bir komut dosyas\u0131n\u0131n yan etkisi olmaktan ziyade bilin\u00e7li bir tercihi temsil eder.<\/p>\n

Esasen, t\u00fcm bunlar klasik \u00e7ok katmanl\u0131 SOC modelini yans\u0131tmaktad\u0131r (birinci katmanda filtreleme, \u00fc\u00e7\u00fcnc\u00fc katmanda ise ara\u015ft\u0131rma yap\u0131l\u0131r); tek fark, bu rollerin insanlar yerine modeller taraf\u0131ndan \u00fcstlenilmesidir.<\/p>\n\n","protected":false},"excerpt":{"rendered":"

Yapay zekaya ba\u011f\u0131ml\u0131l\u0131\u011f\u0131n bir kurulu\u015fun siber g\u00fcvenli\u011fi \u00fczerindeki etkisini inceliyoruz. <\/p>\n","protected":false},"author":2722,"featured_media":14995,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1726,1194,1727],"tags":[1629,519,1610,2883,2203,537,878,1424],"class_list":["post-14993","post","type-post","status-publish","format-standard","has-post-thumbnail","category-enterprise","category-business","category-smb","tag-butce","tag-ipuclari-2","tag-makine-ogrenimi","tag-otonom-soc","tag-soc","tag-tehditler","tag-teknoloji","tag-yapay-zeka"],"hreflang":[{"hreflang":"tr","url":"https:\/\/www.kaspersky.com.tr\/blog\/tokenomics-ai-and-cybersecurity\/14993\/"},{"hreflang":"en-in","url":"https:\/\/www.kaspersky.co.in\/blog\/tokenomics-ai-and-cybersecurity\/31131\/"},{"hreflang":"en-ae","url":"https:\/\/me-en.kaspersky.com\/blog\/tokenomics-ai-and-cybersecurity\/26165\/"},{"hreflang":"en-gb","url":"https:\/\/www.kaspersky.co.uk\/blog\/tokenomics-ai-and-cybersecurity\/30971\/"},{"hreflang":"es-mx","url":"https:\/\/latam.kaspersky.com\/blog\/tokenomics-ai-and-cybersecurity\/29565\/"},{"hreflang":"es","url":"https:\/\/www.kaspersky.es\/blog\/tokenomics-ai-and-cybersecurity\/32542\/"},{"hreflang":"it","url":"https:\/\/www.kaspersky.it\/blog\/tokenomics-ai-and-cybersecurity\/31073\/"},{"hreflang":"ru","url":"https:\/\/www.kaspersky.ru\/blog\/tokenomics-ai-and-cybersecurity\/42810\/"},{"hreflang":"x-default","url":"https:\/\/www.kaspersky.com\/blog\/tokenomics-ai-and-cybersecurity\/56523\/"},{"hreflang":"pt-br","url":"https:\/\/www.kaspersky.com.br\/blog\/tokenomics-ai-and-cybersecurity\/25399\/"},{"hreflang":"ru-kz","url":"https:\/\/blog.kaspersky.kz\/tokenomics-ai-and-cybersecurity\/31135\/"},{"hreflang":"en-au","url":"https:\/\/www.kaspersky.com.au\/blog\/tokenomics-ai-and-cybersecurity\/36876\/"},{"hreflang":"en-za","url":"https:\/\/www.kaspersky.co.za\/blog\/tokenomics-ai-and-cybersecurity\/36545\/"}],"acf":[],"banners":"","maintag":{"url":"https:\/\/www.kaspersky.com.tr\/blog\/tag\/yapay-zeka\/","name":"yapay zeka"},"_links":{"self":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/14993","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/users\/2722"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/comments?post=14993"}],"version-history":[{"count":3,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/14993\/revisions"}],"predecessor-version":[{"id":14998,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/14993\/revisions\/14998"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/media\/14995"}],"wp:attachment":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/media?parent=14993"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/categories?post=14993"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/tags?post=14993"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}