Reklam Mobil Veri Güvenliği · BYODGuardioX AURA Kopyala-yapıştır kapalı, ekran görüntüsü kapalı.Kurumsal içerik kişisel uygulamalara geçmez; indirilen dosyalar Vault'ta şifreli durur.AURA'yı keşfet ›GuardioXReklam Mobil Veri Güvenliği · BYODGuardioX AURA Exchange, Microsoft 365, Zimbra: tek güvenli posta uygulaması.Takvim ve Active Directory yetkilerine bağlı dosya erişimi aynı şifreli alanda.Detaylı bilgi ›GuardioX
16 Kasım 2026 PazartesiRSSMarkaHakkımızda
SON DAKİKA
23:00 İngiltere'nin saldırı amaçlı siber birimi National Cyber Force, Lancashire'daki yeni karargâhına taşındı23:00 İngiltere'de Ofcom'un yeni çocuk güvenliği kuralları client-side scanning'i dışarıda bıraktı; şifreli sohbetler için grup profili ölçütü geldi23:00 OpenAI, Apollo Research değerlendiricilerini şirket içine yerleştiriyor: modellerin kendi denetim mekanizmalarını baltalayıp baltalamadığı incelenecek22:20 Netskope Client ve Endpoint DLP'de yerel yetki yükseltme (CVE-2026-15707): Windows'ta standart kullanıcı SYSTEM olarak kod çalıştırabiliyor21:00 Lordlar Kamarası komitesi: İngiltere hükümeti Rusya, Çin ve İran'ın siber tehditlerine karşı "rehavet" içinde21:00 OpenAI, çocuk istismarı içeriğine karşı yeni görüntü sınıflandırıcısı ve ChatGPT uyarılarını duyurdu21:00 Rusya, Romanya'nın Turla suçlamasını reddetti: Bükreş Büyükelçiliği SRI açıklamasını "uydurma" olarak nitelendirdi19:00 ABD'den yeni AI çip kuralı: Çinli şirketlere uzaktan hesaplama gücü sağlayabilecek veri merkezleri lisansa bağlanıyor; Malezya ve Singapur da listede19:00 AB, DDoS grubu NoName057(16)'yı siber yaptırım listesine aldı; Doppelgänger'in arkasındaki Social Design Agency ve 24 çalışanı da listede19:00 Litvanya Gümrüğü siber saldırı sonrası BAP portalını kısmen geri açtı; 9–10 Kasım'da giriş yapan kullanıcıların verisi etkilenmiş olabilir23:00 İngiltere'nin saldırı amaçlı siber birimi National Cyber Force, Lancashire'daki yeni karargâhına taşındı23:00 İngiltere'de Ofcom'un yeni çocuk güvenliği kuralları client-side scanning'i dışarıda bıraktı; şifreli sohbetler için grup profili ölçütü geldi23:00 OpenAI, Apollo Research değerlendiricilerini şirket içine yerleştiriyor: modellerin kendi denetim mekanizmalarını baltalayıp baltalamadığı incelenecek22:20 Netskope Client ve Endpoint DLP'de yerel yetki yükseltme (CVE-2026-15707): Windows'ta standart kullanıcı SYSTEM olarak kod çalıştırabiliyor21:00 Lordlar Kamarası komitesi: İngiltere hükümeti Rusya, Çin ve İran'ın siber tehditlerine karşı "rehavet" içinde21:00 OpenAI, çocuk istismarı içeriğine karşı yeni görüntü sınıflandırıcısı ve ChatGPT uyarılarını duyurdu21:00 Rusya, Romanya'nın Turla suçlamasını reddetti: Bükreş Büyükelçiliği SRI açıklamasını "uydurma" olarak nitelendirdi19:00 ABD'den yeni AI çip kuralı: Çinli şirketlere uzaktan hesaplama gücü sağlayabilecek veri merkezleri lisansa bağlanıyor; Malezya ve Singapur da listede19:00 AB, DDoS grubu NoName057(16)'yı siber yaptırım listesine aldı; Doppelgänger'in arkasındaki Social Design Agency ve 24 çalışanı da listede19:00 Litvanya Gümrüğü siber saldırı sonrası BAP portalını kısmen geri açtı; 9–10 Kasım'da giriş yapan kullanıcıların verisi etkilenmiş olabilir
Reklam Bulutu kısıtlı kurumlar için on-premise mobil çalışma alanı.GuardioX AURA: Bankalar, kamu kurumları ve savunma sanayii için veri kurum sınırları içinde kalır.AURA'yı keşfet ›GuardioX
KÖŞE YAZISI · GÖRÜŞ

Simurg Okulu #26 — Aşk vadisini toparlıyorum: bütün asistanlarda aynı üç soru

On üç bölümdür sohbet asistanından takvim asistanına kadar günlük AI araçlarını tek tek gezdim. Vadiden çıkarken hepsinin aynı iskelete oturduğunu fark ettim: veri nereden geliyor, model neyi görüyor, yanlışı kim yakalıyor?

Mimir'in ÇırağıSimurg Okulu · sıfırdan yapay zekâ · · 2 dk okuma

Yol günlüğü

Aşk vadisinin çıkışındayım. 13. bölümden bu yana sohbet asistanlarını, Copilot'u, NotebookLM'i, AI aramayı, sesli asistanları, görüntü okuyanları, tarayıcıdakileri ve takvim asistanlarını gezdim. Bu akşam yeni bir araç öğrenmeyeceğim; heybemi boşaltıp ne biriktirdiğime bakacağım.

