Türk bankalarında ve fintech şirketlerinde LLM güvenlik riskleri: KVKK ve BDDK yükümlülükleri, prompt injection tehditleri, PII redaksiyon ve teknik önlemler.
BDDK'nın Bankaların Bilgi Sistemleri Yönetmeliği Madde 22, her sistem değişikliğinin belgelenmesini ve test edilmesini zorunlu kılar. 2026 itibarıyla BDDK denetimleri geliştirme ve test belgelerine ağırlık verecek. Aynı dönemde KVKK, 24 Kasım 2025'te yayımladığı "Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi" ile LLM işleme faaliyetlerine yönelik kişisel veri yükümlülüklerini netleştirdi.
Türkiye'de 901 Fintech şirketi faaliyet göstermekte, 731'i aktif, sektör 2024'te 194 milyon dolarlık yatırım rekoruna ulaşmış durumda. Bu şirketlerin LLM entegrasyonları, BDDK Madde 20, 22, 23 ve KVKK'nın VERBIS, PIA, eğitim verisi yasal dayanağı yükümlülüklerini aynı anda tetikliyor. Aşağıda her iki çerçevenin LLM'e özgü gereklilikleri ve bunları karşılayacak teknik kontroller yer alıyor.
OWASP'ın LLM Top 10 listesinde LLM01 olarak sınıflandırılan prompt injection, finansal hizmetlerde doğrudan parasal kayba yol açabilir. Bir saldırgan, LLM'i 100 dolarlık bir transfer yerine 1.000.000 dolarlık bir transferi onaylaması için kandırabilir. Hassas bilgi ifşası senaryolarında (OWASP LLM06) ise gizli sözleşmelerle ince ayar yapılan bir LLM, memorize ettiği hükümleri, ortak adı ve tarih dahil, kelimesi kelimesine çıktıya yansıtabilir.
2023'te Samsung mühendisleri hata ayıklama ve not özetleme amacıyla ChatGPT'ye kaynak kodu ve gizli şirket bilgisi girdi. Kullanıcı girdileri, modelin öğrenme verisinin parçası haline geldi. Bir banka çalışanının benzer bir hata yapması durumunda müşteri TCKN'leri, kredi skorlama mantığı veya iç denetim raporları aynı şekilde sızabilir.
OWASP'ın LLM uygulamaları için yayımladığı Top 10 risk listesi on ayrı risk kategorisi tanımlar. Bunlardan dördü finans sektörüne doğrudan uygulanır:
LLM01: Prompt Injection. Manipüle edilmiş girdilerle LLM'leri yönlendirerek yetkisiz erişim, veri ihlalleri ve hatalı karar alma süreçlerine yol açma riski. Finansal işlem onaylayan bir ajanda bu, doğrudan parasal kayıp anlamına gelir.
LLM02 (LLM06): Hassas Bilgi İfşası. LLM çıktılarında hassas bilgilerin korunamaması, hukuki sonuçlara ve rekabet avantajı kaybına neden olabilir. Eğitim verisinde müşteri bilgisi bulunan bir model, bu veriyi istem dışı olarak üretebilir.
LLM05: Tedarik Zinciri Açıkları. Güvenliği zayıflamış bileşenler, hizmetler veya veri setlerine bağımlılık, sistem bütünlüğünü tehdit eder. Açık kaynak yapay zeka gateway'leri ve üçüncü parti model sağlayıcılar bu riskin somut örnekleridir. LiteLLM'de tespit edilen güvenlik açıkları bu kategorinin gerçek dünya karşılığını göstermektedir.
LLM08: Aşırı Yetki. LLM'lere denetimsiz eylem yetkisi verilmesi, güvenilirliği, gizliliği ve güveni zedeleyebilir. Guardrail'ler olmadan bir ajan müşteri hesabından yetkisiz para transferi başlatabilir veya veritabanından kayıt silebilir.
Türkiye'de yapay zeka uyumluluğu tek bir kanuna değil, KVKK, BDDK, BTK ve diğer düzenleyici kurumların örtüşen yükümlülüklerine dayanır. KVKK bu yapının temel taşıdır ve LLM kullanan finans kuruluşları için üç kritik yükümlülük doğurur.
Eğitim verisi yasal dayanağı. KVKK'ya göre yapay zeka eğitiminde kullanılan kişisel veriler, farklı bir hukuki dayanak gerektirmektedir. Servis sunumu için toplanan veriler, ayrı bir analiz yapılmadan eğitim amacıyla kullanılamaz. Bir bankanın müşteri verilerini LLM ince ayarı için kullanması, veri toplama amacını aşar ve KVKK ihlali oluşturur.
