Veracode: Yapay zekâ ile üretilen kod güvenlik görevlerinin %44'ünde hâlâ başarısız, ikinci yılda da değişim yok

Büyük dil modelleri artık neredeyse her zaman çalışan kod üretiyor — ve neredeyse yarısı da üretilmemesi gereken kod. Veracode'ın 2026 GenAI Code Security Report'u, yapay zekâ ile üretilen kodun ortalama güvenlik başarı oranını %56 olarak açıklıyor; yani görevlerin kabaca %44'ü başarısız — 2025 baskısıyla fiilen aynı bir sonuç. Bulgular, Kasım 2026'da dev.to'da yayımlanan ve özgün olarak shipfastdev.com'da yayımlanmış bir yazıda özetlendi.

Bu iki sayı arasındaki tezat temel sorun. dev.to analizine göre, test edilen kod neredeyse %100 oranında derlendi. İşlevsel doğruluk sürekli iyileşiyor; güvenlik iyileşmiyor.

Veracode neyi ölçtü

Veracode'ın 2025 raporu, 100'den fazla büyük dil modeline özenle seçilmiş 80 kodlama görevi verdi. Güvenli ve güvensiz bir uygulamanın ikisi de mevcut olduğunda, modeller %45 oranında güvensiz olanı seçti. Java en riskli dildi; güvenlik kontrollerini görevlerin %70'inden fazlasında geçemedi, Python, C# ve JavaScript ise %38 ile %45 arasında kaldı. Modeller cross-site scripting'e karşı vakaların %86'sında, log injection'a karşı %88'inde savunma sağlayamadı. Daha büyük modeller küçüklerden anlamlı bir şekilde daha iyi değildi.

2026 baskısında hiçbir ilerleme görülmedi. Yaz 2026 sıralamasındaki en iyi model %68 başarı oranına ulaştı; bu da hâlâ üç güvenlik görevinden birine yakın bir oranda başarısız olduğu anlamına geliyor. Python kodu %63 oranında geçerken Java %30'da kaldı. Kodlama konusunda uzmanlaşmış modeller (%51) genel amaçlı modellerle (%52) benzer düzeydeydi ve model boyutu yine belirgin bir fark yaratmadı; ancak reasoning modelleri %56'ya karşı %51 ile mütevazı bir üstünlük korudu.

Bağımsız araştırmalar da aynı yönü gösteriyor

Akademik çalışmalar da hemfikir. 2022'de IEEE Symposium on Security and Privacy'de sunulan "Asleep at the Keyboard?", GitHub Copilot ile 89 güvenlikle ilgili senaryo boyunca 1.689 program üretti ve kabaca %40'ının güvenlik açığı taşıdığını buldu. ACM CCS 2023'te yayımlanan bir kullanıcı çalışmasında, yapay zekâ asistanıyla çalışan katılımcıların, asistan kullanmayanlardan önemli ölçüde daha az güvenli kod yazdığı — ve kodlarının güvenli olduğuna inanma olasılıklarının daha yüksek olduğu görüldü.

USENIX Security 2025'te bir makale, 16 modelden 576.000 kod örneğini analiz etti ve ticari modellerin önerdiği paketlerin %5,2'sinin, açık kaynak modellerinkilerin ise %21,7'sinin mevcut olmadığını, 205.474 benzersiz uydurma paket adı bulunduğunu saptadı. Bir saldırgan, bir modelin var sanma eğiliminde olduğu bir adla kötü niyetli bir paket kaydederek denetlenmemiş bir kurulumu doğrudan bir ele geçirme yoluna dönüştürebilir.

Başarısızlık oranı neden düşmüyor

Güvenlik genellikle modelin elinde olmayan bağlama bağlıdır: hangi girdi güvenilmeyen bir kullanıcıdan geliyor, hangi kaydı kim görebilir, ortamda hangi gizli bilgiler var. dev.to yazısı, verinin nerede görüntüleneceğini bilmeyi gerektiren cross-site scripting'in 2025 testlerindeki en kötü sonuçlar arasında olduğunu belirtiyor. Model isteneni teslim ediyor; güvenli olup olmadığı ise söylenmemiş olanlara bağlı.

Yinelenen başarısızlık örüntüleri şunları içeriyor:

• Güvenilmeyen girdinin çıktıya veya sorgulara ulaşması: cross-site scripting, SQL injection, log injection.
• Eksik yetkilendirme kontrolleri; örneğin bir endpoint'in kullanıcının oturum açtığını ama kaydın ona ait olduğunu doğrulamaması.
• Kaynak dosyalara yapıştırılan veya front-end paketlerine gömülen gizli bilgiler.
• Uydurulmuş ya da güncelliğini yitirmiş bağımlılıklar.
• Güvensiz varsayılanlar: izin verici CORS, açık debug modu, üretimde ayrıntılı hata mesajları.
• Zayıf kriptografi veya framework ilkeleri yerine elle yazılmış kimlik doğrulama.

Kurumsal düzeyde Google'ın 2025 DORA raporu, yapay zekâ benimsemenin daha yüksek teslim hızıyla bağlantılı olduğunu ama teslim kararlılığıyla hâlâ negatif bir ilişki gösterdiğini buldu. Raporun açıklaması güvenliğe doğrudan uygulanabilir: güçlü otomatik testler ve hızlı geri bildirim döngüleri olmadan, daha fazla değişiklik hacmi daha fazla olay üretir.

Yazı neleri öneriyor

dev.to yazısına göre cevap yapay zekâ araçlarını yasaklamak değil, çıktılarını herhangi bir denetlenmemiş harici katkının standardına tabi tutmak: üretim öncesi inceleme, tarama ve test. Kontrol listesi, her yapay zekâ ile üretilmiş değişikliği bir insanın satır satır incelemesini, her endpoint'te (yalnızca kimlik doğrulama değil) yetkilendirme kontrollerini, framework düzeyinde çıktı kaçışıyla sunucu tarafı girdi doğrulamasını, parametreli sorguları, yeni paketlerin mevcut ve bakımda olduğunu doğrulamayı, otomatik bağımlılık denetimlerini ve gizli bilgi taramasını, her pull request üzerinde CI'da statik analiz yapılmasını, oturum açma, izin ve ödeme akışlarını kapsayan testleri, sağlamlaştırılmış üretim varsayılanlarını, yapay zekâ ajanlarının üretim kimlik bilgilerinden uzak tutulmasını ve güvenlik kararlarının net bir sahipliğini talep ediyor.

Neden önemli

Yapay zekâ ile yazılan kod geliştirme iş akışlarının varsayılan bir parçası hâline geldi ve Veracode'ın verisi, kod derleme konusunda iyileşirken güvenlik performansının 2025 ve 2026 raporları arasında sabitlendiğini gösteriyor. Dolayısıyla bir sonraki model neslini beklemek bir risk azaltma stratejisi değil ve özellikle Java ekipleri %30'luk bir başarı oranından çalışıyor. Pratik sonuç şu: insan incelemesi, statik analiz, bağımlılık denetimleri, gizli bilgi taraması ve yetkilendirme testleri gibi köklü en iyi uygulamalar artık ekiplerin daha hızlı teslim mi ettiğini yoksa güvenlik açıklarını mı daha hızlı teslim ettiğini belirliyor. Yapay zekâ yardımcısının aşırı güven yarattığına dair CCS 2023 bulgusu, bu kapıları atlamayı özellikle cazip kılıyor — tam da bu yüzden bu kapıların geliştirici disiplinine değil, CI'da otomatik olarak çalışmasına bağlı olması gerekiyor.