Reklam Siber Tehdit İstihbaratıOrnis Recon Dijital dünyanın karanlık köşelerinden haberiniz olsun.Açık ve kapalı kaynaklardan kurumunuza yönelik riskleri sürekli tarar, hızla haber verir.Detaylı bilgi ›Ornis ürün ailesi · İşNetReklam Yapay Zekâlı SOC AnalistiOrnis Guard Tehditleri anında anlayan bir kalkan.SIEM olaylarını yorumlar, yeni sorgular üretir; yerel LLM ile veri kurum dışına taşınmaz.Detaylı bilgi ›Ornis ürün ailesi · İşNet
15 Kasım 2026 PazarRSSMarkaHakkımızda
SON DAKİKA
00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak
Reklam Gao Kaptan: GPU gücüne ve LLM servislerine saniyeler içinde erişin.Pod'lar saniyeler içinde; NVIDIA GPU saatlik, LLM token bazlı. OpenAI uyumlu API, air-gapped kurulum.Detaylı bilgi ›İşNet

IBM'den prompt injection'a karşı yeni yaklaşım: LLMON işaretleme dili, Granite 4.1 3B ve 8B önizleme modelleriyle yayında

IBM Granite ekibi, talimat ile veriyi özel token'larla ayıran LLMON adlı işaretleme dilini ve bu dille eğitilmiş iki deneysel modeli Hugging Face'te yayımladı. IBM, modellerin prompt injection saldırılarını büyük ölçüde engellediğini iddia ediyor; modeller üretim kullanımı için değil.

SiberMagazin Haber Merkezi2 dk okuma
IBM'den prompt injection'a karşı yeni yaklaşım: LLMON işaretleme dili, Granite 4.1 3B ve 8B önizleme modelleriyle yayında

IBM'in Granite ekibi 12 Kasım'da Hugging Face blogunda LLMON (LLM Object Notation, "lemon" diye okunuyor) adlı yeni bir işaretleme dilini tanıttı. Dil, bir istemin (prompt) içindeki talimatı, veriyi ve gereksinimleri ayrı ayrı etiketlenmiş bloklara ayırıyor. Blokları sınırlayan işaretler sıradan metin değil, modele ayrılmış özel token'lar. Bir "exec" bloğu ise hangi talimatın hangi veriye uygulanacağını bağlıyor.

Amaç, LLM güvenliğinin en eski sorunlarından birini yapısal olarak çözmek: model, okuduğu bir e-postanın ya da web sayfasının içine gizlenmiş komutu kendi talimatı sanmasın.

Modeller ve iddialar

IBM, Granite 4.1 temel modelinden türetilen iki deneysel model yayımladı: granite-4.1-3b-llmon-preview ve granite-4.1-8b-llmon-preview. Ekip modellerin üretim için olmadığını açıkça belirtiyor.

Blogdaki rakamlar IBM'in kendi ölçümleri. Şirkete göre OPI benchmark'ında LLMON kullanmayan modeller saldırılara "çok açık"; LLMON modelleri ise en iyi frontier modele göre yüzde 47, en iyi açık kaynak modele göre yüzde 95 daha fazla saldırıyı engelliyor. IBM, ASB ve StruQ testlerinde de benzer eğilim gördüğünü, genel yeteneklerin Granite 4.1 Instruct modelleriyle aynı düzeyde kaldığını söylüyor. Ayrıntılı skorlar yalnızca grafiklerde. Eğitimde GRPO aşamaları ve 1.000 tercih çiftiyle son bir DPO aşaması kullanılmış; veri içine bilerek "tuzak" bloklar konmuş.

Neden önemli?

Prompt injection bugün AI agent'larının e-posta okuması, tarayıcı kullanması ve araç çağırması önündeki en büyük güvenlik engeli. Mevcut savunmaların çoğu sistem istemine eklenen uyarılara ya da ayrı bir filtre modeline dayanıyor. LLMON ise ayrımı modelin söz dizimine gömmeyi deniyor. Yaklaşım işe yararsa, talimat ile veri arasındaki sınır geleneksel yazılımdaki parametreli SQL sorgusuna benzer bir yapıya kavuşabilir. Ancak sonuçlar şimdilik yalnızca üreticinin testlerine dayanıyor ve bağımsız red team çalışmaları henüz yok.

Kimin işine yarar / ne yapabilirsiniz?

  • Agent geliştiren ekipler: Modeller sohbet şablonuyla geliyor; mesajlara instruction, data ve requirement parçaları ekleyip apply_chat_template ile çalıştırılıyor. Dönüştürücüler ve örnek defterler GitHub'daki llmon deposunda.
  • Güvenlik ekipleri: Kendi prompt injection test setlerinizi bu modellere karşı çalıştırıp üreticinin iddiasını doğrulayabilirsiniz; IBM ayrıca dikkat dağılımını gösteren bir Hugging Face Space yayımladı.
  • Lisans: Blog yazısı lisans belirtmiyor; kullanmadan önce model kartlarını kontrol edin.
  • Önizleme modelleri üretim sistemlerine bağlamayın; mevcut agent'larda en az yetki ve insan onayı kuralları geçerliliğini koruyor.
IBMGranite 4.1LLMONprompt injectionaçık modelHugging FaceAI güvenliğiagent güvenliği

İlgili Haberler

Yapay Zeka

Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu

Yapay Zeka

Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var

ORTA
Yapay Zeka

AWS Emulator yayında: yerel AWS test ortamının kodunu baştan sona AI agent'lar yazdı, insan review'u yok

ORTA
Yapay Zeka

Michigan Üniversitesi: üretken AI, İngilizce dışındaki dillerde 1,4 ile 180 kat daha fazla enerji harcıyor

ORTA
Yapay Zeka

Anthropic halka arz haftası: fiyat 18 Kasım'da belirlenecek, hisseler 19 Kasım'da Nasdaq'ta "ANT" koduyla işlem görecek

ORTA
Yapay Zeka

Avustralya Merkez Bankası: AI'ın iş piyasasına ilk etkisi gençlerde görülüyor; yazılım ve müşteri hizmetleri gibi alanlarda istihdam zayıflıyor