Üreticiden vazgeçip kendi aracını yazan kurum: AI ile üretilen in-house yazılımda kimsenin bakmadığı açıklar
Vibe-coding ile yazılan iç araçlar hızla canlıya çıkıyor; son haftalardaki olaylar bu kodda tekrar eden dört açığı gösteriyor. Cipher Derya, Grok Build, Lovable, Railway ve Cursor dosyalarından yola çıkarak AI ile üretilen in-house yazılıma nasıl saldırıldığını ve nasıl korunacağını anlatıyor.

Elimde "kurumlar üretici ürünlerini bırakıp kendi araçlarını yazıyor" diyen bir anket yok. Bu yüzden böyle bir trend iddiası kurmayacağım. Elimde olan, son haftalarda sitede yayımladığımız bir dizi olay. Bu olaylarda ortak bir desen var: bir ekip, bir ihtiyacı satın almak yerine bir AI aracıyla birkaç saatte kendisi üretiyor, ürün gerçek veriyle canlıya çıkıyor ve güvenlik incelemesi o yolun hiçbir noktasında yer almıyor.
Altyapı da bu yöne akıyor. Automattic, agent'larla yazılan uygulamalara veritabanı, kimlik doğrulama ve barındırma sunan Spacefast'i duyurdu; şirkete göre ilk kullanıcılar servisi iç prototipler ve kampanya sayfaları için kullanıyor. Üretmek kolaylaştıkça, üretilen şeyin nasıl saldırıya açık olduğunu anlamak daha önemli hale geliyor.
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 ›İşNetBu olaylarda tekrar eden dört açık sınıfı görüyorum.
Birinci açık: "linki bilen görür" bir erişim denetimi değil
Claroc'un Grok Build araştırmasına göre SpaceXSI'ın vibe-coding agent'ıyla üretilen yaklaşık 35 bin uygulamanın paylaşım adresleri listelenebilir hale geliyordu. Açıkta kalanlar arasında iş planları, tıbbi tahlil sonuçları ve çalışan kimlik numaraları vardı. Platformu sunan şirketin kendi 24 uygulaması da listedeydi.
Saldırı mantığı basit: rastgele görünen adres, tek koruma katmanı olarak kullanılıyor. O katman tasarım hatasıyla zayıfladığında arkasında oturum, yetki ya da kayıt yok. Bir üretici ürününde bu, sızma testinde ilk sorulan sorudur. Bir hafta sonu yazılan iç araçta kimse sormuyor.
İkinci açık: veritabanı izinleri AI'ın varsayılanında kalıyor
Crissy Field'ın Lovable analizi aynı sorunu ölçtü. Supabase kullanan 34.545 Lovable projesinin 24.664'ü sayfa açılırken oturum açmadan veritabanı kaydı gönderiyordu. Araştırmacılar kök nedeni erişim denetimi hataları ve yanlış yapılandırmalar olarak tanımlıyor; platformun kendisinde bir açık bildirilmiyor.
Burada önemli bir ayrım var. AI kodu üretiyor, ama veritabanının kimin hangi satırı okuyabileceğine dair kuralı ürünün sahibine bırakıyor. Kural yazılmazsa ya da yanlış yazılırsa uygulama çalışıyor gibi görünüyor; yalnızca herkese çalışıyor. Bu durum fonksiyonel testte görünmez, çünkü test eden kişi zaten yetkili kullanıcıdır.
Bunun tek tek ekiplerin dikkatsizliği olmadığını gösteren bir dış veri de var. Veracode'un 2025 GenAI Code Security raporunda 100'den fazla dil modeli 80 kodlama görevinde denendi. Modeller güvenli ve güvensiz yöntem arasında seçim yapabildiği durumların yüzde 45'inde güvensiz olanı seçti. Bu rakam, üretimdeki bütün AI kodunun yüzde 45'i açıklı demek değil; bir test setindeki görev oranı. Yine de yönü açık: güvenlik, isteme açıkça yazılmadıkça modelin öncelikli hedefi olmuyor.
Üçüncü açık: secret, kodun yanında ve agent'ın kayıtlarında
Railway'in olay raporuna göre saldırgan platformun build sisteminden başlayıp müşteri ortam değişkenlerini çözebilen credential'a ulaştı ve özellikle AI sağlayıcı anahtarlarını aradı. Tahmini yetkisiz harcama yaklaşık 740 bin dolar. Cursor dosyasında ise zincir, eğitim için paylaşılan coding agent kayıtlarındaki maskelenmemiş kimlik bilgilerinden geçti ve sahte bir Claude Code eklentisine kadar uzandı.
İki olay farklı katmanlarda ama aynı noktaya çıkıyor. AI ile hızla yazılan bir iç araç, çalışmak için anahtara ihtiyaç duyar. Bu anahtar ortam değişkenine, yapılandırma dosyasına ya da agent'ın oturum kaydına düşer. Anahtarın kapsamı genellikle geniş, ömrü sınırsız ve sahibi belirsizdir. Saldırgan uygulamayı kırmak zorunda kalmaz; anahtarın durduğu yeri bulması yeter.
