Proje İçeriği

KOBİL’in geliştirdiği yapay zeka destekli üç boyutlu güvenli süper uygulama, kullanıcıların güvenliğini en üst düzeye çıkaran yenilikçi bir çözüm sunmaktadır. Bu sistem, kullanıcıların platforma kaydolma süreçlerini “Müşterini Tanı (Know Your Customer - KYC)” prensibi çerçevesinde güvence altına alır. Kimlik doğrulama, yüz tanıma ve canlılık denetimi adımlarını içeren bu süreç, kullanıcıların uygulamaya güvenli bir şekilde giriş yapmasını sağlar.

Kaydolma işlemi tamamlandıktan sonra, kullanıcı süper uygulamayı kullanırken davranışları ve ekran etkileşimleri arka planda sürekli olarak izlenir. Yapay zeka tabanlı davranış analizi sistemi; cihaz ekranına dokunma hareketleri, klavye vuruş dinamikleri ve telefon sensörlerinden toplanan verileri işleyerek kullanıcının normal davranış profilini oluşturur. Eğer bu profilin dışında bir anomali tespit edilirse, kullanıcının oturumu sonlandırılır ve yeniden giriş yapması istenir. Bu durum belirli sayıda tekrarlandığında, kullanıcı yeniden kimlik doğrulama sürecine yönlendirilir. Bu şekilde yapay zeka, kullanıcıyı rahatsız etmeden arka planda sürekli bir doğrulama sağlayarak güvenlik risklerini en aza indirir ve uçtan uca güvenli bir dijital ortam sunar.

Süper uygulama içerisindeki mini uygulamalara erişim ise kullanıcının cihazına ait risk verilerinin izlenmesi ve yapay zeka modelleri tarafından değerlendirilmesi ile yönetilir. Bu risk verileri arasında jailbreak, kod enjeksiyonu, emülatör kullanımı ve zararlı uygulamalar gibi unsurlar yer alır. Elde edilen bu veriler, düşük, orta ve yüksek risk seviyelerine göre sınıflandırılır:

• Düşük Risk: Kullanıcılar tüm mini uygulamalara tam erişim sağlar.
• Orta Risk: Bazı hassas işlemler (örneğin, ödeme veya para transferi) kısıtlanır.
• Yüksek Risk: Kullanıcının mini uygulamalara erişimi tamamen engellenir.

Bu yenilikçi yaklaşım, kullanıcı güvenliğini sağlarken aynı zamanda kullanıcı deneyimini koruyarak güvenli ve sorunsuz bir dijital ortam oluşturur.

Müşterini Tanı

Proje kapsamında geliştirilen ve güvenli kaydolma sürecini sağlayan müşteri tanıma altyapısı KYC (Know Your Customer - Müşterini Tanı) en yüksek güvenlik standartlarını sağlamayı hedeflemektedir. KYC altyapısının en stratejik modülü, canlılık denetimi olup, pasif ve aktif canlılık kontrolü ile deepfake algılama mekanizmalarını içermektedir. Bu modüller, kullanıcı kimliklerini doğrulama sürecinde sahte veya manipüle edilmiş görüntülerin kullanılmasını önlemek açısından kritik bir rol üstlenmektedir.

KOBİL, bu modül üzerinde kapsamlı mühendislik çalışmaları gerçekleştirerek, mevcut en ileri teknolojileri aşacak şekilde yenilikçi bir yapı geliştirmiştir. Yoğun araştırma ve geliştirme faaliyetleri sonucunda, canlılık denetimi ve deepfake algılama modülü hem yüksek güvenilirlik hem de üstün performans sunacak şekilde optimize edilmiştir. Bu sayede, sistem, en karmaşık ve sofistike tehditlere karşı dahi dayanıklı hale getirilmiş, kullanıcı güvenliğini maksimum seviyede sağlamayı başarmıştır.

1. Kimlik Tespiti ve MRZ Alanının Okunması

Kimlik doğrulama işleminin ilk adımında, kimliğin arkasında yer alan Makine Okunabilir Alan (Machine Readable Zone - MRZ) algılanır. Bu işlem, KOBİL tarafından geliştirilmiş yüksek doğruluk oranına sahip bir derin öğrenme modeliyle gerçekleştirilir. Söz konusu model, modern derin öğrenme yaklaşımlarını temel alır ve uluslararası bir bilimsel dergide yayımlanmıştır.
Tespit edilen MRZ alanı, Optik Karakter Tanıma (Optical Character Recognition - OCR) algoritmasına aktarılır ve buradan karakterler okunarak kimlik bilgileri çıkarılır. Bu bilgiler arasında doküman numarası, doğum tarihi ve kimlik son kullanım tarihi gibi kritik veriler yer alır. Bu bilgiler, Yakın Alan İletişimi (Near Field Communication - NFC) adımını başlatmak için gereklidir.

