EresusSecurity
Model Security

Model dosyası üretime girmeden önce güvenilir mi, kanıtlayın.

Eresus; HuggingFace ve özel model depolarından gelen pickle, PyTorch, ONNX, safetensors, GGUF, arşiv ve konteyner artefaktlarını tedarik zinciri ve çalışma zamanı riski açısından inceler.

Güvenlik görüşmesi planlaTüm hizmetler
Kimin için uygun

Bu program en çok aşağıdaki ekiplerde hızla değer üretir.

Yapay zeka ürün ve platform ekipleri

LLM, RAG, MCP, ajan veya model kabul akışlarını iç ya da müşteri yüzüne taşıyan ekipler.

Yapay zeka alanına genişleyen güvenlik ekipleri

Sızma testi programı çalıştırıp şimdi koruma kuralı, prompt ve araç suistimali doğrulamasına ihtiyaç duyan organizasyonlar.

Açıklanabilir sertleştirme isteyen ekipler

Politika, prompt, MCP ve çalışma zamanı bulgularını doğrudan yayın kararına çevirmek isteyen ekipler.

Kapsam

Model dosyası ve arşiv kabul akışı
Pickle/PyTorch yükleme ve kod çalıştırma riski
ONNX external data ve özel operatör kontrolleri
AIBOM, hash, imza, lisans ve kaynak geçmişi

Risk sinyalleri

Model yükleme sırasında kod çalıştırma
Model klasörü dışına çıkan harici veri yolu
Eksik hash/imza nedeniyle değiştirilebilir artefakt
Model kartı, notebook veya config içinde gizli bilgi

Teslimatlar

Model kabul risk raporu
Sentinel rule ID ve kanıt çıktıları
AIBOM ve tedarik zinciri kontrol listesi
CI/CD model intake kapısı önerileri
Model kabul akışı

Model dosyasını dosya gibi değil, çalıştırılabilir tedarik zinciri gibi inceleyin.

01

Problem

Modelin nereden geldiğini, nasıl yüklendiğini ve hangi ortamda çalışacağını netleştiririz.

02

Saldırı senaryosu

Zararlı pickle, özel operatör, arşiv kaçışı, gizli bilgi ve bağımlılık zincirlerini deneriz.

03

Kanıt

Bulguyu dosya yolu, hash, opcode, AST düğümü, manifest veya model üst verisiyle bağlarız.

04

Teslimat

Kabul kriteri, karantina, imzalama ve yeniden test adımlarını yayın kararına çeviririz.

Sık sorulanlar

Alıcıların ilk konuşmada netleştirmek istediği başlıklar.

Hangi yapay zeka yüzeylerini ve mimarilerini test ediyorsunuz?+
Otonom AI ajanları, LLM entegrasyonları, RAG vektör arama akışları, MCP sunucuları, araç/fonksiyon çalıştırma sınırları, serileştirilmiş model dosyaları (.pkl, .joblib, .gguf, .onnx, .keras) ve koruma kuralı (guardrail) katmanlarını test ederiz.
Bu çalışma sadece basit prompt injection testi ile mi sınırlı?+
Hayır. Prompt injection incelenen başlıklardan sadece biridir. Kırmızı takımımız; ajan araç yetkilerinin kötüye kullanımı, RAG dokümanlarından gelen dolaylı enjeksiyonlar, model tersine mühendisliği, veri zehirlenmesi ve güvensiz model deserialization ile RCE gibi sistemik tehditlere odaklanır.
Bulgular yapay zeka ekipleri için nasıl mühendislik aksiyonlarına çevrilir?+
Her bulguyu somut koruma kurallarına, sistem promptu yapısal sertleştirmesine, araç çağrıları için katı JSON şema doğrulayıcılarına, bağlam penceresi izolasyonuna veya container sandbox yapılandırmalarına dönüştürürüz.
Yapay Zeka Güvenlik Testinin süresi ve fiyatlandırması nasıldır?+
Tipik bir AI ve ajan güvenlik değerlendirmesi; ajan araç sayısı, RAG veri kaynakları ve özel model mimarisine göre 7 ile 20 iş günü sürer. Fiyatlandırma entegrasyon ve araç sınırlarına göre şeffaf olarak belirlenir.
AB Yapay Zeka Yasası (EU AI Act) ve OWASP LLM Top 10 uyumu değerlendiriliyor mu?+
Evet. Tüm testlerimiz OWASP LLM Top 10 risklerini tam olarak kapsar ve bulguları AB Yapay Zeka Yasası'nın (EU AI Act) yüksek riskli sistemler için belirlediği şeffaflık ve siber güvenlik zorunluluklarıyla eşleştirir.
AI koruma kuralları ve prompt düzeltmeleri için yeniden test dahil mi?+
Evet. Düzeltmelerin anlamsal varyasyonlarla atlatılamadığından emin olmak için 30 gün içinde hedeflenmiş adversarial jailbreak ve araç sınırı testlerini ücretsiz yeniden uygularız.

Riskleri iş etkisine bağlarız.

Bulgular sadece CVSS skoru olarak kalmaz. Hangi müşteri akışını, hangi veri sınıfını, hangi operasyonel hedefi etkilediği açıkça yazılır.

Teslimat geliştirici ve yönetici için ayrı okunur.

Teknik ekipler yeniden üretilebilir kanıt ve düzeltme yönü alır; liderlik tarafı ise risk hikayesini, önceliği ve kapanış durumunu net görür.

İlgili içerik

Bu hizmeti açıklayan araştırma ve güvenlik bültenleri.

Araştırma

Backdoored LLM Tespiti Nasıl Yapılır?

Arka kapılı dil modellerini ölçekli test etmek için trigger arama, davranış farkı analizi ve model intake kontrollerini inceliyoruz.

Araştırma

Göz Ardı Edilen Tehdit Yüzeyi: Yapay Zeka (AI) Model Dosyalarında Gizlenen Sıfırıncı Gün (0-Day) Zafiyetleri

Siber güvenlik dünyasında herkes API güvenliğine, web zafiyetlerine veya bulut sızıntılarına odaklanmışken devasa bir tehdit yüzeyi göz ardı ediliy...

Sonraki adım

Bu kapsamı gerçek risk yüzeyinize göre birlikte netleştirelim.

Pilot, tek uygulama, kritik API, AI ajan akışı veya daha geniş program fark etmez; önce iş etkisi yüksek yüzeyden başlarız.

Güvenlik görüşmesi planlaKapsam iste