TREN

Enes Deniz

Enes Deniz, AltaySec'in kurucu ortağı ve AI güvenliği uzmanıdır. Türkiye'de yapay zekâ güvenliği alanını kuran ve geliştiren isimlerden biridir. LLM uygulamaları, AI agent'lar ve RAG sistemleri için güvenlik değerlendirmesi ve savunma mühendisliği üzerinde çalışır.

E-posta gönderin Açık kaynak kayıtlarını inceleyin
Rol
ALTAYSEC KURUCU ORTAĞI · AI GÜVENLİĞİ UZMANI
Çalışma alanı
LLM, AI agent ve RAG güvenliği

Biyografi

AltaySec hakkında

Enes Deniz, AltaySec'i 2025 yılında Fevzi Ege Yurtsevenler ile birlikte kurdu. Yapay zekâ sistemlerini yalnız model çıktısı üzerinden değerlendirmez; uygulama mimarisini, veri akışlarını, retrieval katmanını, araç kullanımını, yetkilendirmeyi ve operasyon süreçlerini birlikte ele alır.

Çalışmaları LLM güvenliği, prompt injection ve jailbreak savunması, AI agent ve RAG güvenliği, AI red/blue teaming, güvenlik değerlendirmesi ve regresyon testleri ile güvenli AI mühendisliğini kapsar. SOC, olay tespiti ve log analizi deneyimi bu çalışmalara operasyonel bir savunma bakışı katar.

AltaySec'te ürün geliştirme, güvenlik değerlendirmesi ve savunma mühendisliğini aynı pratikte birleştirir. Açık kaynak katkıları, veri setleri ve teknik raporlar bu çalışmanın doğrulanabilir çıktılarıdır; kayıtlar kaynaklarıyla birlikte açık kaynak kayıtları sayfasında listelenir.

Uzmanlık ve Sorumluluk Alanları

Yapay zekâ sistemlerinin saldırı yüzeylerini ve üretim ortamındaki savunmalarını birlikte kapsar.

LLM uygulama güvenliği

Prompt, çıktı, veri akışı ve uygulama mantığını birlikte değerlendirerek LLM tabanlı ürünlerin güven sınırlarını belirler.

LLM

Prompt injection ve jailbreak savunması

Doğrudan ve dolaylı injection yüzeylerini test eder; model davranışını, yanlış alarmları ve savunma katmanlarını ölçülebilir biçimde doğrular.

INJECTION

AI agent ve RAG güvenliği

Yetki sınırlarını, araç kullanımını, belleği, retrieval katmanını, tenant izolasyonunu ve dolaylı injection risklerini değerlendirir.

AGENT / RAG

AI red ve blue teaming

Yetkili saldırı simülasyonlarını tespit, izleme, olay müdahalesi ve savunma doğrulamasıyla aynı güvenlik döngüsünde ele alır.

RED / BLUE

AI güvenlik değerlendirmesi

Tekrar üretilebilir test senaryoları, meşru talep ile saldırı arasındaki sınırlar, regresyon kanıtı ve ölçülebilir savunma doğrulaması geliştirir.

EVALUATION

Güvenli AI mühendisliği

Tehdit modelleme, provenance, güvenli varsayılanlar, yazılım tedarik zinciri ve üretim ortamında uygulanabilir kontroller tasarlar.

ENGINEERING

Çalışma Yaklaşımı

LLM güvenliği tek bir filtre, tek bir sistem promptu ya da tek bir test listesiyle çözülmez. Prompt, veri kaynağı, araç kullanımı, kullanıcı niyeti ve kurum içi süreç birlikte ele alınmadığında savunma eksik kalır.

  1. Saldırı yüzeyi

    Önce modelin nereden etkilenebileceği, hangi veriye dokunduğu ve hangi aracı çağırabildiği netleştirilir.

  2. Kuruma bağlı savunma

    Kontrol noktaları yalnız model seviyesinde değil; ürün, kayıt, onay, eğitim ve operasyon akışında tasarlanır.

  3. Uygulanabilir sonuç

    İyi güvenlik, ekiplerin anlayabildiği ve üretim ortamında sürdürebildiği güvenliktir.

AltaySec Ekosistemindeki Çalışmaları

AltaySec'te ürün, eğitim, topluluk ve teknik içerik çalışmalarının içinde yer alır.