2. NFC ile Kimlik Doğrulama

NFC adımında, kimlik çipi üzerindeki veriler okunur ve güvenli bir şekilde şifrelenerek doğrulama işlemi başlatılır. Türkiye Cumhuriyeti kimlik kartlarında Temel Erişim Kontrolü (Basic Access Control - BAC) protokolü kullanılır. Bu protokol, kimlik bilgilerinin güvenli bir şekilde iletilmesini sağlar.
Bazı ülkelerde ise daha gelişmiş bir protokol olan Parola Doğrulamalı Bağlantı Kurma (Password Authenticated Connection Establishment - PACE) tercih edilmektedir. PACE protokolü, BAC'nin güvenlik seviyesini artırır ve hassas kimlik verilerinin korunmasını sağlar. KOBİL tarafından geliştirilen kimlik doğrulama modülü, hem BAC hem de PACE protokollerini destekleyerek geniş bir kullanım alanına sahiptir. Bu adımda önce pasif ve aktif doğrulama yapılarak kimlik çipinin kopyalanmadığı, kimlik çipi verileri ile oynanmadığı tespit edilir. Daha sonra kimlik çipinde yer alan veri grupları güvenli iletişim protokolü ile elde edilir.

3. Yüz Doğrulama

Kimlik doğrulama sürecinin bir sonraki aşaması, kullanıcının yüz doğrulaması yapılmaktadır. NFC ile kimlik çipinden alınan biyometrik fotoğraf, referans veri olarak kullanılır. Ardından, telefonun ön kamerası açılarak kullanıcıdan bir özçekim yapması istenir.
Bu aşamada, referans biyometrik fotoğraf ile kullanıcının çektiği özçekim fotoğrafı karşılaştırılır. Doğrulama işlemi, KOBİL tarafından geliştirilen ve MobileFaceNet tabanlı optimize bir derin öğrenme modeli ile gerçekleştirilir. Bu model, doğruluk, hız ve kompakt boyut açısından optimize edilmiştir ve bu çalışmaya ilişkin bir konferans bildirisi yayımlanmıştır. Bu adım, kimliği kullanan kişi ile telefonu kullanan kişinin aynı birey olduğunu doğrular.

4. Canlılık Denetimi 

Son aşamada, yüz doğrulama işlemini daha güvenli hale getirmek ve saldırıları önlemek için canlılık denetimi gerçekleştirilir. Bu adım, kullanıcının biyometrik verilerinin gerçek bir bireye ait olup olmadığını test eder. Genel olarak pasif ve aktif canlılık denetimi olmak üzere iki yaklaşım mevcuttur. KOBİL’in geliştirdiği canlılık modelinde her iki durumda desteklenmektedir.

KOBİL tarafından geliştirilen canlılık denetimi algoritmaları, ISO 30107-3 standardına uygun şekilde tasarlanmıştır. Bu algoritmalar, maske, fotoğraf veya video gibi sahte araçlarla yapılan girişimleri tespit ederek engeller.

Canlılık denetimi ve deepfake gibi ileri düzey saldırıları tespit etmek için derin öğrenme ve transformer tabanlı modellerden oluşan bir sistem geliştirilmiştir. Bu model, literatürde birden fazla yaklaşımdan faydalanarak oluşturulmuş ve yüksek doğruluk oranlarıyla dikkat çekmiştir.

Davranış Analizi:

Proje kapsamında, mobil cihazlardan elde edilen biyometrik davranış verilerine dayalı sürekli doğrulama sistemleri geliştirilmiştir. Bu sistem, kullanıcının uygulama üzerindeki güvenliğini artırmak amacıyla gerçek zamanlı analiz gerçekleştiren yapay zeka tabanlı bir çözüm sunar. Sürekli doğrulama mekanizması sayesinde, kullanıcı kimliği her 5 saniyede bir biyometrik veriler ışığında yeniden doğrulanmaktadır. Bu konuya ilişkin bir konferans yayınımız da bulunmaktadır.

KOBİL çatısı altında, çalışanlardan anonim olarak veri toplanmıştır ve proje kapsamında model KOBİL’in kendi veri seti kullanılarak eğitilmiştir. Bu süreçte mobil cihazların ivmeölçer, jiroskop ve manyetometre sensörlerinden gelen veriler ile ekran etkileşimleri ve klavye vuruş dinamikleri kaydedilmiştir. Toplanan veriler, detaylı bir ön işleme adımından geçirilerek temizlenmiş ve analiz için uygun hale getirilmiştir. 

Toplanan farklı sensör verileri ve kullanıcı etkileşimleri, her biri için ayrı ayrı eğitilmiş transformer tabanlı modellere beslenmiştir. Bu modeller, kullanıcı davranışlarını temsil eden yüksek boyutlu temsil vektörleri üretmiştir. Farklı veri kaynaklarından elde edilen bu temsil vektörleri, birleştirilerek bir ileri beslemeli sinir ağı ile işlenmiştir. Bu sinir ağı, kullanıcının mevcut davranışına ilişkin bir güven değeri üretmiştir.
Üretilen güven değeri, dinamik bir karar mekanizması motoruna aktarılmıştır. Karar mekanizması motoru, aşağıdaki durumlara göre aksiyon belirlemiştir:

• Normal Davranış: Kullanıcının uygulamayı sorunsuz bir şekilde kullanmaya devam etmesi sağlanmıştır.
• Anomali Tespiti: Normal dışı bir davranış tespit edildiğinde, kullanıcının oturumu sonlandırılmış ve yeniden kimlik doğrulama adımına yönlendirilmiştir.

