Model Güvenliği
Modern yapay zeka yığınlarında model dosyaları, çıkarım yolları, harici ağırlıklar ve güvensiz çalışma zamanı davranışları için değerlendirme ve sertleştirme.
Güvensiz model yükleme yolları üzerinden uzaktan kod çalıştırma.
Inference ortamlarından sessiz model zehirleme ve veri sızdırma.
Aynı model dosyasını kullanan tüm aşağı akış ortamlarında tedarik zinciri mirası.
Kimler İçin
Üçüncü taraf weight veya model dosyası içeri alan MLOps ekipleri.
Yapay zeka tedarik zinciri riskini yöneten güvenlik ekipleri.
Inference pipeline’larını iç veya dış kullanıcılara açan platform ekipleri.
Kullanım Alanları
Pickle, GGUF, ONNX, Keras ve benzeri model dosyalarını denetleyin.
Modeller üretime ulaşmadan güvensiz deserialization ve çalıştırma yollarını haritalayın.
Harici modeller için daha güvenli kabul ve karantina akışları kurun.
İlgili İçerikler
Yapay Zeka Modellerinde Gözden Kaçan Tehlike: Keras ve Pickle Dosya Zafiyetleri
Yapay zeka güvenliğinde herkes prompt injection ve API'lere odaklanırken, en büyük tehlike arka planda yatıyor: Zararlı kod barındıran AI model...
Yapay Zeka Çerçevelerinde (GGUF & MXNet) Kritik Zafiyetler: Heap Overflow Tehdidi
Model sıkıştırma kalıplarından GGUF veya MXNet kullanırken güvende misiniz? Dışarıdan yüklenen okyanus misali dosyaların hafıza taşması (Memory/Heap...
CVE-2026-7482: Ollama GGUF Heap Out-of-Bounds Okuma — Tam Teknik Analiz
CVE-2026-7482, Ollama'nın GGUF model yükleyicisindeki kritik heap OOB okuma açığıdır (CVSS 9.1). Kimliği doğrulanmamış uzak saldırganlar sahte GGUF dosyasıyla ~2 MB heap belleği sızdırabilir: ortam değişkenleri, API anahtarları, sistem promptları ve anlık konuşma verileri. İki hata zinciri, tam PoC, yama analizi ve Ollama 0.17.1 ile düzeltme.
Sık Sorulan Sorular
Sadece yayına alınmış modelleri mi inceliyorsunuz?
Hayır. Üretim öncesi model kabulü, dosya kaynak izi, CI/CD kontrolleri ve çalışma zamanı izolasyonunu tek akışta değerlendirebiliriz.
Açık kaynak model import’larını inceleyebilir misiniz?
Evet. Özellikle topluluk veya üçüncü taraf model dosyalarına güvenilen yapılarda en yaygın tehdit yüzeylerinden biridir.
Bu saldırı yüzeyini birlikte doğrulayalım mı?
Bu iş akışı için kapsam, tehdit modelleme ve düzeltme öncelikleri üzerine Eresus Security ile görüşün.
Eresus ile Görüş