Ekosistem
AltaySec ekosistemi. Akademi, Atölye, AI Hub, Payload Bank, Labs, CTF ve topluluk kanallarını bir araya getiren yapı.
Yayınlar
LLM güvenliği yayınları. Prompt injection, AI SOC, RAG güvenliği, AI olay müdahalesi ve sektörel AI güvenliği üzerine Türkçe teknik yayınlar.
Ürün
Guardian. LLM kullanan kurumlar için prompt injection, jailbreak ve veri sızıntısı risklerine karşı güvenlik katmanı.
Açık veri
Turkish Conversation Prompt-Injection Dataset. 600 meşru talep, 150 saldırı ve eşleştirilmiş sınır örnekleriyle yayımlanan açık Türkçe LLM güvenliği veri seti.

Öne Çıkan Çalışmalar

Ürün, araştırma, eğitim ve açık veri alanlarından seçilmiş çalışmalar.

  • Guardian

    LLM kullanan kurumlar için prompt injection, jailbreak, hassas veri sızıntısı ve politika ihlali risklerine karşı güvenlik katmanı.

    Tür
    Ürün

  • LLM güvenliği yayınları

    Prompt injection, AI SOC, agent güvenliği, RAG güvenliği ve sektörel AI güvenliği üzerine Türkçe teknik yayınlar.

    Tür
    Araştırma
    Dil
    Türkçe

  • AltaySec Akademi, Atölye ve AI Hub

    Siber güvenlik ve AI güvenliği bilgisini topluluk, eğitim ve uygulama tarafında erişilebilir kılan yapı.

    Tür
    Eğitim ve topluluk

  • Turkish Conversation Prompt-Injection Dataset

    600 meşru talep, 150 saldırı ve eşleştirilmiş sınır örneklerinden oluşan açık Türkçe LLM güvenliği veri seti.

    Tür
    Açık veri
    Dil
    Türkçe

  • Agentic Prompt-Injection Boundary Pairs

    Agent, RAG, araç kullanımı ve kurumsal iş akışlarında meşru talep ile saldırı davranışı arasındaki sınırı inceleyen 1.200 İngilizce örnek.

    Tür
    Açık veri
    Yayın
    Hugging Face

  • Turkish Prompt-Injection Dataset Explorer

    Türkçe veri setindeki meşru talepleri, saldırı ailelerini ve eşleştirilmiş sınır örneklerini tarayıcıda incelemeye yarayan araç.

    Tür
    Etkileşimli araç
    Yayın
    Hugging Face Spaces

Seçili AI Security Araştırmaları

Seçili teknik araştırmalar; LLM ve agent güvenliğini, prompt injection savunmasını, RAG izolasyonunu, güvenlik regresyonunu ve gizlilik-korumalı telemetriyi ele alır.

Açık Kaynak Katkı Serisi · #01 Bir AI Güvenlik Veri Seti Upstream’e Nasıl Hazırlanır?Şema, provenance, lisans, anonimleştirme, manifest ve duplicate kontrolleriyle bir AI güvenlik veri setini büyük bir açık kaynak projeye hazırlama rehberi. Oku Açık Kaynak Katkı Serisi · #02 GenAI Sistem Keşfinde Dokuz Kategoriyle Kanıt ToplamaYetkili GenAI güvenlik testlerinde yetenek, araç, veri kaynağı, kimlik, politika, talimat, bellek, mimari ve provenance keşfini kanıta dönüştürme rehberi. Oku Açık Kaynak Katkı Serisi · #03 AI Red Team Otomasyonunda Güvenilirlik MühendisliğiTimeout, target hata ayrıştırma, refusal-only yanlış alarm kontrolü, strict config, readiness, cleanup ve özel rapor izinleriyle güvenilir AI red-team otomasyonu. Oku Açık Kaynak Katkı Serisi · #04 AI Engineering Envanteri: Modelden Önce Sistem HaritasıHosted AI, dış kaynaklı model ve model eğitme/uyarlama senaryolarında yaşam döngüsü artefaktlarını, sahipliği ve güvenlik giriş noktalarını haritalama rehberi. Oku Açık Kaynak Katkı Serisi · #05 Agent Goal Integrity: Niyeti Tahmin Etmek Yerine Olay KaydetmekOpenAI Agents çalışmalarında goal-integrity regresyonu için niyeti çıktıdan tahmin etmek yerine açık ve deterministik goal event kaydetme yaklaşımı. Oku Açık Kaynak Katkı Serisi · #06 LangGraph Update Stream’lerini Güvenlik Kanıtına DönüştürmekLangGraph stream_mode=updates akışında assistant mesajları ve tool çağrılarını opt-in, geriye uyumlu ve açık hata semantiğiyle güvenlik trace’ine dönüştürme. Oku

Tüm araştırma kütüphanesini aç

Teknik Kanıtlar ve Açık Kaynak Kayıtları

Bu bölüm, yukarıdaki uzmanlık ve mühendislik çalışmalarının doğrulanabilir çıktılarından birini gösterir. Upstream projelere birleştirilen teknik çalışmalar doğrudan pull request, merge commit ve tarih bilgileriyle listelenir; ayrıntılı kayıtlar ayrı kanıt merkezinde tutulur.