Geliştirilen sistem, kullanıcı davranışlarını sürekli olarak izler ve herhangi bir anomali durumunda dinamik olarak güvenlik önlemleri alır yani oturumu sonlandırır. Oluşturduğumuz yapay zeka modeli, zaman içinde kullanıcı davranışındaki değişikliklere adapte olarak doğruluk oranını yüksek seviyede tutar. Bu sistem, her 5 saniyede bir biyometrik verilere dayanarak doğrulama işlemi gerçekleştirir. Böylelikle, kullanıcıya hissettirilmeden sürekli olarak korunur ve olası tehditlere karşı proaktif bir koruma sağlanır.

Risk Verilerinin İzlenmesi:

Risk verilerinin izlenmesi projemiz, mobil platformlar için süper uygulama özelinde uyarlanmış doğru ve verimli bir risk puanlama sistemi hedeflemiştir. Projenin amacı, denetimli öğrenme kapsamında öznitelik çıkarma ve sınıflandırıcı bir araya getirerek güvenlik tehditlerini doğru bir şekilde tespit eden bir sistem oluşturmaktır. Risk değerlendirme sürecinde mevcut sistemlerin yanlış pozitif (risk olmayan durumların yanlış şekilde riskli olarak algılanması) ve yanlış negatif (gerçek risklerin gözden kaçırılması) oranlarının yüksekliği gibi temel zorluklar ele alınmıştır. Bunun yanında, büyük ve karmaşık veri kümelerini etkili bir şekilde işleme kapasitesine sahip bir yapay zeka mimarisi ile hızlı ve güvenilir sonuçlar elde edilmesi hedeflenmiştir. Bu doğrultuda, risk izleme modelinde hem FRR (False Rejection Rate) hem de FAR (False Acceptance Rate) oranları %1’den daha düşük seviyede tutulmuştur. 

Risk verilerinin izlenmesi, transformer tabanlı bir yapay zeka modelini temel alarak geliştirilmektedir. Modelin yapısında kodlayıcı ve çözücü katmanlar, kendine dikkat (self-attention) mekanizması, feedforward ağlar ve normalleştirme-düzenleme gibi teknikler bir araya getirilmiştir. Model, cihazdan gelen sensör verilerini, ekran etkileşimlerini ve uygulama davranışlarını işleyerek risk değerlendirmesi yapmaktadır. Tahminlerin gerçek risk kategorilerine yakın bir şekilde konumlandırılması için çapraz entropi kaybı (cross-entropy loss) kullanılmakta ve hiper-parametreler grid search ve bayes optimizasyonu gibi yöntemlerle optimize edilmektedir. Eğitim sürecinde en az 5 milyon veri noktasından oluşan büyük bir veri seti kullanılmakta ve model performansı doğruluk, kesinlik, geri çağırma ve F1-skoru gibi değerlendirme metrikleri ile izlenmiştir. Ayrıca, modelin kompakt boyutta (1 MB veya daha küçük) olması ve risk puanlama işlemlerinin ortalama 50 ms’den daha kısa sürede tamamlanması hedeflenmiştir.

Risk izleme sistemi, sürekli doğrulama mekanizması ile kullanıcı güvenliğini sağlamak üzere tasarlanmıştır. Mobil cihazlardan gerçek zamanlı olarak toplanan veriler, kullanıcı davranışlarının dinamik bir şekilde analiz edilmesine olanak tanır ve süper uygulama içerisinde bulunan mini uygulamalarda önceden belirlenen aksiyonları alır. Sistem, risk seviyelerini düşük, orta ve yüksek olarak sınıflandırır. Düşük risk durumunda kullanıcı tüm işlevlere tam erişim sağlarken, orta risk durumunda hassas işlemler (örneğin ödeme işlemleri) kısıtlanır. Yüksek risk durumunda ise kullanıcının erişimi tamamen engellenir. Sistem, sürekli değişen tehdit ortamına uyum sağlayarak gerçek zamanlı analiz yetenekleri ile proaktif güvenlik önlemleri alır.

Risk izleme projesi, mobil platformlar için süper uygulama özelinde modern güvenlik ihtiyaçlarına yanıt veren yenilikçi bir çözüm olarak öne çıkmaktadır. Sistem, düşük hata oranları, değişen tehditlere uyum ve hızlı işlem yetenekleri ile kullanıcı güvenliğini artırmayı hedeflemektedir. Ayrıca, yalnızca teknik bir başarı değil, mobil platformların güvenlik ekosistemine katkı sağlayan değerli bir proje olarak dikkat çekmektedir. Bu çözüm, bireylerin ve işletmelerin dijital güvenlik ihtiyaçlarını karşılamayı ve sektörde lider bir konumda olmayı amaçlamaktadır.

