Cloudflare, Managed Defense hizmeti kapsamında, güvenlik uyarılarını analiz etmek ve insan analistlerin yükünü azaltmak üzere tasarlanan çoklu yapay zeka ajan harness'ını duyurdu. Deterministik veri toplama sürecini yapay zeka çıkarımlarından ayıran sistem, yanlış pozitifleri erken aşamada filtreleyerek doğrulanmış öneriler sunuyor.
Cloudflare, güvenlik operasyonlarında insan analistlerin karşılaştığı yoğun uyarı yükünü hafifletmek amacıyla geliştirilen yeni çoklu yapay zeka ajan mimarisini (harness) duyurdu. Şirketin Managed Defense bünyesinde devreye aldığı bu sistem, eş zamanlı gelen güvenlik uyarılarının yönetilmesini zorlaştıran ve sektörde uyarı paradoksu olarak adlandırılan krizi aşmayı hedefliyor.
Siber güvenlik dünyasında tek bir yapay zeka modelinin tüm soruşturma sürecini üstlenmesinin yaratabileceği dezavantajlardan yola çıkan Cloudflare mühendisleri, yeni yaklaşımda deterministik veri toplama ile model tabanlı çıkarım süreçlerini birbirinden kesin çizgilerle ayırdı.
Tekil Ajanların Sınırları ve Uyarı Paradoksu
İlk prototip çalışmalarında, geniş kapsamlı tek bir yapay zeka ajanının tüm süreci yönetmesinin belirli operasyonel riskler barındırdığı görüldü. Şirket, tekil ajan yaklaşımlarında üç temel sorunla karşılaştı:
* Bağlamın otorite haline gelmesi: Bir tespit bir saldırının başarıyla sonuçlandığının kanıtı değil, yalnızca bir hipotezdir. Geniş kapsamlı yapay zeka modelleri bu ayrımı bulanıklaştırabiliyor. * Kapsam kayması: Ajanlar yanlış hesapları, zaman aralıklarını veya veri kaynaklarını sorgulayabiliyor. * Hata durumlarının kaybolması: Zaman aşımına uğrayan bir arama sonucunun kontrol edilmedi mi yoksa kontrol edilip bulunamadı mı olduğu ayrımlarının silinmesi.
Bu zorlukları aşmak için Cloudflare, yapay zeka modellerinin veri toplamasına izin vermek yerine, keşif sürecini tamamen kod tabanlı kurallara bağladı.
Önce Keşif, Sonra Çıkarım
Cloudflare’ın yeni mimarisinde model çıkarımı çalıştırılmadan önce, sürüm kontrollü API çağrılarıyla sabit bir keşif iş akışı çalıştırılıyor. Müşteri kimliği, tespit geçmişi, trafik tabanı, yaptırım sonuçları ve ağ gözlemleri deterministik kodlar tarafından toplanarak zaman damgalarıyla saklanıyor. Bu sayede aynı veri seti tekrar oynatılabilir hale getirilerek analizlerin tekrarlanabilirliği ve denetlenebilirliği sağlanıyor.
Toplanan veriler, Cloudflare’ın Workers AI üzerinde çalışan açık kaynaklı karar modeli Clef aracılığıyla ilk taramadan geçiriliyor. Bilinen ve yüksek hacimli gürültü oluşturan zararsız trafik modelleri pasif olarak sınıflandırılıp aktif kuyruğun dışında tutulurken, detaylı inceleme gerektiren uyarılar uzmanlaşmış yapay zeka ajanlarına aktarılıyor.
Uzmanlaşmış Ajan Ekibi ve Paralel Analiz
Derinlemesine inceleme gerektiren durumlarda bir koordinatör yapay zeka ajan, paralel olarak çalışan dört uzman ajanı yönetiyor:
1. Trafik Analizi: İstek davranışlarını, geçmiş değişiklikleri ve yaptırımları inceler. 2. Müşteri Bağlamı: Geçmiş uyarıları, kararları ve Managed Defense analistlerinin önceki kararlarını değerlendirir. 3. Küresel Telemetri: Gizliliği koruyan internet genelindeki sinyalleri CDN, WAF, DDoS, Turnstile, Rate Limiting ve Cloudforce One verileriyle müşteri aktivitesiyle karşılaştırır. 4. Tehdit İstihbaratı: Uyarı veya vaka içindeki göstergeleri kontrol eder.
Sistemin derinlemesine analiz aşamasında ise onaylanmış OpenAI Daybreak GPT-5.6 Cyber dahil ve Anthropic Mythos dahil modelleri devreye giriyor. Sürecin sonunda bir sentez ajanı, tüm bu bulguları onaylanmış bir kelime dağarcığı kullanarak tek bir danışma raporunda advisory birleştiriyor. Sentez ajanının yeni kanıt toplama veya onaylanmamış sınıflandırmalar yapma yetkisi bulunmuyor.
Altyapı ve Sektörel Eğilim
Tüm bu süreç Cloudflare geliştirici platformu üzerinde çalışıyor. Workers uygulamaları verileri doğrularken, Workflows aşamaları koordine ediyor, D1 durum veritabanı olarak görev yapıyor, R2 ise bağlam ve kanıt arşivlerini barındırıyor. Şirket, eksik veri durumlarında sistemin hata payını yönetebildiğini ve Managed Defense analistlerinin nihai kapsamı ve kararları denetlemeye devam ettiğini belirtiyor.
Benzer şekilde teknoloji sektöründe GitHub'ın agent-scale altyapı dönüşümleri ve Cisco'nun kurumsal platformlar için duyurduğu ajan tabanlı çerçeveler gibi gelişmeler, kurumsal yazılım ve güvenlik mimarilerinin serbest metinli sohbet botlarından yapılandırılmış, deterministik ve denetlenebilir ajan sistemlerine evrildiğini gösteriyor.