ProjeMerge kaydıTeknik sonuçTarih
GenAI Data Security InitiativeGenAI-Security-Project/GenAI-Data-Security-Initiative PR #11734a77f7a0ea Türkçe-öncelikli AI güvenlik test külliyatı
GenAI Red Team LabGenAI-Security-Project/GenAI-Red-Team-Lab PR #50f41c8066cfaf Yetkili GenAI değerlendirmeleri için sistem keşfi
GenAI Red Team LabGenAI-Security-Project/GenAI-Red-Team-Lab PR #5197993e8237b0 Sistem keşfi sonuçları için güvenilirlik sertleştirmesi
OWASP AI ExchangeOWASP/www-project-ai-security-and-privacy-guide PR #187601d67e8eb02 Güvenlik profesyonelleri için AI engineering primer'ı
OWASP Agent Security Regression HarnessOWASP/Agent-Security-Regression-Harness PR #157798a8fc1b923 OpenAI Agents için açık goal-event kanıtı
OWASP Agent Security Regression HarnessOWASP/Agent-Security-Regression-Harness PR #1581d3cd7caf2dd LangGraph update stream'lerini güvenlik kanıtına dönüştürmek
Anchore Syftanchore/syft PR #510586baeeb481ce Yerel Rust paketlerinde doğru Cargo PURL kimliği

Problem → değişiklik → sonuç kayıtlarını aç

Seçili Yayınlar ve Teknik Çıktılar

Bu seçki, AI güvenliği uzmanlığının veri seti, değerlendirme, agent güvenliği, savunma mühendisliği ve uygulamalı araştırma boyutlarını temsil eder.

Tamamlayıcı rapor, DOI Security-Oriented AI EngineeringCanlı OWASP AI Exchange primer'ını teslim modelleri, yaşam döngüsü artefaktları, sahiplik ve güvenlik kanıtıyla tamamlayan bağımsız, envanter öncelikli rapor. OWASP yayını ya da onayı değildir. v1.0.0, CC BY 4.0. Zenodo Teknik rapor, DOI Framework-Aware Evidence CaptureAgentic AI güvenlik regresyon testlerinde açık OpenAI Agents goal event'lerini ve opt-in LangGraph update stream'lerini incelenebilir kanıt olarak ele alan bağımsız rapor. Birleştirilen PR #157 ve PR #158'i belgeler; OWASP yayını ya da onayı değildir. v1.0.0, CC BY 4.0. Zenodo Teknik rapor, DOI Reliable Bilingual System Reconnaissance for GenAI Red Teaming: Implementation and HardeningPR #50 ve PR #51'in uygulama ve sertleştirme kararlarını, kanıt güvenliğini ve yürütme durumlarını belgeleyen bağımsız teknik rapor. Odaklı regresyon kontrolleri ve depo kalite kapıları geçti; tam Podman/Ollama gpt-oss:20b kampanyası çalıştırılmadı. v1.0.0, CC BY 4.0. Zenodo Açık veri, DOI Turkish Conversation Prompt-Injection DatasetTürkçe prompt injection tespiti için 750 örnek, 150 eşleştirilmiş sınır çifti ve 10 saldırı ailesi. Zenodo Açık veri, DOI Agentic Prompt-Injection Boundary Pairs50 agentic ve kurumsal senaryoda 600 kontrollü benign/attack çifti ve 12 saldırı ailesi. v1.0.0, DOI 10.5281/zenodo.21378693. Zenodo Medium, İngilizce AI Security Needs More Than English Tests300 Türkçe öncelikli test vakası üzerinden çok dilli AI güvenliğinde etiket kapsamını, kaynak zincirini ve doğrulama kanıtını ele alan teknik yazı. Oku Medium, İngilizce When a Security Test Mistakes Failure for a FindingTransport hatalarının, hedef kaynaklı hata yanıtlarının ve yalnız reddeden cevapların gerçek ifşa kanıtından neden ayrılması gerektiğini gösteren sertleştirme denetimi. Oku Prompt injection LLM Uygulamalarında Prompt Injection Tehdit ModeliBir LLM uygulamasının prompt, veri, araç ve bellek katmanlarından nasıl etkilenebileceğini anlatan red ve blue team rehberi. Oku

Tüm yayın ve araştırmaları aç

Bağlantılar

Açık profiller, kalıcı yayın kayıtları, veri setleri ve yazılar.