Proje sürecinde, yalnızca teknik geliştirmelerle sınırlı kalınmamış, aynı zamanda kapsamlı bir Ar-Ge stratejisi izlenmiştir. Bu çerçevede, TEYDEB destekli projeler başlatılmış ve başarıyla tamamlanmıştır. Bu projeler, hem projenin bilimsel temellerini güçlendirmiş hem de elde edilen sonuçların ticarileştirilmesine zemin hazırlamıştır. TEYDEB projeleri kapsamında yapılan çalışmalar, ulusal ve uluslararası standartlara uygun bir şekilde belgelenmiş olup, akademik makale ve bildiride yayımlanmıştır. Bu çalışmalar, projenin yenilikçi yönlerinin akademik toplulukla paylaşılmasını ve sektörel uygulamalara yönelik katkılar sunulmasını sağlamıştır.

Fikri mülkiyet haklarının korunması açısından, proje kapsamında geliştirilen özgün teknolojiler için patent ve yazılım tescili başvuruları yapılmıştır. Bu patentler, projemizin yenilikçi ve özgün özelliklerini tescillemekte ve sektördeki rekabet gücünü artırmaktadır. Patent başvurularının yanı sıra, ulusal ve uluslararası konferanslarda sunumlar yapılmış ve bilimsel toplulukla etkileşim güçlendirilmiştir. Bu sayede, proje yalnızca teknik bir başarı olmakla kalmamış, aynı zamanda Türkiye'nin yapay zeka ekosistemine önemli bir katkı sağlamıştır.

Projemizde genelinde kullanılan mikro servis mimarisi, sistemin modüler yapısını ve ölçeklenebilirliğini artırmıştır. Her bir güvenlik fonksiyonu, bağımsız bir mikro servis olarak tasarlanmış ve birbirleriyle güvenli iletişim protokolleri üzerinden iletişim kurmaları sağlanmıştır. Bu yapı, hem sistem performansını artırmakta hem de kullanıcı verilerinin korunmasını sağlamaktadır. Toplanacak tüm kullanıcı verileri, KVKK (Kişisel Verilerin Korunması Kanunu) ve GDPR (General Data Protection Regulation) standartlarına uygun şekilde anonimleştirilecek ve yalnızca güvenlik amacıyla kullanılacaktır. Kullanıcıların açık rızası alınarak işlenecek bu veriler, şeffaf bir veri yönetimi süreci ile desteklenecektir.

Projenin Amacı

KOBİL, 40 yıla yakın süredir siber güvenlik ve kriptoloji alanında faaliyet gösteren uluslararası bir firmadır. Güvenlik ve kriptoloji alanında sahip olduğu birçok patent ile siber güvenlik dünyasında kendine güçlü bir yer edinmiş, uluslararası platformda birçok tanınmış firmaya hizmet sunmuştur/sunmaktadır. Şirket, başta Avrupa olmak üzere geniş bir coğrafyada güvenlik çözümleri sunarak dijital dönüşüm ve siber güvenlik alanında lider bir konuma ulaşmıştır.

Son yıllarda, KOBİL süper uygulama platform sağlayıcısı olarak bu alanda Dünya’da ve Türkiye’de öncü bir firma haline gelmiştir. Süper uygulama konsepti, birden fazla hizmeti tek bir dijital ekosistem altında birleştirerek kullanıcıların günlük hayatlarını kolaylaştırmayı hedefleyen bir yapıdır. KOBİL, bu platformlarda kullanıcı güvenliğini ön planda tutarak sektörde fark yaratmayı başarmıştır. Süper uygulama ekosisteminde sunduğu yapay zeka temelli güvenlik çözümleri, şirketin güvenlik alanındaki yıllara dayanan deneyimlerinin bir sonucu olup, rakip ürünler arasında özellikle güvenlik konusundaki üstün performansı ile dikkat çekmektedir.

Geliştirilen projeler, genellikle süper uygulama ekosistemini desteklemek ve kullanıcı güvenliğini artırmak amacıyla tasarlanmıştır. Bununla birlikte, projelerin mikroservis mimarisi ve modüler yapısı sayesinde farklı alanlara da kolayca uyarlanabilme esnekliği bulunmaktadır. Bu durum, KOBİL'in geliştirdiği çözümlerin sadece bir platforma özgü kalmayıp daha geniş bir kullanım alanına sahip olmasını sağlamaktadır. Ancak bu projelerin temel odağı, süper uygulama platformlarının güvenlik standartlarını yükseltmek ve bu platformların uluslararası pazarda rekabet gücünü artırmak olmuştur.

