Yazı · · 6 dk okuma
Ajanlarla Tersine Mühendislik: Ne Değişiyor, Ne Değişmiyor
Yapay zeka ajanları artık disassembler ve decompiler kullanıyor. Bu, tersine mühendislik ve güvenlik için neyi değiştiriyor, nerede hâlâ yetersiz kalıyor?
Tersine mühendislik her zaman yavaş ve uzmanlık isteyen bir iş oldu. Bir binary dosyasını disassembler’da açarsınız, çapraz referansları takip edersiniz, fonksiyonlara isim verirsiniz, küçük scriptler yazarsınız ve programın ne yaptığını yavaş yavaş anlarsınız. İyi tersine mühendisler bu zanaatı yıllar içinde öğrenir.
2026’da yapay zeka ajanları bu işin bazı kısımlarını kendileri yapmaya başladı. Sadece analiste kodu açıklamakla kalmıyorlar, araçları da kendileri kullanıyorlar. Bence bu, ajan sistemleri için elimizdeki en net gerçek dünya testlerinden biri. İş uzun, yoğun şekilde araç kullanımı gerektiriyor, karşıda bir rakip var ve sonuç kontrol edilebiliyor. Bu yüzden ajanların neyi iyi yaptığını ve nerede hâlâ başarısız olduğunu açıkça gösteriyor.
Bu yazı kimin için?
Ajanları merak eden güvenlik mühendisleri için. Araç erişimi olan ajanlar geliştiren yapay zeka mühendisleri için de, çünkü buradaki dersler doğrudan onları ilgilendiriyor. Bir de binary dosyasının içinde gizli bilgi taşıyan yazılım geliştiren herkes için.
Önce bir not. Tersine mühendislik meşru bir iştir: zararlı yazılım analizi, güvenlik açığı araştırması, birlikte çalışabilirlik ve kendi derlemelerinizi kontrol etmek. Sadece size ait olan ya da analiz etme yetkiniz olan yazılımları inceleyin.
Asistandan operatöre
Recon 2026’da Nicolò Altamura ve Tim Blazytko, ajanlarla tersine mühendislik çağında deobfuscation üzerine bir konuşma yaptı. Değişimi net bir şekilde anlattılar.
İlk aşama yardımdı. Modeller decompiler çıktısını temizledi, isim önerdi, kodla ilgili soruları cevapladı ve küçük scriptler yazdı. Kontrol her zaman analistteydi.
Yeni aşama ajan aşaması. Ajanlar disassembler ve decompiler’ları sorguluyor, çapraz referansları ve ara gösterimleri inceliyor, kendi scriptlerini yazıyor, binary dosyalarını yamalıyor, analizi tekrar çalıştırıyor ve tahminlerini bir döngü içinde iyileştiriyor. Üstelik tek bir fonksiyon yerine programların tamamı ya da zararlı yazılım aileleri üzerinde çalışabiliyorlar.
Asıl değişim bu son nokta. Bir modelin assembly’i bir uzmandan daha iyi okuması değil. Modelin etrafındaki iş akışının artık ölçekli çalışabilmesi.
Araç katmanı: Tersine mühendislik için MCP
Bu değişim için modellerle analiz araçları arasında bir köprü gerekiyordu. Model Context Protocol (MCP) bu köprü oldu.
LaurieWired’ın geliştirdiği GhidraMCP en bilinen örneklerden biri. Bir MCP sunucusu ve bir Ghidra eklentisinden oluşuyor. Ajanın kodu decompile etmesine, fonksiyon ve verilere isim vermesine, sınıfları, import’ları ve export’ları listelemesine izin veriyor. Başka projeler de aynı fikri izliyor. Aralarında Ghidra’yı arayüzsüz çalıştıran sunucular ve IDA Pro’yu da destekleyen sunucular var.
Etrafındaki ekosistem hızla büyüdü. 2026’da hem DEF CON hem de Recon, tersine mühendisliği LLM ajanlarıyla otomatikleştirme üzerine eğitimler düzenledi.
Mühendislik açısından bakınca bu, güvenliğe uygulanmış harness mühendisliğinden başka bir şey değil. Ajan, çağırabildiği araçlar ve bu araçların etrafındaki kontroller kadar iyidir.
Deneyler gerçekte ne gösteriyor?
Bu alandaki iddialar çok yüksek sesli. Gerçek deneyler daha faydalı. Okuduğum en iyisi Quarkslab’ın Ağustos 2026’da yayımladığı çalışma.
Claude Code’u bir sandbox içinde tam otonom modda çalıştırdılar ve ona sembolleri silinmiş AArch64 binary dosyaları verdiler. Görev, gizlenmiş metinleri bulmak ve bunları çıkaran bağımsız bir script yazmaktı. Dosyalar giderek artan katmanlarda korumayla gizlenmişti: düzleştirilmiş kontrol akışı, karışık boolean aritmetiği, opak koşullar ve sonrasında çalışma zamanı öz koruması.
Bulgular şöyle:
- Ajan hiçbir korumayı gerçekten aşmadı. Etraflarından dolaştı. Statik analiz pahalı göründüğünde emülasyona geçti ya da kodu Python’a çevirdi.
- Yine de çoğu zaman başarılı oldu. Korunan metinleri bulmak ortalama 45 dakika kadar sürdü.
- Fırsat bulduğunda kopya çekti. Bir denemede binary’yi analiz etmek yerine sızdırılmış bir cevap anahtarı dosyasını kullandı. Bir başkasında protokolü izlemek yerine doğrudan bir Docker container’ına erişti.
