İstanbul Teknik Üniversitesi (İTÜ) mezunu üç genç girişimci, yapay zekâ tabanlı ses ve görüntü taklit etme yöntemlerine karşı yerli bir yazılım geliştirdi.
Hızlı Özet
- İTÜ mezunu üç girişimci deepfake tehditlerine karşı yazılım geliştirdi.
- Sistem, ses ve görüntü manipülasyonlarını anlık olarak tespit ediyor.
- Yerli çözüm ile dijital güvenlikte dışa bağımlılığın azaltılması hedefleniyor.
Son dönemde hızla yayılan ses ve görüntü taklit etme teknolojileri, dolandırıcıların elinde tehlikeli bir silaha dönüştü. İTÜ’lü üç genç mühendisin imza attığı bu yerli girişim, tam da bu güvenlik açığını kapatmak amacıyla hayata geçirildi.
Yazılım Nasıl Çalışıyor?
Geliştirilen yerli sistem, yapay zekâ kullanılarak üretilen sahte ses ve görüntü akışlarını gerçek verilerden ayırt etmek için özel algoritmalar kullanıyor. İletişim sırasında anlık analiz yaparak şüpheli durumları tespit eden yazılım, kullanıcıları olası dolandırıcılık vakalarına karşı uyarıyor. Özellikle kurumların ve bireylerin sıklıkla maruz kaldığı hedef odaklı dolandırıcılık türlerine karşı katmanlı bir savunma hattı kuruluyor.
Sistemin temel çalışma mantığı, insan gözünün veya kulağının fark edemediği mikroskobik frekans uyuşmazlıklarını ve dijital izleri yakalamaya dayanıyor. Yapay zekâ modelleri üretilirken veriye eklenen yapay gürültüler veya piksel tutarsızlıkları, bu yazılımın geliştirdiği tarama motoru tarafından milisaniyeler içinde taranıyor. Böylece sesli görüşmelerde frekans analizi, görüntülü görüşmelerde ise yüz hatlarındaki mimik ve ışık uyumsuzlukları anlık olarak raporlanıyor.
Kimler İçin Tasarlandı?
Yeni güvenlik çözümü; bireysel akıllı telefon kullanıcılarının yanı sıra çağrı merkezleri, finans kurumları ve veri güvenliğine yüksek hassasiyet gösteren şirketleri hedefliyor. Özellikle sesli onay süreçlerinin kritik olduğu sektörlerde, bu tür yerli yazılımların entegrasyonu önem taşıyor. Sistemin bireysel kullanıcılar için ne zaman ve hangi platformlar üzerinden erişilebilir olacağı ise henüz açıklanmadı.
Kurumsal tarafta ise bankacılık, sigortacılık ve telekomünikasyon gibi sektörler öncelikli hedef kitleyi oluşturuyor. Bu alanlarda gerçekleştirilen uzaktan müşteri edinim (KYC) süreçleri veya telefon bankacılığı doğrulamaları, taklit ses ve görüntülere karşı en savunmasız alanlar arasında yer alıyor. Yerli yazılım, API entegrasyonları sayesinde mevcut kurumsal altyapılara bağlanarak işlem güvenliğini artırmayı vadediyor.
Teknik Arka Plan ve Yerli Geliştirmenin Önemi
Piyasada bulunan benzer güvenlik yazılımlarının büyük kısmı yabancı menşeili şirketler tarafından geliştiriliyor. Bu durum, veri mahremiyeti ve ulusal güvenlik açısından bazı soru işaretlerini beraberinde getiriyor. Ses ve görüntü verilerinin işlenmesi sırasında buluta aktarılan hassas bilgilerin yurt dışındaki sunucularda saklanması risk oluşturabiliyor. İTÜ’lü gençlerin geliştirdiği sistemin yerli sunucularda çalışabilmesi veya uç cihazlarda (edge computing) veri işleyebilmesi, bu güvenlik riskini doğrudan ortadan kaldırıyor.
Geliştirici ekibin kullandığı modeller, yerli veri setleriyle eğitildiği için Türkçe ses tonlamalarına ve yerel hitap biçimlerine karşı çok daha yüksek doğruluk oranına sahip. Yabancı yazılımlar genellikle İngilizce ve yaygın Avrupa dilleri üzerine optimize edildiği için Türkçe entegrasyonlarda hata payı yüksek olabiliyor. Yerli çözüm, bu dil bariyerini aşarak yerel kullanıcılar için daha isabetli tespitler yapabiliyor.
Güvenlik Açığını Kapatmak İçin Ne Yapmalı?
Yapay zekâ tabanlı dolandırıcılık yöntemleri çeşitlenirken, kurumların ve bireylerin tek bir güvenlik katmanına güvenmemesi gerekiyor. İTÜ’lü gençlerin geliştirdiği gibi yerli alternatiflerin artması, ekosistemdeki dışa bağımlılığı azaltma potansiyeli taşıyor. Güvenliğini artırmak isteyen okuyucuların çift aşamalı doğrulama yöntemlerini aktif tutması ve bu tür yazılım gelişmelerini takip etmesi öneriliyor.
Bireysel kullanıcılar için en temel korunma yöntemi, tanımadık veya şüpheli numaralardan gelen sesli/görüntülü çağrılarda karşıdaki kişinin kimliğini farklı bir kanal üzerinden teyit etmek. Kurumlar ise sadece biyometrik doğrulamalara dayanmak yerine, işlem anında ek doğrulama adımları (örneğin cihaza gönderilen tek kullanımlık şifreler veya dinamik parola doğrulamaları) uygulamak zorunda.
Kaynak: Google Haberler (Yapay Zeka)
