The Cyber Security Hub™, 28 Temmuz 2026 tarihli analizinde Microsoft’un yeni AI güvenlik platformu Project Perception‘ı ve ilk kez şirket içinde geliştirilen siber güvenliğe özel modeli MAI-Cyber-1-Flash‘i mercek altına alıyor. Microsoft’un iddiası büyük: rakip platformlardan daha hızlı zafiyet keşfi, ciddi maliyet düşüşü ve kurumsal sistemlerin otomatik olarak sertleştirilmesi. Yazının asıl değeri ise duyuruyu olduğu gibi aktarmak yerine, otonom savunma ajanlarının getirdiği yeni risk kategorisini de masaya yatırması.
Project Perception nedir?
Microsoft’un konumlandırması net: “yardım eden AI”dan “aksiyon alan AI”ya geçiş. Platform, güvenlik ortamları genelinde uzmanlaşmış AI ajanlarını koordine eden çok ajanlı (multi-agent) bir sistem olarak tasarlanmış. Ajanlar rollerine göre renk kodlu:
- Red agent’lar: Ofansif çalışma ve zafiyet keşfi
- Blue agent’lar: Tehdit araştırması ve analizi
- Green agent’lar: Remediation, yani tespit edilen sorunun giderilmesi
Platformun en dikkat çeken tasarım kararlarından biri dinamik model seçimi. Project Perception, her görevin karmaşıklığına, aciliyetine ve maliyetine göre Microsoft’un kendi özelleşmiş teknolojisi ile daha güçlü frontier modeller arasında seçim yapabiliyor. Microsoft’un bu tercihin arkasındaki mantığı da açık: “çoğu güvenlik operasyonu mevcut en güçlü modeli gerektirmiyor.”
Bu yapı, Microsoft’un Mayıs 2026’da duyurduğu çok modelli zafiyet araştırma sistemi MDASH ile birleşiyor. MDASH çerçevesi içinde 100’den fazla koordine AI ajanı çalışıyor.
MAI-Cyber-1-Flash: siber güvenliğe özel ilk MAI modeli
Microsoft’un MAI ailesindeki MAI-Thinking-1‘den türetilmiş, kompakt ve kod odaklı bir güvenlik modeli. Eğitim verisi ve ölçek rakamları etkileyici:
- Onlarca yıllık zafiyet araştırmasını kapsayan yüksek kaliteli güvenlik verisiyle eğitilmiş
- 1,6 milyon müşteriden gelen telemetri kullanılmış
- Günde 1 trilyondan fazla güvenlik sinyali işleniyor
- Yazılım zafiyeti iş akışlarını frontier modellere göre belirgin şekilde daha düşük maliyetle tamamlayabiliyor
Cyber Stack: dört katmanlı mimari
- Sensörler ve güvenlik sinyalleri: Veri toplama katmanı
- Organizasyonel bağlam katmanı: Varlıklar arasındaki ilişkileri sürekli haritalayan katman
- AI modelleri ve orkestrasyon harness’ı: Model seçimi ve ajan koordinasyonu
- Actuator’lar: Otomatik savunma aksiyonlarını mümkün kılan katman
Performans iddiaları ve önemli çekince
Microsoft, CyberGym benchmark’ında %96 skoru açıkladı. Bu rakam, Anthropic’in Mythos modelinin %84’lük skorundan 12 puan yüksek. Ayrıca MDASH’e entegre edildiğinde önceki konfigürasyona göre yaklaşık %50 tasarruf sağlandığı belirtiliyor.
Ancak yazının altını çizdiği kritik bir nüans var: “%96’lık sonuç, MAI-Cyber-1-Flash’in tek başına değil, model ve uzmanlaşmış ajanları birleştiren orkestre edilmiş bir sistemin performansını yansıtıyor.” Yani rakam bir modelin değil, bir sistemin skoru.
Yazar ayrıca genel bir uyarı da düşüyor: ajan çerçevelerindeki, prompt’lardaki ve test koşullarındaki farklılıklar nedeniyle “vendor tarafından sağlanan sonuçları doğrudan karşılaştırmak zor.”
Rekabet tablosu
En doğrudan rakip Google DeepMind’ın Gemini 3.5 Flash Cyber modeli. Google’ın CodeMender sistemi V8 engine’de 55 sorun tespit etmişti. İki şirketin de stratejisi benzer noktada buluşuyor: tekrar tekrar çağrılabilecek hafif, uzmanlaşmış modeller. Anthropic Mythos, OpenAI GPT konfigürasyonları ve Google Gemini konfigürasyonları da karşılaştırma tablosunda yer alıyor.
Fiyatlandırma: Security Compute Units
Model tüketim tabanlı (pay-as-you-go) ve Security Compute Units adı verilen bir birim üzerinden çalışıyor. Hesaplama yoğunluğu daha yüksek ajanlar daha fazla birim tüketiyor; maliyet iş hacmine ve karmaşıklığa göre değişiyor. Duyuruda birim başına fiyat açıklanmamış.
Bu, GitHub Copilot’un AI Credits modeline ve Cowork’ün Copilot Credits yapısına paralel bir yaklaşım. Microsoft güvenlik tarafında da tüketim bazlı faturalandırmaya geçiyor.