Özellikle yapay zeka temelli güvenlik modelleri, KOBİL’in sektördeki uzmanlığını ve yenilikçi yaklaşımını göstermektedir. Süper uygulama çerçevesinde geliştirilen projeler, kullanıcının güvenli bir şekilde ekosisteme dahil edilmesi, gerçek zamanlı risk değerlendirme sistemleri, sürekli doğrulama ve proaktif güvenlik önlemlerini içermektedir. Bu çözümler, yalnızca kullanıcıların bireysel güvenliğini artırmakla kalmamış, aynı zamanda süper uygulamanın genel performansını ve güvenilirliğini de iyileştirmiştir.

Sonuç olarak, KOBİL’in geliştirdiği güvenlik temelli yapay zeka modelleri, firmanın siber güvenlik alanındaki derin tecrübesinin ve inovasyon odaklı yaklaşımının bir yansımasıdır. Bu projeler, süper uygulama ekosisteminin iyileştirilmesine yönelik olarak tasarlanmış olsa da farklı alanlarda da geniş bir uygulama alanına sahiptir. Ancak, projenin temel amacı süper uygulama platformunun güvenlik standartlarını artırarak, KOBİL’i bu alanda lider bir firma konumuna taşımaktır. Bu bağlamda, KOBİL’in köklü geçmişi ve güvenlik odaklı yaklaşımı, geliştirdiği projelere yüksek bir katma değer sağlamış ve şirketin uluslararası alandaki konumunu güçlendirmiştir.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Proje, adaptif yapay zeka modelleri ile sürekli gelişen tehditlere, özellikle deepfake saldırıları ve siber güvenlik risklerine karşı dinamik bir savunma mekanizması sunmaktadır. Kimlik doğrulama, davranış analizi ve risk izleme süreçlerini tek bir çatı altında birleştiren bu sistem, geleceğe yönelik bir güvenlik çerçevesi oluşturmakta ve siber güvenlik standartlarını yeniden tanımlamaktadır.

Proje içerisindeki en büyük inovasyon, birden fazla güvenlik unsurunun bir araya getirilmesi ve entegre bir yapıda sunulmasıdır. Dolayısıyla, projede birçok farklı alanda kaydedilen yeniliklerden söz edilebilir.

1. Kimlik Doğrulama ve Müşterini Tanı (KYC) Sürecinde İnovasyon

Kimlik doğrulama ve müşterini tanı süreçlerinde geliştirilen yenilikler, özellikle güvenliğin ve kullanıcı doğrulamanın kritik önem taşıdığı alanlarda öne çıkmaktadır. ISO standartlarına uygun olarak geliştirilen canlılık denetimi ve deepfake algılama modelleri, üretken yapay zeka tabanlı saldırılara karşı sağlam bir savunma mekanizması sunmaktadır. Deepfake teknolojilerinin hızla gelişmesiyle, kimlik doğrulama süreçlerinde bu tür saldırılara karşı dayanıklı bir model geliştirilmesi, sektördeki önemli bir boşluğu doldurmuştur. Geliştirilen bu modeller, kullanıcıların biyometrik verilerini sahte araçlarla manipüle etmeye yönelik girişimleri algılayarak, güvenlik açıklarını büyük ölçüde kapatmaktadır.

2. Davranış Analizi 

Davranış analizi, projedeki en özgün ve yenilikçi yaklaşımlardan birini temsil etmektedir. Dünyada, bu kadar kapsamlı bir şekilde farklı veri türlerini (sensör verileri, klavye dinamikleri ve ekran etkileşimleri) bir araya getirerek güvenilir sonuçlar üretebilen bir sistem ürün olarak mevcut değildir. KOBİL, halka açık veri setlerini incelemiş ancak bunların model eğitimi için yeterli olmadığını tespit etmiştir. Bunun sonucunda, tamamen kendi geliştirdiği veri toplama uygulaması ile ihtiyaç duyulan yüksek kaliteli eğitim veri setini oluşturmuştur. Bu veri seti, projeye özel olarak optimize edilmiş transformer tabanlı modeller ile işlenmiş ve özgün bir mimari geliştirilmiştir. Böylece, davranış analizine dayalı sürekli doğrulama sistemleri, yüksek bir doğruluk oranına ulaşmıştır.

3. Risk İzleme ve Yönetiminde İnovasyon

Risk izleme sürecinde, KOBİL’in kendi siber güvenlik uzmanları tarafından detaylı bir şekilde etiketlenmiş ve optimize edilmiş bir veri seti kullanılmıştır. Geliştirilen transformer tabanlı risk değerlendirme modeli, gerçek zamanlı olarak risk seviyelerini analiz edebilmekte ve potansiyel tehditleri proaktif bir şekilde yönetmektedir. Bu model, sadece mevcut riskleri algılamakla kalmayıp, gelecekte ortaya çıkabilecek risk yüzeylerine de uyum sağlayacak bir şekilde tasarlanmıştır. Modelin düşük yanlış pozitif oranı (False Positive Rate), sistemin güvenilirliğini artırmış ve sektör standartlarının üzerine çıkmasını sağlamıştır.

