Vektör veri tabanı güvenliği, metin, görsel veya belgelerin sayısal gömme (embedding) vektörlerine dönüştürülerek saklandığı ve benzerlik aramasıyla sorgulandığı sistemlerin korunmasını konu alır. Bu veri tabanları, üretken yapay zekâ uygulamalarında modelin dış bilgiyi geri çağırdığı bellek görevini görür; içinde tutulan vektörler ise çoğu zaman şirketin gizli belgelerinden türetilmiştir.

Gömme vektörü, kaynağın şifrelenmiş bir kopyası değil, anlamını taşıyan bir izidir; bu iz de en az kaynağı kadar korunmayı hak eder.

Vektörler Ne Kadar Masum?

Yaygın bir yanılgı, sayıya dönüşen verinin artık okunamaz olduğudur. Oysa gömme ters çevirme (embedding inversion) çalışmaları, bir vektörden kaynak metnin önemli bir bölümünün geri kurulabildiğini göstermiştir. Dolayısıyla bir müşteri sözleşmesinden üretilmiş vektöre erişen saldırgan, belgenin özünü çıkarabilir. Bu nedenle vektör deposu, ham veri deposuyla aynı gizlilik sınıfında değerlendirilmeli ve kurumun bütünsel Yapay zekâ güvenliği duruşunun bir parçası olarak ele alınmalıdır.

Öne Çıkan Riskler

Vektör veri tabanlarının kendine özgü tehdit yüzeyi birkaç başlıkta toplanır.

• Erişim kontrolü eksikliği: Çok kiracılı bir kurulumda kiracı ayrımı zayıfsa, bir kullanıcının sorgusu başka bir kiracının belgelerine benzer sonuçlar döndürebilir.
• Veri zehirleme: Depoya kötü niyetli belgeler eklenerek modelin geri çağırdığı bilgi yönlendirilebilir.
• Ters çevirme: Yetkisiz okunan vektörlerden kaynak içerik yeniden kurulabilir.
• Meta veri sızıntısı: Vektörle birlikte tutulan kaynak adı, kullanıcı kimliği gibi alanlar zayıf korunursa açığa çıkar.

Geri Çağırma Katmanındaki Sızıntı

Vektör deposunun güvenliği yalnızca depolamayla bitmez; asıl kritik nokta, arama sonuçlarının modele hangi izin bağlamında verildiğidir. Kullanıcının yetkisi olmayan belgelerden gelen parçalar yanıta karışırsa, uygulama farkında olmadan gizli bilgiyi ifşa eder. Erişim denetiminin sorgu anında, kullanıcı kimliğiyle birlikte uygulanmasının gerekçeleri RAG mimarisinde veri sızıntısı başlığında ayrıntılı biçimde incelenir.

Korunma ve Kurumsal Değer

Sağlam bir yaklaşım, vektörleri dinlenirken şifreleyen, her sorguyu kullanıcı kimliği ve izin etiketleriyle filtreleyen ve depoya yazma yetkisini sıkı denetleyen bir tasarım kurmaktır. Depoya eklenen içeriğin kaynağının doğrulanması, zehirleme girişimlerini erken yakalar. Bu bileşenlerin doğru kurgulanması, üretken yapay zekâ uygulamalarını daha geniş bir çerçevede ele alan Büyük dil modeli güvenliği pratikleriyle örtüşür. Vektör veri tabanınızı çevreleyen erişim ve mimari kararların tutarlılığını Altyapı ve mimari gözden geçirme hizmetimiz ile denetleyebilirsiniz.