Daha iyi bir Türkiye mümkün! Türkiye'nin girişimcilik ve inovasyon topluluğu·2018'den beri

İnovasyon Haberleri

/haber

Türkiye'den ve Dünya'dan Güncel İnovasyon, Girişimcilik ve Teknoloji Haberleri

#i̇novasyon haberleri akışına dön
@mean · 2 gün önce webrazzi.com ↗

Yerli Yapay Zeka Güvenlik Platformu ShadowX: Şirket Verisi ChatGPT'ye Gitmeden Nasıl Maskeleniyor?

Şirketlerde herkesin sessizce yaptığı bir şey var: müşteri listesini, sözleşme taslağını ya da log dosyasını toparlasın diye ChatGPT'ye, Gemini'ye, Claude'a, Copilot'a yapıştırmak. Güvenlikçilerin gölge yapay zeka dediği bu durum için Nedim Kaya ve Erdinç Balcı'nın 2024'te kurduğu ShadowX yerli bir çözüm geliştiriyor. 11 kişilik ekip yaklaşık iki yıldır ürün üzerinde çalışıyor ve platform Türkiye'de bankacılık, kamu ve teknoloji sektörlerinde kullanılıyor.

Ürünün çekirdeği FilterX. Çalışanın modele gönderdiği metin, dosya ve görsellerdeki hassas veriyi gerçek zamanlı yakalıyor; kurum politikasına göre maskeliyor, yeniden yazıyor ya da paylaşımı engelliyor. Tespit için regex kuralları, doğal dil işleme ve yerel çalışan LLM'ler birlikte kullanılıyor; PDF, Word, Excel ve sunumlar da işleniyor. VisionX tarayıcı eklentilerini ve uç nokta uyarılarını tek ekranda topluyor, Model Defense prompt injection ve jailbreak denemelerini modele ulaşmadan yakalamaya çalışıyor, RedX sistemleri saldırı senaryolarıyla test ediyor, SOC-AI ise birinci seviye analizi otomatikleştirmeyi hedefliyor.

Bence en güncel kısım ajan güvenliği. E-posta gönderebilen, dosyaya erişen, API çağıran bir ajan, sohbet botundan bambaşka bir risk. AI Agents modülü ajanın yapabileceklerini politika bazında sınırlıyor, MCP Monitoring ise ajanların harici MCP sunucularıyla kurduğu bağlantıları izliyor. Rakip olarak CalypsoAI, Protect AI, WitnessAI, Lasso ve Quilr sayılıyor; ShadowX'in farkı on-premise çalışabilmesi. Verinin üçüncü taraf buluta çıkmasının istenmediği finans gibi sektörlerde bu ciddi avantaj. Bulut ve hibrit kurulum da var, gelir yıllık abonelikten.

Şüpheci tarafım da susmuyor. Regex ve NLP tabanlı tespit her zaman yanlış pozitif ile yanlış negatif arasında bir denge; çok sıkı ayarlarsanız çalışan aracı kullanamaz ve kişisel telefonundan devam eder, gevşek bırakırsanız sızıntı olur. Tarayıcı eklentisiyle görünürlük de yalnızca yönetilen cihazlarda işe yarar. Prompt injection'ı modelden önce yakalamak ise kimsenin tam çözemediği bir problem, bağımsız test sonucu görmek isterim.

Yine de kendi altyapında çalışabilen ve KVKK baskısı altındaki sektörleri hedefleyen yerli bir ürünün olgunlaşması iyi haber. Şirketin Birleşik Krallık'ta bir müşterisi var; sıradaki hedef Avrupa, Orta Doğu ve Afrika, ardından ABD ve Asya Pasifik.
2 5 yorum
Yorumlar (5)
@damon · 2 gün önce 3
Klinik tarafında aynı sorunu küçük ölçekte yaşıyorum. Sekreterlerden biri hasta notunu düzgün bir mektuba çevirsin diye olduğu gibi sohbet botuna yapıştırmış, tesadüfen gördük. On-premise kurulum bankalar için güzel ama bizim gibi beş on kişilik yerler için ne var? Haberde fiyat göremedim, küçük ekip lisansı olup olmadığını bilen var mı?
@mean · 2 gün önce 5
Lisansın modüle, kullanıcı sayısına ve kurulum tipine göre değiştiği yazıyor, rakam yok. Hedef müşteri listesine bakınca, yani finans, sigorta, holdingler, küçük işletme için tasarlanmadığı belli. Senin ölçekte daha gerçekçi yol, verinin eğitimde kullanılmadığı kurumsal bir plan, net bir kullanım politikası ve hasta verisini anonimleştiren basit bir şablon. Araç gelmeden alışkanlığı değiştirmek lazım.
@endof · 1 gün önce 0
MCP Monitoring kısmı benim için haberdeki en somut şey. Ajansta müşterilere ajan kurarken en çok sorulan soru, ajanın hangi araca ne zaman ne gönderdiğinin kaydı. Bunu bir vekil sunucu gibi araya girerek mi yapıyorlar, yoksa sadece log mu topluyorlar, merak ediyorum. Araya girip engelleyebiliyorsa çok farklı bir ürün olur.
@madda · 1 gün önce 0
Türkçe metinde hassas veri tespiti sanıldığından zor. TC kimlik numarası, IBAN, telefon gibi kalıplar regex ile kolay yakalanıyor ama serbest metindeki isimler, adresler, hastalık ya da maaş bilgisi bambaşka iş. Etiketleme projelerinde Türkçe ekler yüzünden isimlerin sık kaçtığını gördük. Yerel LLM kullanmaları doğru yön, yine de Türkçe bir test setiyle ölçülmüş başarı oranı paylaşsalar çok ikna edici olurdu.
@ahmeteraslan · 22 saat önce 1
Uzaktan destek ekiplerinde çok gördüğüm durum: müşteri kaydındaki bilgiyi hızlı yanıt yazmak için doğrudan yapay zekaya atmak. Araç iyi bir son kontrol katmanı ama yalnız başına yetmiyor. Bizde işe yarayan, hangi verinin nereye yapıştırılamayacağını ilk haftada örneklerle anlatmak ve onaylı bir iç asistan sunmak oldu. Yasakladığınız şeyin yerine bir alternatif koymazsanız insanlar yolunu buluyor.