4. Entegre Güvenlik Yaklaşımı

Projenin belki de en büyük inovasyonu, tüm bu güvenlik unsurlarını entegre bir yapıda birleştiren yaklaşımıdır. Kimlik doğrulama, davranış analizi ve risk izleme mekanizmaları, ortak bir ekosistem içerisinde çalışacak şekilde tasarlanmıştır. Bu entegre yapı, yalnızca bireysel güvenlik sistemlerinin performansını artırmakla kalmamış, aynı zamanda bu sistemler arasında bir sinerji yaratarak genel güvenlik düzeyini yükseltmiştir.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Proje, KOBİL bünyesinde farklı ekip ve bölümlere çok yönlü katkılar sağlamıştır. Öncelikle, süper uygulama ekosistemini geliştiren ekip, bu proje kapsamında geliştirilen yenilikçi yapay zeka modellerinden doğrudan faydalanmıştır. Süper uygulama platformunun güvenlik altyapısının güçlendirilmesi, kullanıcı davranış analizi, risk puanlama ve kimlik doğrulama süreçlerinin entegre edilmesiyle mümkün olmuştur. Bu iyileştirmeler, süper uygulamanın hem performansını artırmış hem de ulusal ve uluslararası pazarlardaki rekabet gücünü pekiştirmiştir. Ayrıca, çözümün farklı sektörlere uyum sağlayabilecek şekilde tasarlanmış olması, sağlık, eğitim ve ulaşım gibi alanlarda kullanımını mümkün kılmaktadır. Modüler mikro hizmet mimarisi sayesinde, bu çözüm hem ölçeklenebilirlik hem de küresel uygulamalarda sorunsuz bir entegrasyon sunmaktadır. Ayrıca, projenin çıktıları akıllı şehir uygulamalarını geliştiren ekip için de değerli bir altyapı sunmuştur. Proje kapsamında geliştirilen güvenlik ve yapay zeka çözümleri, akıllı şehir uygulamalarında kullanıcıların güvenli ve verimli bir deneyim yaşamasını sağlamak için kullanılmıştır. Özellikle kimlik doğrulama ve davranış analizi modülleri, akıllı şehir uygulamalarında güvenliği artırarak bu sistemlerin sürdürülebilirliğine katkıda bulunmuştur. Siber güvenlik ekibi, bu proje kapsamında yapay zeka destekli çözümlerle çalışmalarını güçlendirme fırsatı bulmuştur. Projede geliştirilen risk izleme ve yönetim sistemleri, KOBİL’in siber güvenlik altyapısının daha güçlü hale gelmesini sağlamış, kurumun bu alandaki prestijini uluslararası ölçekte artırmıştır. Risk puanlama ve davranış analizi gibi gelişmiş yapay zeka tabanlı özellikler, siber güvenlik ekibinin tehditlere karşı daha hızlı ve etkin çözümler geliştirmesini mümkün kılmıştır. Proje ayrıca KOBİL’in genel olarak inovasyon odaklı kültürüne ve teknoloji geliştirme süreçlerine katkıda bulunmuştur.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Projenin hayata geçirilmesi sürecinde KOBİL’in Kurucusu İsmet Koyun ve üst yönetim ekibinden tam destek alınmıştır. Bu stratejik destek, projenin hem finansal hem de operasyonel gerekliliklerini karşılamak için kritik bir rol oynamıştır. Projenin başarısının, küresel siber güvenlik hedefleriyle uyumlu olması için üst yönetim tarafından sağlanan rehberlik ve kaynaklar büyük önem taşımıştır. İsmet Koyun’un liderliği ve vizyonu, projeye küresel perspektif kazandırarak, en son teknoloji kaynaklarına erişimi mümkün kılmıştır. Öncelikle, projede görev alacak nitelikli personelin istihdam edilmesi ve mevcut ekibin yetkinliklerinin artırılması için gerekli kaynaklar tahsis edilmiştir. Yapay zeka modellerinin eğitimi ve test süreçleri için yüksek performanslı sunucular satın alınmış, AWS ve Azure gibi bulut platformlarının sağladığı güçlü altyapıdan faydalanılmıştır. Bu tür yatırımlar, model geliştirme sürecinin hızlı, verimli ve ölçeklenebilir bir şekilde gerçekleştirilmesine imkan tanımıştır. Ayrıca, projenin ilerleyişi boyunca üst yönetim, proje ekipleriyle düzenli olarak iletişimde kalarak hem stratejik rehberlik sağlamış hem de karar alma süreçlerine destek olmuştur. Üst yönetim, sürecin yalnızca teknik bir başarı olmasının ötesine geçmesi ve KOBİL’in genel stratejik hedefleriyle uyumlu sonuçlar elde edilmesi için yönlendirme yapmıştır. Bu destek, projenin küresel güvenlik standartlarına katkı sağlaması ve uluslararası pazarda rekabet gücünü artırması açısından önemli bir rol oynamıştır. Projenin tamamlanmasının ardından elde edilen sonuçlar üst yönetim tarafından değerlendirilmiş ve çıkan sonuçlardan memnuniyet ifade edilmiştir. Özellikle yapay zeka temelli güvenlik modellerinin başarısı, KOBİL’in uluslararası rekabet gücünü artırmış ve süper uygulama platformunun güvenlik alanındaki liderliğini pekiştirmiştir. Bu memnuniyet, KOBİL’in gelecekteki projelerde de benzer bir vizyonla ilerlemesine yönelik kararlılığını artırmıştır.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Proje kapsamında başvurulan TEYDEB projeleri başarılı bir şekilde tamamlanmış ve proje kapanışında ortaya çıkan sonuçlar detaylı bir şekilde analiz edilerek raporlanmıştır. Proje çıktıları, bilimsel camiaya katkıda bulunmak amacıyla uluslararası dergi makaleleri ve konferans bildirileri olarak paylaşılmıştır. Bu yayınlar, projenin yenilikçi yönlerini ve elde edilen sonuçların akademik ve sektörel anlamda taşıdığı değeri ortaya koymaktadır.