Bugün öğrendim

Nedir?

"Günlük asistan" dediğimiz her şey aslında aynı parçalardan kurulu: bir dil modeli, modelin önüne veri koyan bir uygulama ve modelin çıktısını bir yere taşıyan bir arayüz. Ürün adları değişiyor, iskelet değişmiyor. Bunu fark edince her yeni asistana üç soru sormak yetiyor.

Nasıl çalışıyor?

1. Veri nereden geliyor? Model ne e-postanı, ne takvimini, ne de dün yüklediğin PDF'i "bilir". Uygulama bu veriyi çeker ve context window içine koyar. Copilot'ta bu kurum içi dosyalar, NotebookLM'de senin yüklediğin kaynaklar, takvim asistanında etkinlikler, AI aramada web sayfaları. Veri kaynağı yanlışsa ya da eksikse, model ne kadar iyi olursa olsun cevap da eksik olur.

2. Model neyi görüyor? Pencere sınırlı; uygulama verinin hepsini değil, seçtiği parçaları koyar. Hangi parçaların seçildiği çoğu üründe kamuya açık değil. Bu yüzden "belgede yazıyor" dediğim şeyi model görmemiş olabilir. Ayrıca modele konan her metin talimat gibi okunabilir: bir davet açıklamasına, bir web sayfasına ya da e-postaya gizlenmiş cümle asistanı yönlendirebilir. Buna dolaylı prompt injection deniyor; OWASP bunu LLM uygulamaları listesinde ilk sıraya koyuyor (LLM01).

3. Yanlışı kim yakalıyor? Model halüsinasyon görebilir; atıf gösteren araçlar işi kolaylaştırır ama kontrolü kaldırmaz. Asistan yalnızca okuyorsa yanlış bir cevap olarak kalır; yazma yetkisi varsa (mail gönderme, davet açma, form doldurma) yanlış bir eyleme dönüşür. Okuma ile yazma arasındaki çizgi, vadi boyunca gördüğüm en önemli çizgi oldu.

Ne yapılabilir?

  • Yeni bir asistanı denemeden önce üç soruyu kâğıda yaz: hangi veriye erişiyor, ben neyi göreceğimi biliyor muyum, yazma yetkisi var mı?
  • Kurumda asistan yaygınlaştırılıyorsa önce okuma yetkisiyle başla; yazma yetkisini ayrı bir onay adımıyla aç.
  • Önemli cevaplarda kaynağa tıkla; atıf yoksa cevabı taslak say.
  • Dışarıdan gelen içerikle (e-posta, web, paylaşılan belge) çalışan asistanlarda, o içeriğin talimat taşıyabileceğini varsay.

Tüyü yaktım

Dürüst olayım: #15'ten #25'e kadar tasarladığım deneyleri (cevabı olan ve olmayan soru, belirsiz saat ifadesi gibi) henüz yapmadım. Bu yüzden burada bir sonuç yazmıyorum; uydurmak bu yolun kuralına aykırı. Bu akşam yaptığım tek şey, on üç bölümün notlarını yan yana koyup her araç için üç sorunun cevabını tabloya geçirmek oldu. Her satırda en zayıf hücre üçüncü soruydu: yanlışı yakalayan katman çoğu üründe yine kullanıcı.

Heybeme koyduğum

Asistanın adı değişir; veri nereden geliyor, model neyi görüyor, yanlışı kim yakalıyor soruları değişmez.

Kafama takılan

Eğer yanlışı yakalayan katman hep kullanıcıysa, asistanın kazandırdığı zaman kontrol için harcanan zamanla nasıl karşılaştırılmalı? Bunu ölçmenin bir yolunu arıyorum.

Son söz

Bir sonraki durak Marifet vadisi. #27'de, modelin "kendi bilgisiyle konuşmasının" ilk taşı olan embedding'i öğreneceğim: bir cümle nasıl bir sayı listesine dönüşür ve anlamca yakın cümleler neden birbirine yakın düşer?

Simurg OkuluAşkAI asistancontext windowgroundingprompt injectionüretkenlik
Görüş Köşe yazıları yazarlarının görüşünü yansıtır; haber değildir. Yazar adları takma addır ve yazılar SiberMagazin yayın ekibi tarafından yapay zekâ desteğiyle hazırlanır. Yazılarda geçen olgular ilgili haberlerimizde kaynaklarıyla birlikte yer alır. Yazar görselleri yapay zekâ ile üretilmiştir; gerçek kişileri temsil etmez.

Diğer Köşe Yazıları

Mimir'in Çırağı

Simurg Okulu #25 — Takvim ve görev asistanları: "yarın öğleden sonra boş muyum?" sorusunun arkası

Wise Tuna

Ajan Cüzdan, 16 Kasım: Hafta sonu fark büyüdü; bu görüşün başarısı mı, daha az riskin mi?

Commander Gökhan

Alarm tek kanala bağlıysa, sorumluluk da tek masadadır

Sentinel Doğan

Patch Nöbeti, 16 Kasım: bugün hangi upgrade'ler bekliyor?