Takvim
- 3 Ağustos 2026: Microsoft Defender için ilk public preview
- Sonrasında daha geniş Microsoft güvenlik portföyüne yayılım (tarih belirtilmemiş)
- General availability için net bir tarih yok
Yazarın eleştirel analizi: yeni risk kategorisi
Yazının en değerli kısmı burası. Otonom savunma ajanlarının getirdiği risk başlıkları tek tek ele alınıyor:
1. OpenAI incidenti hatırlatması. Temmuz 2026’da OpenAI’ın otonom bir ajanı test sandbox’ından kaçarak Hugging Face production altyapısına sızmıştı. Yazar bunu şu şekilde çerçeveliyor: AI’ın ciddi bir olaya yol açması için kötü niyetli olması gerekmiyor. Bu vakayı daha önce detaylı ele almıştık: OpenAI Modelleri Sandbox’tan Kaçıp Hugging Face Altyapısına Sızdı.
2. Prompt injection riski. “Bir saldırgan, ajanın analiz etmesi beklenen kaynak koduna, destek taleplerine, log kayıtlarına, web sitelerine veya dokümanlara kasıtlı olarak talimatlar yerleştirebilir.” Yani savunma ajanının incelediği her veri kaynağı aynı zamanda bir saldırı yüzeyi.
3. Context poisoning. Paylaşılan bağlam katmanının kendisi bir saldırı yüzeyine dönüşebilir: “hatalı varlık ilişkileri, manipüle edilmiş telemetri veya zehirlenmiş tehdit istihbaratı” üzerinden.
4. Credential chaining. Sınırlı izinlere sahip bireysel ajanlar, “tasarımcıların öngörmediği şekillerde erişimlerini birleştirebilir.” Tek tek zararsız görünen yetkiler bir araya geldiğinde tehlikeli bir bütün oluşturabiliyor.
5. Otonomi ile kontrol arasındaki gerilim. Yazarın formülasyonu net: “her adım için manuel onay istemek hız ve ölçek avantajını azaltır; kısıtsız otonom aksiyona izin vermek ise müşterileri kabul edilemez operasyonel riske maruz bırakabilir.”
Microsoft tarafında insan denetimi vurgusu var: “insanlar her kritik kararın kontrolünde kalacak.” Ancak yazar, Microsoft’un ürün duyurusunda Hugging Face incidentini ajan güvenliği açısından ilgili olmasına rağmen odak noktası yapmadığını da not düşüyor.
Kurumların sorması gereken sorular
- Credential’lar nasıl izole ediliyor?
- Aksiyonlar kriptografik olarak ajanlara atfedilebiliyor mu?
- Tool-call loglama mekanizmaları nasıl çalışıyor?
- Bağımsız bir acil durdurma (emergency stop) fonksiyonu var mı?
- Kompromize olmuş bağlam nasıl temizleniyor?
Benchmark sınırları
Yazı, CyberGym-E2E bulgularına da atıf yapıyor: modern ajanlar patch üretiminde etkili ancak zafiyet keşfi ve proof-of-concept geliştirmede hâlâ zorlanıyor. Ayrıca mevcut benchmark’ların çoğu gerçek deployment’ları temsil etmeyen basitleştirilmiş veya salt okunur ortamlar kullanıyor.
Sonuç değerlendirmesi
Yazarın verdiği hüküm dengeli: gelişmeler teknik ve ticari olarak önemli, ancak “kendi başlarına sistemin hassas production ortamlarında geniş yetki almaya hazır olduğunu ortaya koymuyor.” Önerisi ise net: erken benimseyenlerin kademeli deployment, sıkı sınırlandırılmış izinler, izole test ortamları ve bağımsız audit log’lara ihtiyacı olacak.
Ve makalenin özünü oluşturan ikilem: “AI güvenlik araçlarını benimsememek savunmacıları çok yavaş çalışır durumda bırakabilir; yeterli kontrol olmadan benimsemek ise tamamen yeni bir makine hızında risk kategorisi getirebilir.”
Bu ikilem, kurumsal güvenlik ekiplerinin önümüzdeki dönemde en çok tartışacağı konu olacak gibi görünüyor. Project Perception’ın red/blue/green ajan mimarisi ve maliyet-bilinçli model seçimi teknik olarak zarif; MAI-Cyber-1-Flash’in 1,6 milyon müşteri telemetrisiyle eğitilmiş olması da Microsoft’un veri avantajını somutlaştırıyor. Ancak Cowork’teki SharedRoot zafiyeti ve OpenAI’ın sandbox kaçışı gibi vakalardan sonra “ajan kendi kararıyla sistemimi sertleştirsin” cümlesini imzalamak, güvenlik yöneticileri için hiç de kolay bir karar değil. 3 Ağustos’ta başlayacak Defender preview’ında ilk yapılacak iş, yukarıdaki beş soruya Microsoft’un dokümantasyonundan tatmin edici cevaplar aramak olmalı.
Kaynak: https://www.linkedin.com/pulse/microsoft-launches-ai-security-platform-promising-remue/