Proje kapsamında geliştirilen modeller, KOBİL'in sahip olduğu test uygulamasına entegre edilerek kalite güvence (QA) ekibi tarafından titizlikle test edilmiştir. Bu test süreci, farklı cihazlar, cihaz sürümleri ve işletim sistemi yapılandırmaları üzerinde gerçekleştirilmiştir. QA ekibi, gerçek dünyadaki çeşitli kullanım senaryolarını simüle ederek modellerin performansını, güvenilirliğini ve uyumluluğunu değerlendirmiştir. Bu kapsamlı test süreci sırasında, elde edilen sonuçların tutarlılığı, doğruluk oranları ve performans metrikleri detaylı bir şekilde analiz edilmiştir.

QA sürecinde farklı donanım ve yazılım yapılandırmalarına sahip cihazlar kullanılarak modellerin geniş bir yelpazede uyum sağladığı ve başarılı sonuçlar verdiği gözlemlenmiştir. Elde edilen bu bulgular, geliştirilen modellerin hem teknik hem de operasyonel olarak uygulamalara entegre edilmesi açısından güçlü bir altyapıya sahip olduğunu kanıtlamaktadır.

Sonuç olarak, proje sonunda elde edilen çıktılar sadece teknik düzeyde değil, aynı zamanda akademik ve operasyonel anlamda da değerlendirilmeye alınmıştır. Bu çok yönlü analiz ve test süreçleri, projeyi tamamlayan sonuçların güvenilirliğini ve uygulamalardaki başarısını açıkça ortaya koymaktadır. Projenin sonuçları, hem KOBİL’in süper uygulama ekosistemine önemli bir katkı sağlamış hem de farklı sektörlerde kullanılabilir yenilikçi çözümler sunmuştur.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