VERBIS kaydı. Veri sorumlularının VERBIS'e (Veri Sorumluları Sicili) kayıt yaptırması zorunludur ve bu yükümlülük yapay zeka işleme faaliyetleri için de geçerlidir. LLM API çağrılarında kişisel veri işleniyor ve bu veri yurt dışındaki sunuculara gönderiliyorsa, bu işleme faaliyetinin VERBIS kaydında yer alması gerekir.
Gizlilik etki değerlendirmesi (PIA). Yüksek riskli yapay zeka sistemleri için KVKK, gizlilik etki değerlendirmesi yapılmasını zorunlu tutmaktadır. Otomatik kararlar alan, özel nitelikli kişisel verileri büyük ölçekte işleyen veya geniş çaplı profilleme yapan yapay zeka sistemleri bu yükümlülüğün kapsamındadır. Kredi skorlama veya dolandırıcılık tespiti yapan LLM tabanlı sistemler doğrudan bu kategoriye girer.
KVKK 24 Kasım 2025'te "Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi (15 Soruda)" başlıklı resmi rehberini yayımladı. Ayrıca Kurum, Ödeme ve Elektronik Para Sektöründe Kişisel Verilerin İşlenmesine ilişkin sektöre özel bir iyi uygulama rehberi de yayımlamıştır. LLM kullanan ödeme kuruluşları için bu iki rehber birlikte okunmalıdır.
BDDK'nın Bankaların Bilgi Sistemleri ve Elektronik Bankacılık Hizmetlerine İlişkin Yönetmeliği, güvenli yazılım geliştirme, değişiklik yönetimi, güvenlik testleri ve bilgi güvenliği yönetimini kapsamaktadır. LLM entegrasyonu bu yönetmeliğin üç maddesini doğrudan tetikler:
| Madde | Gereklilik | LLM Bağlamında Anlam |
|---|---|---|
| Madde 20 | Güvenli kodlama standartları | LLM API entegrasyonlarında girdi doğrulama, çıktı filtreleme ve prompt injection koruması |
| Madde 22 | Her sistem değişikliğinin belgelenmesi | Model güncellemeleri, prompt değişiklikleri ve guardrail yapılandırmalarının kayıt altına alınması |
| Madde 23 | Düzenli sızma testi | LLM'e özgü saldırı vektörlerini (prompt injection, jailbreak) kapsayan güvenlik testleri |
Bankalar, finans iştirakleri, ödeme kuruluşları ve Türkiye'de faaliyet gösteren fintech şirketlerinin tamamı bu yönetmeliğe uymak zorundadır. Bir LLM entegrasyonunun Madde 22 kapsamında değişiklik yönetimi belgesi olmadan canlıya alınması, denetimde doğrudan bulgu olarak kaydedilir.
Samsung vakası, kurumsal yapay zeka güvenliğinin en kırılgan noktasını ortaya koydu: çalışan davranışı. Gölge yapay zeka (Shadow AI), çalışanların kurumsal onay almaksızın ChatGPT, Gemini veya Copilot gibi genel amaçlı yapay zeka araçlarına müşteri TCKN'leri, IBAN numaraları ve kredi geçmişi bilgilerini yapıştırmasıdır.
Bir banka çalışanının müşteri şikayetini özetlemek için ChatGPT'ye yapıştırdığı metin ABD'deki sunuculara iletilir, KVKK kapsamında yurt dışına veri aktarımı hükmünü ihlal eder ve bankanın VERBIS kaydında yer almayan bir işleme faaliyeti oluşturur.
Samsung vakasında mühendisler kaynak kodu ve gizli şirket bilgisini ChatGPT'ye girdi; bu veri modelin öğrenme verisi haline geldi. Bu tür sızıntıyı engellemek için BDDK Madde 20 kapsamında LLM kullanım politikasının güvenli kodlama standartlarına eklenmesi ve VERBIS kaydının LLM işleme faaliyetlerini açıkça kapsaması gerekir. Yapay zeka veri yönetimi politikası bu iki gereklilik üzerine inşa edilmelidir.
