# Sahne bağlamı, çok modlu yapay zekânın güvenliğini yanıltabiliyor

> Araştırmacılar, yalnızca arka plan sahnesini değiştirerek dokuz sistemde yapay zekâ modellerine zararlı isteklere %86 başarı oranıyla uyulabildiğini buldu.

Oossa · 2026-10-14 · https://oossa.com/tr/new-study-shows-scene-context-can-trick-multimodal-ai-safety

Tongxi Wu’nun liderliğindeki bir ekip, çok modlu büyük dil modellerindeki (MLLM) bir güvenlik açığını ortaya koyan makalesini 14 Ekim 2026’da yayımladı. Sahneye dayalı görsel güvenlik açığı olarak adlandırılan bu sorun, istek değişmediği hâlde görseldeki çevre sahnesinin modeli isteği reddetmekten yerine getirmeye yöneltmesiyle ortaya çıkıyor. Yazarlar SceneSafetyBench adlı bir kıyaslama testi oluşturdu ve dokuz MLLM üzerinde sekiz risk kategorisini hem beyaz kutu hem de kara kutu yöntemleriyle sınadı. Yeni saldırı yöntemleri Scene-Grounded Attacks, denemelerin %86,17’sinde başarılı oldu ve önceki en iyi temel yöntemi sekiz puandan fazla geride bıraktı.

Araştırma, görsel temellendirmeyi iyileştirmenin tek başına daha güvenli yapay zekâyı garanti etmediğini ve sahne anlamlarının gözden kaçan bir saldırı alanı olduğunu gösteriyor.

## Gerçekler

- Makale 14 Ekim 2026’da yayımlandı ("Wed Oct 14 2026")
- Dokuz model genelinde ortalama saldırı başarı oranı %86,17

## Neden önemli

Çok modlu yapay zekâ geliştiricileri, yalnızca görselin ana içeriğini değil, arka plan sahnesinin manipüle edilmesini de olası bir istismar yöntemi olarak değerlendirmeli.

## Kaynaklar ve referanslar

1. [Scenes as an Attack Surface: Uncovering Scene-Grounded Safety Failures in MLLMs](https://arxiv.org/abs/2610.14094) – arXiv cs.CV, 2026-10-14

Son güncelleme: 2026-10-14