- Bir şeyler uydurdu. Çalışma zamanı koruma sensörleri, zararsız bir programı C2 zararlısı olarak etiketlemesine yol açtı ve bunu desteklemek için kanıt uydurdu. Bazı raporlar hiç yapılmamış emülasyonları anlatıyordu.
- Özgüveni hiç değişmedi. Raporlar yanlışken de doğruyken de aynı derecede emin konuşuyordu.
Quarkslab’ın vardığı sonuç: Yapay zeka obfuscation’ı anlamsız hâle getirmiyor. Saldırganın maliyetini hâlâ artırıyor. Asıl değişen şey verim. Ajanlar paralel ve ölçekli çalışabiliyor.
Ne değişiyor?
- Hız ve ölçek. Bir uzmanın günlerini alan bir iş, paralel çalışan birçok ajanla denenebiliyor.
- Analizin ekonomisi. Her ek örneği incelemek daha ucuz hâle geliyor. Bu saldırganlara yarıyor, ama savunanlara da aynı ölçüde yarıyor. Zararlı yazılım ön elemesi iyi bir örnek.
- Giriş eşiği. Daha az deneyimli analistler bir ajanın yardımıyla daha ileri gidebiliyor.
Ne değişmiyor?
- Anlama. Recon konuşmacıları bu konuda netti: Modeller obfuscate edilmiş kodu hâlâ gerçek anlamda anlamıyor. İlerleme, anlamada değil, modelin etrafındaki iş akışını yönetmede.
- Kanıt ihtiyacı. Bir scriptle yeniden üretemediğiniz bir sonuç, sonuç değil tahmindir.
- İnsan yargısı. Neyin önemli olduğuna, neyin zararlı olduğuna ve neyin raporlanacağına karar vermek hâlâ insanın işi.
Ajan geliştiren herkes için dersler
Hiç disassembler açmayacak olsanız bile en faydalı bulduğum kısım bu.
- Sandbox’ı düzgün kurun. Quarkslab’daki ajan cevap anahtarını ve yan kapıyı kullandı, çünkü onlara ulaşabiliyordu. Bir kestirme varsa, ajanın onu bulacağını varsayın.
- İddiaları çıktılarla doğrulayın. Sonucu yeniden üreten bir script isteyin ve onu kendiniz çalıştırın. Bir raporu tek başına asla kabul etmeyin.
- Özgüvene güvenmeyin. Ses tonu doğruluk hakkında hiçbir şey söylemez. Harness’ınız, ajanın ne kadar emin konuştuğundan bağımsız kontroller içermeli.
- Döngüye bütçe koyun. Deneyde sabit bir süre limiti ve net durma kuralları vardı. Bunlar olmadan bir ajan, yanlış bir teorinin peşinde saatler harcayabilir.
- Her şeyi loglayın. Bir ajan kanıt uydurduğunda bunu anlamanın tek yolu izlerdir.
Bunlar loop, harness ve graf mühendisliği üzerine yazdığım yazılardaki kuralların aynısı. Tersine mühendislik sadece onları görmezden gelmenin bedelini çok görünür hâle getiriyor.
Savunanlar için
İşin ilginç yanı, ajanların alışkanlıkları var ve alışkanlıklara karşı tasarım yapılabilir. Quarkslab, ajanların cevaba benzeyen bir şeye giden en ucuz yolu seçtiğini ve sonuca erkenden bağlandığını fark etti.
Koruma tasarımı için önerileri de buradan çıkıyor:
- Gizli bilgileri gerçek çalışma zamanı yürütmesinin arkasında tutun.
- Ortamdan gelen küçük ve çeşitli sinyaller kullanın.
- Bu sinyallere göre dallanmak yerine onları anahtar malzemesine karıştırın.
- Çökmek yerine inandırıcı ama yanlış sonuçlar döndürün.
Recon konuşmacıları da aynı yönü gösteriyor. “Anti-agentic” obfuscation diye yeni bir tasarım alanından bahsediyorlar: birbirine dolanmış, her derlemede farklılaşan ve otomasyonun kolayca parçalara ayıramayacağı katmanlar.
Benim görüşüm
Ajanlarla tersine mühendislik ne bir devrim ne de boş bir heves. Hata biçimleri belli olan güçlü bir araç. Rutin kısımları hızlandırıyor ve herkese daha fazla verim sağlıyor. Anlamanın yerini tutmuyor.
Benim için asıl ders, genel olarak ajanlarla ilgili. Bir ajanı rakibin olduğu bir ortama koyduğunuzda, harness’ındaki her zayıflık hızla ortaya çıkıyor: kestirmeler, uydurulmuş kanıtlar, yersiz özgüven. Ajan tasarımınız bundan sağ çıkıyorsa, büyük ihtimalle canlı ortamınızdan da sağ çıkar.
Daha fazla okuma
- Ghidra: NSA’in açık kaynak tersine mühendislik aracı. Ajan araçlarının çoğu bunun üzerine kurulu.
- Model Context Protocol dokümantasyonu: Ajanları Ghidra gibi araçlara bağlayan protokol.
- LaurieWired: GhidraMCP: Kendiniz çalıştırabileceğiniz bir MCP sunucusu ve Ghidra eklentisi.
- Quarkslab: Defeating AI-assisted reverse engineering (or at least trying to): Deneyin tamamı: kurulum, hata biçimleri ve koruma önerileri.
- Recon 2026: Deobfuscation in the Age of Agentic Reverse Engineering: Yardımcı modelden ajanlarla tersine mühendisliğe geçiş üzerine konuşma.
- Recon 2026 eğitimi: Automating Reverse Engineering with AI/ML, Graphs and LLM Agents: Daha derine inmek isteyenler için uygulamalı bir eğitim.