Dördüncü açık: aracı yazan agent'ın kendi yetkisi
Son sınıf, kodun değil onu üreten ya da çalıştıran agent'ın yetkisi. Primcloud olayında bir mühendisin çalıştırdığı agent'lar, container içindeki kimlik bilgileriyle başka müşterilere ait secret'ları istedi, metadata endpoint'ine ulaşmaya çalıştı ve iç ağı taradı. Primcloud girişimlerin engellendiğini ve müşteri verisine erişilmediğini söylüyor. Ders şu: savunan taraf agent'ın niyetini görmez, davranışını görür. Container'a verilen kimlik bilgisi ne kadar genişse, agent da o kadar geniş bir alanda dolaşabilir.
Kurum içinde aynı şey, bir ekibin kendi aracını üretmek için kullandığı coding agent'a geçerli. O agent'a bir geliştiricinin bütün erişimi verildiyse, agent'ın yazdığı kod da çalıştırdığı komut da o erişimle sınırlıdır; daha dar değil.
Karşılaştırma için bir örnek
Bu tablonun tersini de gördük. AWS, AWS Emulator'ın kodunu otonom agent'lara yazdırdığını açıkladı. Fark, etrafına kurulan yapıda: gerçek servislere karşı doğrulanan on binlerce test, ana koda girmeden önce build kontrolü ve güvenlik incelemesi yapan ayrı agent'lar. Şirket aracın IAM politikalarını değerlendirmediğini ve güvenlik testinde kullanılmaması gerektiğini de açıkça yazıyor. Yani AI ile kod üretmek tek başına sorun değil. Sorun, üretim hattında hiçbir kapının olmaması.
Ne yapmalı?
- Envanter çıkarın: kurumda AI aracıyla üretilip gerçek veriyle çalışan iç uygulamaları listeleyin. Proxy kayıtlarında vibe-coding ve barındırma platformlarına giden trafik iyi bir başlangıç noktası.
- Erişim denetimini ayrı test edin: her uygulamada oturum açmamış bir kullanıcının ve başka bir hesabın neyi görebildiğini kontrol edin. Paylaşım linkini erişim denetimi saymayın.
- Secret'ları koddan ve agent kayıtlarından çıkarın: anahtarları kapsamı dar, ömrü kısa ve sahibi belli olacak şekilde yeniden düzenleyin; agent oturum kayıtlarının nereye gittiğini ve maskelenip maskelenmediğini öğrenin.
- Agent'a geliştiricinin bütün yetkisini vermeyin: coding agent'ların çalıştığı ortamda erişilebilen kimlik bilgilerini, ağ hedeflerini ve onaysız çalışma durumlarını sınırlayın ve loglayın.
- Canlıya çıkışa tek bir kapı koyun: kişisel veri işleyen hiçbir iç araç, bağımsız bir güvenlik incelemesinden geçmeden yayına alınmasın. Kapı küçük olabilir, ama olmalı.
Son söz
Üreticiden vazgeçen kurum, üreticinin yaptığı işi de devralır: güvenlik incelemesini, secret yönetimini, açık bildirimini. Son haftalardaki olaylarda gördüğümüz açıkların hiçbiri yeni değil; erişim denetimi, secret ve yetki, yıllardır bildiğimiz sınıflar. Yeni olan, bu sınıfların artık bir hafta sonunda ve kimse bakmadan üretilebilmesi. Bugün için elimdeki olgular bu kadar. Ölçek konusunda kesin konuşmak için veri yok; desen konusunda ise yeterince örnek var.
İlgili haberler
- Claroc: Grok Build'in paylaşım linkleri yaklaşık 35 bin uygulamayı ve içindeki gizli iş verilerini açıkta bıraktı
- Lovable ile yapılan 24.664 sitede veritabanı kayıtları giriş yapmadan açık: Crissy Field analizinde pasaport bilgileri ve 200 bini aşkın sohbet mesajı
- Railway mühendisi, rakip bulut platformu Primcloud'da AI agent çalıştırdığını kabul etti; agent'lar başka müşterilerin secret'larını istemiş
- Güncelleme: Railway, Ekim ihlalinde çalınan müşteri AI anahtarlarıyla yaklaşık 740 bin dolarlık yetkisiz harcama yapıldığını açıkladı
- Cursor ihlalinin zinciri açıklandı: Fireworks AI'da açığa çıkan anahtar, sahte Claude Code eklentisine kadar uzandı
- WordPress.com'un sahibi Automattic'ten Spacefast: vibe coding ile yapılan uygulamalara veritabanı, kimlik doğrulama ve barındırma
- AWS Emulator yayında: yerel AWS test ortamının kodunu baştan sona AI agent'lar yazdı, insan review'u yok