Yapay Zekâ
Dreadnode Anlaşması, Dağıtım Öncesi Yapay Zekâ Testlerini Falcon’a Getirecek
Securities.io sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
CrowdStrike’ın 3 Kasım 2026’da duyurduğu üzere (CRWD ) şirket, otomatik yapay zekâ güvenlik testleri sunan Dreadnode’u satın almak üzere kesin bir anlaşma imzaladı. Planlanan satın alma, yapay zekâ modellerinin, uygulamalarının ve ajanlarının sürekli test edilmesini Falcon platformuna ekleyecek. Amaç, bu sistemler üretime alınmadan önce zayıflıklarını belirlemek.
Satın alma bedelinin ağırlıklı olarak nakit, bir kısmının ise hak ediş koşullarına tabi hisse senediyle ödenmesi öngörülüyor. CrowdStrike, satın alma bedelini dolar cinsinden açıklamadı. Olağan kapanış koşullarına bağlı olan işlemin, 2027 mali yılının dördüncü çeyreğinde tamamlanması bekleniyor.
Yapay Zekâyı Dağıtımdan Önce Test Etmek
Anlaşma, geleneksel yazılım testleri ile yapay zekâ sistemleri arasındaki farklılığı ele alıyor. Geleneksel test yöntemleri, tutarlı biçimde davranan kodlar için geliştirildi; modeller ve ajanlar ise olasılıksal çalışıyor ve jailbreak girişimleri, istem enjeksiyonu ya da ajanın akıl yürütme sürecinin manipüle edilmesi yoluyla başarısızlığa uğrayabiliyor. Planlanan ürün, testleri kurumların yapay zekâ geliştirdiği ve değerlendirdiği katmana taşıyarak CrowdStrike’ın Yapay Zekâ Tespiti ve Müdahalesi kategorisini dağıtım öncesi testlere genişletiyor.
CrowdStrike’ın CEO’su ve kurucusu George Kurtz, satın almayı bu görünürlük açığı üzerinden değerlendirdi: “Kurumlar, yapay zekânın güvenli olduğunu kanıtlayabildiklerinden daha hızlı biçimde yapay zekâ dağıtıyor. Bir model jailbreak saldırısıyla aşılabilir, bir ajan manipüle edilebilir ve çoğu kuruluş, yapay zekâ üretimde kullanılmaya başlanana kadar bu kusurları bulmanın hiçbir yoluna sahip değil.”
Planlanan iş akışında kullanıcılar testleri günlük dille tanımlayabilecek. CrowdStrike’a göre Dreadnode; jailbreak girişimleri, istem enjeksiyonu, çok turlu saldırılar ve ajanlara özgü saldırılar da dâhil olmak üzere, bilinen 100’den fazla yapay zekâ saldırı stratejisini modellere, ajanların akıl yürütme döngülerine, uygulamalara ve MCP sunucularına karşı çalıştırıyor. Ayrı bir tarama işlevi ise yapay zekâ modellerini, model depolarını ve bileşenleri üretim öncesinde güvenlik açıklarına karşı inceliyor.
Sonuçlar önem derecelerine göre sıralanıyor ve OWASP Top 10 for LLMs, OWASP Agentic Security ASI01-ASI10, MITRE ATLAS ve NIST AI RMF ile eşleştiriliyor. Dışa aktarılabilir raporlar, dağıtımın yapılıp yapılmayacağına ilişkin kararları desteklemek üzere tasarlandı. İnsan denetçiler bulguları yeniden sınıflandırabiliyor, önem derecelerini değiştirebiliyor ve gerekçelerini kaydedebiliyor; gösterge panelindeki ölçümler de otomatik olarak yeniden hesaplanıyor.
Bulguları Koruma Sürecine Aktarmak
Satın alma, testleri CrowdStrike’ın çalışma zamanı ve araştırma faaliyetleriyle de ilişkilendiriyor. Dreadnode bulgularının, ilke önerileri olarak Falcon Guardian’a aktarılması planlanıyor; böylece dağıtım öncesinde tespit edilen bir zayıflık, çalışma zamanı korumasını şekillendirebilecek. Dreadnode’un test verileri SafeMind modellerini güçlendirmek için kullanılacak; teknolojisinin de SafeMind’in öncü modellerin güvenliğini ve siber yeteneklerini ölçme biçimini geliştirmesi bekleniyor.
Dreadnode ekibi, CrowdStrike’ın Cyber Superintelligence Lab birimine katılarak gruba yapay zekâ güvenliği araştırmacıları kazandıracak. Böylece işlem, bir ürün satın alımından ibaret kalmıyor; planlanan yeteneğin arkasındaki araştırma ekibini ve test verilerini de CrowdStrike’a taşıyor.
Otomatik Yapay Zekâ Güvenlik Testi’nin 2027 mali yılının dördüncü çeyreğinde genel kullanıma sunulması hedefleniyor. Ürünün kullanıma sunulması ile işlemin tamamlanmasının aynı mali çeyrekte gerçekleşmesi bekleniyor. Anlaşma, CrowdStrike’a dağıtım öncesi testleri, çalışma zamanı ilke önerilerini ve model araştırmalarını kapsayan bir iş akışı sağlayacak. Dolayısıyla anlaşmanın önemi yalnızca yeni bir test aracı eklemesinden değil, yapay zekâdaki bir zayıflığı keşfetmekten ona karşı koruma sağlamaya uzanan bu adımları tek bir süreçte birleştirmesinden kaynaklanıyor.