Proje kapsamında 30 personel görev almış olup, farklı uzmanlık alanlarına sahip bu ekiplerin katkılarıyla başarılı bir sonuç elde edilmiştir. Yapay zeka ekibi, veri bilimciler, backend ve mobil geliştiriciler, projede en yoğun şekilde çalışan ekipler olmuştur. Bunun yanı sıra, siber güvenlik, DevOps, QA (Kalite Güvence) ve diğer ekipler de süreç boyunca belirli aşamalarda projeye destek sağlamıştır. Aşağıda, ekiplerin proje kapsamındaki rollerine ilişkin detaylı bir açıklama yer almaktadır: 1. Yapay Zeka (AI) Ekibi Yapay zeka ekibi, projenin temel taşlarından biri olup makine öğrenimi ve derin öğrenme modellerini geliştirme, eğitme ve optimize etme sorumluluğunu üstlenmiştir. Modellerin entegrasyonu, performans izleme ve yapay zeka tabanlı çözümlerin uygulama süreçlerine dahil edilmesi bu ekibin başlıca görevleridir. 2. Siber Güvenlik Ekibi Siber güvenlik ekibi, uygulama boyunca alınan güvenlik tedbirlerini denetlemiş ve yapay zeka modelleriyle güçlendirilmiş bir güvenlik altyapısı sağlamıştır. Özellikle risk izleme ve tehdit algılama süreçlerinde aktif rol oynayan bu ekip, veri etiketleme konularında destek olmuştur. 3. Mobil Geliştirme Ekibi (iOS & Android) Mobil geliştirme ekibi, hem iOS hem de Android platformlarında plug-in geliştirilmesi, test edilmesi ve optimize edilmesi süreçlerinden sorumlu olmuştur. Bu ekip, mobil uygulama için plug-in’in kullanıcı dostu, işlevsel ve performanslı olmasını sağlamak için yoğun şekilde çalışmıştır. 4. Veri Bilim Ekibi Veri bilim ekibi, proje sırasında toplanan verileri analiz ederek, modellerin ihtiyaç duyduğu yüksek kaliteli veri setlerini oluşturmuştur. 5. Kalite Güvence (QA) Ekibi Kalite güvencesi ekibi, proje boyunca hem manuel hem de otomatik test süreçlerini yönetmiştir. Farklı cihazlar ve işletim sistemlerinde testler gerçekleştirerek uygulamanın güvenilirliğini ve uyumluluğunu sağlamışlardır. QA ekibi, tespit edilen hataları gidermek ve uygulamanın kullanıcı beklentilerine uygun çalışmasını garanti etmek için aktif rol almıştır. 6. DevOps Ekibi DevOps ekibi, yazılım geliştirme ve operasyon süreçlerini entegre ederek sürekli entegrasyon ve sürekli teslimat (CI/CD) süreçlerini yönetmiştir. Uygulamanın güvenli bir şekilde sunucuya dağıtılması ve otomasyon süreçlerinin uygulanması, bu ekibin başlıca sorumlulukları arasında yer almıştır. 7. Backend Geliştirme Ekibi Backend geliştirme ekibi, uygulamanın sunucu tarafında çalışan işlevlerini geliştirmiş, veri tabanı yönetimi ve API entegrasyonlarını gerçekleştirmiştir. Bu ekip, uygulamanın ölçeklenebilir, güvenli ve yüksek performanslı bir altyapıya sahip olmasını sağlamıştır. 8. UI/UX Ekibi UI/UX ekibi, kullanıcı dostu bir arayüz ve etkili bir kullanıcı deneyimi tasarımı üzerinde çalışmıştır. Proje süresince, kullanıcı geri bildirimlerini dikkate alarak tasarım üzerinde iyileştirmeler yapmışlardır.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje kapsamında, sektörün önde gelen bilişim ve finans kurumları ile iş birliği yapılarak kapsamlı analizler gerçekleştirilmiştir. Bu çerçevede, VakıfBank ve Intertech firmaları ile bir dizi toplantı düzenlenmiş, proje gereksinimleri, sektörel ihtiyaçlar ve çözüm önerileri detaylı bir şekilde ele alınmıştır. Bu toplantılar, proje hedeflerinin daha verimli bir şekilde belirlenmesine ve uygulanmasına katkı sağlamıştır. Ayrıca, KOBİL’in uluslararası müşteri portföyündeki çeşitli bankalarla yapılan proje görüşmeleri, sektörün genel ihtiyaçlarının belirlenmesi ve projenin uluslararası standartlara uygun hale getirilmesi açısından önemli bir rehberlik sağlamıştır. Proje, tüm bu dış iş birliklerinden elde edilen bilgi ve deneyimden yararlanılarak, tamamen KOBİL’in kendi personeli ve kaynaklarıyla başarıyla tamamlanmıştır. Şirketin sahip olduğu ileri teknolojik altyapı ve deneyimli kadrosu, projenin hızlı ve etkin bir şekilde hayata geçirilmesine olanak tanımıştır. Proje süreci boyunca, akademik destek sağlamak amacıyla Kocaeli Üniversitesi ve Darmstadt Teknik Üniversitesi gibi saygın kurumlarla iş birliği yapılmıştır. Üniversiteler, yapay zeka modellerinin geliştirilmesi, veri işleme algoritmalarının optimize edilmesi ve proje sonuçlarının akademik olarak doğrulanması konularında kritik katkılar sunmuştur.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Proje kapsamında KOBİL, hem ulusal hem de uluslararası ölçekte değerli akademik işbirlikleri gerçekleştirmiştir. Bu işbirlikleri, projenin teknik, akademik ve yenilikçi yönlerini desteklemek amacıyla kurulmuştur. Proje sürecinde, Kocaeli Üniversitesi ve Darmstadt Teknik Üniversitesi ile akademik işbirliği yapılmıştır. Bu üniversiteler, projeye teorik bilgi birikimi ve teknik uzmanlıkları ile katkıda bulunmuştur. Özellikle akademik araştırmalar, yapay zeka modellerinin geliştirilmesi ve optimize edilmesi gibi süreçlerde rehberlik sağlamış, yapay zeka geliştirme süreçlerini daha zengin hale getirmiştir. Bununla birlikte, proje genel olarak KOBİL’in öz kaynakları, personeli ve teknolojik altyapısı ile geliştirilmiştir. Şirketin siber güvenlik alanındaki 40 yıla yakın deneyimi, projeye güçlü bir temel sağlamış ve sürecin bağımsız bir şekilde yürütülmesine imkan tanımıştır. Proje boyunca KOBİL, sahip olduğu ileri seviye altyapı, güçlü sunucu sistemleri ve bulut platformlarından (AWS, Azure) faydalanarak projenin yüksek performansla hayata geçirilmesini sağlamış, aynı zamanda ölçeklenebilir ve verimli bir uygulama altyapısı oluşturmuştur.