Model Online/Fiziksel
Süre
Modüller 6 modül

Eğitimin Amacı ve Kapsamı

Bir dil modelinin ürettiği SQL sorgusunu kurumsal veritabanında doğrudan çalıştırmak; yetkisiz satır/sütun sızıntısı, DML/DDL enjeksiyonu, kartezyen çarpım kaynaklı veritabanı kilitlenmesi ve sözdizimsel olarak çalışan ama mantıksal olarak yanlış sonuç döndüren sorgular gibi ciddi riskler taşır. Bu eğitim; Text-to-SQL sistemlerinde üretim öncesi zorunlu olan deterministik doğrulama, yetkilendirme ve maliyet sınırı katmanlarını kapsar.

Katılımcılar SQLGlot ile soyut sözdizimi ağacı (AST) denetimi ve otomatik filtre enjeksiyonu yapar, PostgreSQL/veri ambarı düzeyinde Row-Level Security (RLS) ve `EXPLAIN` maliyet kapıları kurar; güvenli bir Text-to-SQL yürütme motoru geliştirir.

Kimler Katılmalı?

  • Text-to-SQL ve veritabanı bağlantılı agent sistemlerini üretime taşıyan yapay zeka ve backend mühendisleri
  • Veri güvenliği, erişim kontrolü ve veritabanı performansından sorumlu veri/platform mimarları ve DBA'ler
  • Regüle sektörlerde konuşmalı analitik ürünleri geliştiren teknik ekipler
  • Ön koşul: İleri SQL, veritabanı yetkilendirme kavramları ve Python bilgisi

Kazanımlar

  • SQLGlot ile üretilen SQL'i AST düzeyinde ayrıştırıp yalnızca izin verilen tablo, sütun ve ifadeleri onaylar
  • DML/DDL komutlarını, çoklu ifadeleri (multi-statement), sistem kataloglarını ve tehlikeli fonksiyonları engeller
  • Kullanıcı/kiracı kimliğini hem AST filtre enjeksiyonu hem de veritabanı Row-Level Security (RLS) ile zorunlu kılar
  • `EXPLAIN` / dry-run maliyet tahmini, zorunlu `LIMIT`, statement timeout ve byte-scan kotası ile veritabanını korur
  • Çalışan ama mantıksal olarak şüpheli (fan-out JOIN, yanlış NULL/tarih filtresi) sorguları yakalayan doğrulayıcılar kurar

Konular

Text-to-SQL Tehdit Modeli ve Savunma Derinliği (Defense in Depth)
  • Prompt-tabanlı güvenlik uyarılarının neden kolayca aşıldığı; uygulama ve veritabanı katmanında zorunlu kontroller
  • Dört koruma halkası: şema gizleme -> AST doğrulama -> yetkili oturum (RLS) -> yürütme/sonuç denetimi
SQLGlot ve AST Analizi ile Deterministik Sorgu Doğrulama
  • Sorguyu AST'ye ayrıştırarak yalnızca tekil `SELECT`/`WITH` ifadelerine izin verme
  • Tablo ve sütun izin listesi (allowlist), sistem şeması (`information_schema`, `pg_catalog`) engelleme ve lehçe dönüştürme
Çok Kiracılı (Multi-Tenant) Yetki Kontrolü: RLS, CLS ve Maskeleme
  • Veritabanı düzeyinde salt okunur (read-only) roller, oturum değişkenleriyle Row-Level Security (RLS) ve yetkili View'lar
  • AST üzerinde zorunlu `tenant_id` / departman filtresi doğrulama ve hassas sütun (PII/maaş) maskeleme
Kaynak Koruma: EXPLAIN Dry-Run, Maliyet Sınırları ve Timeout
  • Yürütme öncesi `EXPLAIN` / BigQuery dry-run ile taranacak veri boyutunu ve kartezyen JOIN'leri yakalama
  • Otomatik `LIMIT` ekleme, `statement_timeout`, eşzamanlı sorgu havuzu ve salt okunur replika kullanımı
Anlamsal (Semantic) SQL Doğrulama ve Kontrollü Onarım Döngüsü
  • Sözdizimi doğru ama sonucu bozuk sorgular: tümü NULL/sıfır sonuçlar, eksik `GROUP BY`, tarih sınırı hataları
  • Doğrulama hatasını yapılandırılmış geri bildirimle modele döndüren güvenli self-correction akışı
Laboratuvar: Güvenli Text-to-SQL Yürütme Motoru (Execution Sandbox)
  • SQLGlot + PostgreSQL RLS + EXPLAIN kapısı içeren doğrulama katmanının kodlanması
  • Saldırı (prompt injection / yetki aşımı) ve ağır sorgu senaryolarıyla sızma testi

Bu Kategorideki Diğer Eğitimler

  • Text-to-SQL Doğruluk Değerlendirmesi ve Benchmark Tasarımı

    Text-to-SQL sistemlerini Execution Accuracy, sonuç kümesi eşleşmesi, AST yapısal karşılaştırma, sorgu verimliliği (VES) ve belirsiz/tuzak sorularla kurumsal şemalar üzerinde ölçen değerlendirme programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • LangChain ile RAG LangChain ile RAG

    LangChain kullanarak doküman parçalama, embedding, vektör veritabanı kurulumu ve Gradio arayüzü ile uçtan uca Retrieval-Augmented Generation (RAG) sohbet botu geliştirme atölyesi.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal, Bireysel Workshop
    Canlı Kurs
    6 modül
    İncele
  • Multimodal RAG Multimodal RAG

    LangChain ile PDF belgelerindeki metin, tablo ve görselleri ayrıştırıp çok modlu embedding ve birleşik vektör arama ile sorgulayan Multimodal RAG sistemi geliştirme atölyesi.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal, Bireysel Workshop
    Canlı Kurs
    6 modül
    İncele
  • Retrieval Augmented Generation (RAG) Temelleri

    Kurumsal dokümanlar üzerinde doğru ve kaynak gösteren yanıtlar üreten uçtan uca bir RAG sisteminin temellerini (belge işleme, chunking, embedding, vektör arama, prompt grounding ve temel değerlendirme) öğreten program.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Embedding Modelleri ve Semantik Arama (Semantic Search)

    Dense, sparse (SPLADE/BM25), Matryoshka ve late-interaction (ColBERT) embedding modellerini; çok dilli/Türkçe arama kalitesini, domain uyarlamasını ve yüksek doğruluklu semantik arama sistemlerini kapsayan program.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Vector Database Mimarileri (pgvector, Milvus, FAISS, Weaviate, Pinecone)

    HNSW, IVF, DiskANN ve PQ indeksleme algoritmalarını; pgvector, Milvus, Qdrant, Weaviate, FAISS ve Pinecone mimarilerini; filtreli ANN aramasını, multi-tenancy ve ölçekleme kararlarını kapsayan mühendislik programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele

Bizimle iletişime geçin