KVKK kapsamında yetki matrisi ve yetki kontrolü, kişisel verilere erişimin yalnızca yetkili kişilerle sınırlandırılmasını ve minimum yetki (least privilege) prensibiyle desteklenmesini gerektirir. Bu gereklilik 2025'te Zero Trust mimarileriyle pekiştirilmiştir: kurum içi veya dışındaki hiçbir kullanıcıya ya da cihaza varsayılan olarak güvenmemek, her erişim talebini sürekli doğrulamak esastır. LLM ajanları için bu, her API çağrısının kimlik doğrulama, yetkilendirme ve bağlam kontrolünden geçmesi anlamına gelir. Yapay zeka ajanlarının güvenlik katmanları bu mimarinin uygulama detaylarını kapsar.
Merkezi log yönetimi ve SIEM çözümleri, büyük veri kümelerini analiz ederek potansiyel güvenlik olaylarını gerçek zamanlı olarak belirlemede zorunludur. LLM bağlamında bu, her prompt/yanıt çiftinin, API çağrısının ve model karar noktasının kayıt altına alınması demektir. BDDK Madde 22'nin değişiklik yönetimi gerekliliği, bu logların denetim izi olarak da işlev görmesini zorunlu kılar.
LLM API çağrıları yurt dışı sunuculara gönderilmeden önce bir proxy gateway katmanında kişisel verilerin tespit edilip maskelenmesi, KVKK'nın yurt dışı veri aktarımı yükümlülüğünü karşılamanın en doğrudan yoludur. Bu katman aynı zamanda prompt injection tespiti, içerik filtreleme ve hız sınırlaması işlevlerini de üstlenir. LLM proxy mimarisi bu yaklaşımın teknik altyapısını detaylandırır.
SHIM, desteklenen yerel sağlayıcı çağrılarında tanınan PII değerlerini sağlayıcıya gitmeden önce yer tutucularla değiştirir ve token, model, gecikme gibi metaverileri kaydeder. Bu metaveriler ham prompt veya yanıt gövdelerini içermez; BDDK ve KVKK yükümlülükleri için gerekli saklama ve kanıt tasarımı ayrıca değerlendirilmelidir.
BDDK Madde 23 düzenli sızma testini zorunlu kılmaktadır. LLM entegrasyonları için bu testlerin kapsamı geleneksel web uygulama testlerinin ötesine geçmelidir: prompt injection denemeleri, jailbreak senaryoları, sistem promptu çıkarma girişimleri ve veri sızdırma vektörleri test planına dahil edilmelidir.
Açık kaynak yapay zeka bileşenlerinin güvenlik durumu sürekli izlenmelidir. OWASP LLM05'in uyardığı tedarik zinciri açıkları, LiteLLM gibi yaygın kullanılan araçlarda somut güvenlik açıklarına dönüşebilir. Bağımlılık taraması, versiyon sabitleme ve güvenlik bültenlerinin takibi bu riskin temel kontrolleridir.
Check Point'in 2024 raporuna göre fidye yazılımı saldırıları sektörler genelinde %30'dan fazla artmıştır ve yapay zeka destekli kimlik avı kampanyaları daha hedefli hale gelmektedir. BDDK Madde 20'nin güvenli kodlama standartları gerekliliği, geliştiricilere LLM'e özgü güvenli kodlama eğitimi verilmesini zorunlu kılar: girdi doğrulama, prompt injection koruması, çıktı sanitizasyonu. Tüm personele gölge yapay zeka riskleri ve KVKK yükümlülükleri konusunda farkındalık programları da bu eğitim çerçevesine dahil edilmelidir.
| Alan | KVKK Yükümlülüğü | BDDK Yükümlülüğü | Teknik Kontrol |
|---|---|---|---|
| Veri işleme | VERBIS kaydı, yasal dayanak | Madde 22: belgeleme | LLM proxy ile işleme kaydı |
| Kişisel veri koruması | PIA, yurt dışı aktarım kuralları | Madde 20: güvenli kodlama | PII redaksiyon katmanı |
| Denetim izi | Log tutma zorunluluğu | Madde 22: değişiklik yönetimi | SIEM entegrasyonu |
| Güvenlik testi | Teknik tedbirler | Madde 23: sızma testi | LLM odaklı pentest |
| Erişim kontrolü | Minimum yetki | Zero Trust | Guardrail ve yetki matrisi |
VERBIS kaydında LLM işleme faaliyetinin yer alıp almadığını kontrol etmek, uyum boşluğunu saptamanın en hızlı yoludur. Yapay zeka uyumluluk çerçeveleri konusundaki rehberimiz, bu kontrollerin KVKK ve BDDK dışındaki düzenleyici yükümlülüklerle (BTK, MASAK) nasıl genişletileceğini ele alır.