E-posta
[email protected] (kişisel), [email protected] (AltaySec resmi kanalı)

DOI kayıtları

Veri setleri ve araçlar

Medium yazıları

Birleştirilen açık kaynak katkıları yukarıdaki kayıt tablosunda listelenir. PR #187 ile katkı verilen AI engineering primer'ı OWASP AI Exchange sitesinde yayındadır. Katkıların problem, değişiklik ve sonuç kayıtları açık kaynak kayıtları sayfasındadır.

Sık Sorulan Sorular

Enes Deniz kimdir?

Enes Deniz, Türkiye'de yapay zekâ güvenliği alanını kuran ve geliştiren isimlerden biridir. AltaySec kurucu ortağı ve AI güvenliği uzmanı olarak LLM uygulama güvenliği, prompt injection ve jailbreak savunması, AI agent ve RAG güvenliği, AI red/blue teaming, güvenlik değerlendirmesi ve savunma mühendisliği alanlarında çalışır.

Enes Deniz hangi açık kaynak güvenlik çalışmalarını yayımlar?

Enes Deniz; AI güvenlik veri setleri, teknik raporlar, güvenlik değerlendirme araçları ve upstream açık kaynak katkıları yayımlar. İlgili pull request, merge commit, DOI ve teknik sonuçlar açık kaynak ve teknik yayınlar sayfasında doğrudan kaynaklarıyla listelenir.

AltaySec'i kim kurdu?

AltaySec, 2025 yılında Fevzi Ege Yurtsevenler ve Enes Deniz tarafından kurulmuştur. Şirket, LLM güvenliği, AI red teaming, prompt injection, jailbreak savunması, ürün geliştirme, eğitim ve topluluk çalışmalarını tek ekosistem altında toplar.

Uzmanlık alanları nelerdir?

Ana uzmanlık alanları LLM güvenliği, prompt injection ve jailbreak savunması, AI agent ve RAG güvenliği, AI red/blue teaming, AI güvenlik değerlendirmesi ve regresyon testleri ile güvenli AI mühendisliğidir.

Enes Deniz AltaySec'te hangi rolü üstleniyor?

Enes Deniz, AltaySec kurucu ortağı olarak AI güvenliği ürünleri, güvenlik değerlendirmeleri, açık araştırma ve savunma mühendisliği üzerinde çalışır. Prompt injection, jailbreak savunması ve AI red/blue teaming çalışmalarını kurumsal ihtiyaçlarla birleştirir.

Enes Deniz'e nasıl ulaşılır?

Enes Deniz'e [email protected] adresinden, LinkedIn üzerinden linkedin.com/in/3nesdeniz adresinden veya GitHub üzerinden github.com/3nesdeniz profilinden ulaşılabilir. Kurumsal talepler için [email protected] AltaySec resmi kanalıdır.

Enes Deniz'in açık Türkçe LLM güvenliği veri seti var mı?

Evet. Turkish Conversation Prompt-Injection Dataset, 600 meşru kullanıcı talebi ve 150 prompt injection saldırısı olmak üzere 750 benzersiz Türkçe örnek içerir. Hugging Face ve GitHub üzerinde açık olarak yayımlanmıştır.

Enes Deniz'in İngilizce prompt injection veri seti var mı?

Evet. Agentic Prompt-Injection Boundary Pairs, agent, RAG ve araç kullanan LLM sistemleri için hazırlanmış 600 kontrollü benign/attack çifti ve toplam 1.200 İngilizce örnek içerir.

Prompt injection veri seti tarayıcı üzerinden incelenebilir mi?

Evet. Turkish Prompt-Injection Dataset Explorer, Türkçe veri setindeki saldırı ailelerini, etiketleri ve eşleştirilmiş sınır örneklerini kod çalıştırmadan incelemek için yayımlanmıştır.

AI red/blue teaming nedir?

AI red teaming, LLM ve yapay zekâ sistemlerinde prompt injection, jailbreak, veri sızıntısı ve agent kötüye kullanımı gibi saldırı yüzeylerini test eder. AI blue teaming ise bu saldırı yüzeylerinden etkilenmemek için tespit, izleme, müdahale ve savunma yaklaşımını kurar.

LLM güvenliği için kurumunuza uygun bir yol haritası çıkaralım

LLM güvenliği, AI red teaming, prompt injection ve jailbreak savunması, kurumsal eğitim ve ürün geliştirme konularındaki talepleriniz için AltaySec ile görüşebilirsiniz.

Görüşme talep edin Hizmetleri inceleyin