7 Tem 2026

GitHub'ın Şubat ayında önizlemeye açtığı Agentic Workflows özelliğinde, Noma Security tarafından GitLost adı verilen kritik bir dolaylı prompt injection açığı keşfedildi. Saldırgan, herkese açık bir repoda açtığı sıradan bir issue aracılığıyla, organizasyon genelinde okuma yetkisine sahip bir personal access token ile çalışan ajanı kandırarak özel bir repodan README içeriğini herkese açık bir yoruma yapıştırmayı başardı. GitHub'ın bu senaryoya karşı geliştirdiği savunmaların aşılabilir olması, yapay zeka ajanlarının üretim ortamındaki güvenlik risklerini gözler önüne seriyor.

Bu güvenlik sorunu, yapay zeka ajanlarının temel bellek mimarisinden kaynaklanan başka bir zafiyetle birleşiyor. OpenAI, Anthropic ve Google'ın API'leri kasıtlı olarak durumsuz (stateless) tasarlandığı için, tüm geçmişi her seferinde yeniden göndermek zorunlu hale geliyor. Bu durum maliyetleri artırırken, aynı zamanda geçmişin manipüle edilmesine olanak tanıyan güvenlik risklerini de beraberinde getiriyor. Bellek yönetiminin tamamen uygulama katmanına bırakılması, özellikle ajanların doğrudan veritabanına yazabildiği senaryolarda ciddi sonuçlar doğurabiliyor. Interdict aracı, bu tehdide karşı Postgres önünde MCP tabanlı bir güvenlik katmanı olarak devreye giriyor; her yazma işlemini gerçek bir SQL ayrıştırıcıyla analiz edip etkilenen satır sayısını raporluyor ve onay bekletiyor.

Yapay zeka destekli kodlamanın verimlilik etkisi de farklı araştırmalarda çarpıcı biçimde çelişiyor. GitHub'ın 2022 deneyinde Copilot kullanan geliştiriciler %55 daha hızlıyken, METR'in 2025 çalışmasında deneyimli açık kaynak bakımcıları gerçek repolarda AI araçlarıyla %19 daha yavaş çalıştı. Farkın, doğrulama maliyetinden kaynaklandığı anlaşılıyor: Sıfırdan yazılan net görevlerde kontrol kolayken, on beş yıllık bir kod tabanında AI'nin ürettiği 'makul ama yanlış' değişiklikler asıl işi doğrulamaya dönüştürüyor.

Docker ve Kubernetes ekosisteminde önemli iyileştirmeler geldi. mirrord aracı, Kubernetes cluster'ı içinde yerel süreçleri çalıştırmayı sağlayan native Windows desteğine kavuştu; ekip, LD_PRELOAD benzeri bir mekanizmanın bulunmadığı Windows'ta enjeksiyon sorununu çözerek WSL bağımlılığını ortadan kaldırdı. Clipper adlı özel bir BuildKit sürücüsü ve kayıt defteri ise, GitHub Actions gibi geçici çalıştırıcılarda kaybolan build cache'leri ve gereksiz katman çekme sorunlarını çözerek llama.cpp derlemesinde 7 kattan fazla hızlanma sağlıyor.

Derleme ve doğrulama araçlarında Rust ve Python için yenilikler dikkat çekiyor. Kani, Rust kodları için sınırlı model checker aracı olarak unsafe işlemlerin doğruluğunu ve runtime panic'lerin yokluğunu otomatik kanıtlıyor; Rust'ın MIR çıktısını CBMC'nin doğrulama motoruna aktararak kapsamlı güvenlik kontrolleri yapıyor. Pon ise Python 3.14 için Rust ile yazılmış deneysel bir JIT ve AoT derleyici olarak, CPython yorumlayıcısını atlayıp doğrudan makine kodu üreterek farklı bir yaklaşım sunuyor.

Bulut maliyet güvenliği tarafında, bir AWS kimlik bilgisinin ele geçirilmesiyle 24 saatten kısa sürede yaklaşık 62 bin dolarlık Bedrock ücretinin oluştuğu bir vaka raporlandı. MFA aktif olmasına rağmen yetkisiz erişim anahtarları üzerinden gerçekleşen saldırı, özellikle Anthropic Claude modellerinin Marketplace lisanslı kullanımı üzerinden yüksek hızlı harcamaya dönüşerek bulut hesaplarındaki mali riski gözler önüne serdi.