---
title: "Ne Söylediği Değil, Ne Olduğu: Ajan Tabanlı Web Etkileşimlerini Web Semantiği ile Güvence Altına Almak"
url: https://blog.edumints.com/ne-soyledigi-degil-ne-oldugu-ajan-tabanli-web-etkilesimlerini-web
category: "AI Araçları"
date: 2026-10-19T15:05:13.869Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hugging Face Papers"
source_url: https://huggingface.co/papers/2610.22697
---

# Ne Söylediği Değil, Ne Olduğu: Ajan Tabanlı Web Etkileşimlerini Web Semantiği ile Güvence Altına Almak

**MODÜL:** Production'da Agent Güvenilirliği

## Web Gezintisinde Ajanların Karşılaştığı Semantik Boşluk

Yapay zeka ajanları, kullanıcılar adına web'de giderek daha fazla gezinmeye başladı. Ancak bu ajanlar web sayfalarını genellikle düz ekran görüntüleri veya ham metinler olarak tüketiyor ve bu durum arka plandaki büyük dil modellerini (LLM) doğrulanmamış üçüncü taraf içeriklere açık hale getiriyor. Modern web tarayıcıları, bir öğenin ne yapabileceğinin **ne söylediğine değil, ne olduğuna ve nereden geldiğine (provenance)** bağlı olduğu sıkı semantik kurallar uygular. Ajanlar ise sayfayı düzleştirerek bu semantik yapıyı kaybeder; böylece sayfaya enjekte edilen kötü niyetli bir metin (dolaylı prompt enjeksiyonu), hiçbir yetkisi olmayan bir içerik adına LLM'i kullanıcının yetkilerini kullanmaya ikna edebilir. LLM'ler ikna edilmeye açık olmaya devam ettiği sürece, ajanın web ile olan arayüzü bizzat ajanın okuduğu, yorumladığı ve yaptığı işlemlerin bütünlüğünü garanti altına almalıdır.

## Intact ve GenTree Mimarisi

Araştırmacılar, değiştirilmemiş standart bir tarayıcı üzerinde çalışan **Intact** sistemini önermektedir. Intact, web semantiğini ve içerik kaynağını (provenance) yakalayan özel bir temsil olan **GenTree** yapısını oluşturur. Sistemin çalışma prensipleri şu temel adımlara dayanır:

- **Öğelerin İzole Değerlendirilmesi:** Intact, sayfayı GenTree aracılığıyla LLM'e her seferinde tek bir öğe olacak şekilde iletir; böylece LLM, sayfadaki diğer öğelerin metinlerinden etkilenmeden her öğe hakkında bağımsız karar verir.
- **Yetenek Sınırlandırması ve Kullanıcı Onayı:** Sistemin yürütme katmanı (harness), her adımı yalnızca ilgili öğenin sahip olduğu gerçek tarayıcı yetenekleri dahilinde çalıştırır ve üçüncü taraf içerikler üzerinde işlem yapmadan önce mutlaka kullanıcıdan onay ister.

## Deneysel Sonuçlar ve Performans Verileri

Gerçek dünya senaryolarında yapılan kapsamlı testler, semantik korumanın geleneksel ajan planlayıcılarına kıyasla sağladığı güvenlik farkını net biçimde ortaya koymaktadır:

- **Kaynak Tespiti (Provenance):** 1.270 gerçek web sayfasında GenTree, üçüncü taraflara ait öğeleri tarayıcıya kıyasla **2,3 kat** daha fazla tespit etmiştir (standart tarayıcı bu öğelerin **%58,7'sini** hatalı şekilde birinci tarafa atfetmektedir).
- **Saldırı Engelleme:** Saldırı enjekte edilmiş 1.091 web sayfasında, geleneksel bir planlayıcıda saldırıların **%73,1'i** başarılı olurken, Intact planlayıcısını yalnızca **%12,8'i** geçebilmiştir; üstelik geçenlerin tamamı en fazla bir kullanıcı onay isteğine dönüşebilmiştir.
- **İşlevsellik ve Gecikme:** İzolasyon mekanizması görevlerin yalnızca **%3,7'sinde** işlevselliği kesintiye uğratmıştır ve paralel bir zamanlama (parallel schedule) ile eklenen gecikmenin (latency) büyük kısmı ortadan kaldırılabilmektedir.

## Yazılım Geliştirme Açısından Pratik Çıkarımlar

Otonom ajanlar ve tarayıcı otomasyonu geliştiren mühendisler için bu araştırmadan çıkarılabilecek kritik dersler şunlardır:

- **DOM ve Kaynak Bilgisini Koruyun:** Ajanlara web sayfalarını yalnızca `innerText` veya ekran görüntüsü olarak vermek yerine, öğelerin `iframe` kökenlerini, script kaynaklarını ve HTML rollerini koruyan yapılandırılmış ağaçlar sunun.
- **En Az Yetki İlkesini Yürütme Katmanına Taşıyın:** Güvenliği yalnızca sistem istemlerine (system prompt) bırakmayın; LLM ikna edilse bile yürütme katmanınız (harness) üçüncü taraf bir öğenin hassas bir eylemi tetiklemesini kod düzeyinde engellemeli veya **Human-in-the-Loop (İnsan Onayı)** mekanizmasını devreye sokmalıdır.
- **Paralel İzolasyon Tasarlayın:** Bağlam kirliliğini önlemek için sayfa bileşenlerini ayrı LLM çağrılarında paralel olarak işleyerek hem güvenliği artırabilir hem de gecikme süresini optimize edebilirsiniz.

---

**Kaynak:** Hugging Face Papers (https://huggingface.co/papers/2610.22697)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/ne-soyledigi-degil-ne-oldugu-ajan-tabanli-web-etkilesimlerini-web