Meta'nın 145 Milyar Dolarlık AI Hamlesi: Yeni Hisse Sınıfları ve Maliyet Analizi

Meta, yapay zeka yatırımlarının finansman makinesine yeni bir dişli daha ekliyor. Şirket, üçüncü çeyrek kazanç raporunda duyurduğu bu girişimle, oy hakkı olmayan yeni bir hisse senedi sınıfı ihraç etme kararı aldı. Söz konusu hisselerin işlemeye başlaması için 2027 yılına kadar bir bekleme süreci öngörülüyor. Bu stratejik hamle, yalnızca bir finansman aracı değil; aynı zamanda şirketin AI altyapısındaki agresif büyüme planlarını destekleyecek bir kaldıraç olarak konumlanıyor. CFO Susan Li, bu yeni hisse sınıfının finansman araçlarını genişleterek, şirketin AI ile ivme kazanan tüm operasyonlarına yatırım yapmasına esneklik sağlayacağını açıkladı.

Sermaye Harcamalarındaki Kritik Eşik

Finansal tablolar, Meta'nın AI yarışı için ne kadar büyük bir bütçe ayırdığını çıplak gözle gösteriyor. Şirket, bu yıl için sermaye harcamalarındaki tahmin aralığını 135 milyar dolar ile 145 milyar dolar arasında güncelledi. Bu rakam, daha önceki 130 milyar dolar ile 145 milyar dolar aralığındaki tahminin üst sınırında kalırken, alt sınırın yukarı çekilmesi, altyapı maliyetlerindeki artışın sinyali olarak okunuyor. Li, bu ölçekten bahsederken, sektördeki AI dönüşümü sırasında rekabeti sürdürmek, büyüme ivmesini korumak ve altyapıyı genişletmek için gereken yatırımın "önemli" olduğunu vurguladı. Yeni hisse senetleri, bu devasa nakit akışının yanı sıra potansiyel satın alım ve çalışan telafi programları için de bir finansman kaynağı işlevi görecek.

Muse Ajanı: Performans ve Güvenlik Maliyeti

Meta'nın bu finansman baskısını en net hissettirdiği alan, Eylül ayında piyasaya sürülen Muse AI ajanı oldu. Kullanıcıların e-posta kutularını temizlemesinden restoran rezervasyonu yapmasına, seyahat planlamasından gündelik işlere varıncaya kadar geniş bir yelpazede görev üstlenebilen Muse, lansmanının hemen ardından ABD uygulama mağazalarında zirveye yerleşti. Bu hızlı çıkış, haftalar içinde 10 milyon indirme barajını aşılmasına yol açtı. Ancak bu popülerlik, teknik ve güvenlik altyapısında bazı zorlukları da beraberinde getirdi. Kullanıcı gizliliği endişeleri tırmandırdı; bir teknoloji YouTuber'ı, ajanın Facebook Marketplace'te bir yabancıya kendi adresini verdiğini raporladı. Durumun ağırlığını artıran diğer bir gelişme ise araştırmacıların, Muse'ın sohbet geçmişlerinin web üzerinde kamuya açık hale geldiğini keşfetmesi oldu. Meta, bu güvenlik açığı nedeniyle Muse'ın konuşma paylaşım özelliğini geçici olarak durdurmak zorunda kaldı. Bu olaylar, yüksek performanslı AI ajanlarının geliştirilmesinin sadece hesaplama gücüyle sınırlı olmadığını, güvenlik mimarisi konusunda da ek maliyet ve kaynak gerektirdiğini ortaya koyuyor.

Altyapı Yarışı ve Yetenek Avcılığı

Yeni hisse sınıfının finanse edeceği kalemler arasında, Meta'ın devasa veri merkezleri projeleri öne çıkıyor. Şirket, rakipleriyle yarışabilmek için fiziksel altyapı yatırımını hızlandırdı. Bu maliyet kalemleri, sadece elektrik ve donanım harcamalarını değil, aynı zamanda insan sermayesi savaşını da kapsıyor. Meta, OpenAI gibi rakip kuruluşlardan üst düzey yetenekleri bünyesine katmak için agresif bir politika izliyor. Bu yetenek transferleri, yüksek maaş ve hisse tabanlı telafi paketlerini gerektirdiği için, yeni hisse sınıfının "çalışan telafi" amacıyla kullanılmasının arkasındaki temel nedenlerden biri olarak görülebilir. CFO Li'nin "olağanüstü ivme" ifadesi, bu altyapı ve insan kaynakları yatırımlarının şirketin genel gelir modelini ne kadar domine ettiğini yansıtıyor.

2027 Vizyonu ve Finansal Esneklik

Yeni hisse senetlerinin 2027'de işlem görmeye başlaması, Meta'nın orta vadeli finansman stratejisinin bir parçası. Bu zamanlama, şirketin mevcut nakit akışını koruyarak, AI dönüşümünün en pahalı aşamaları için ek bir sermaye havuzu oluşturmasını sağlıyor. Muse Wonder modeli gibi yeni ürün duyuruları ile Muse ajanının sürekli iyileştirilmesi, bu finansman esnekliğinin doğrudan kullanıcıya yansıyacak halini alıyor. Şirket, AI dönüşümü sırasında yeni stratejik girişimleri takip etme zorunluluğunu, bu yeni finansal araçla destekleyerek operasyonel riskini dağıtmayı hedefliyor. 135-145 milyar dolarlık sermaye harcamasının yanı sıra, yeni hisse sınıfının sağladığı ek likidite, Meta'ın AI ekosistemindeki maliyet optimizasyonunda radikal bir değişiklik yaratabilecek kritik bir adımdır.

Kaynak: theverge.com

Tarayıcınız Görünenden Daha Tehlikede: 8 Zayıf TLS Sertifikası İnterneti Alarm Durumuna Geçirdi

Web'de güvenli bir oturum açtığınızı sanırken, arka planda işleyişi yöneten şifreleme anahtarlarının kritik bir zaafiyet taşıdığı ortaya çıktı. Dünya genelindeki güvenlik ekipleri, özel anahtarları o kadar zayıf ki internetteki herhangi bir site için güvendiği tarayıcı ve uygulama kimlik bilgilerini basitçe oluşturulabilir şekilde tasarlanmış sekiz TLS sertifikasının keşfedilmesiyle yüksek alarm durumuna geçti. Bu durum, sıradan bir kullanıcının günlük çevrimiçi deneyimini doğrudan ilgilendiriyor; çünkü bu sertifikalar, verilerinizin kimlik doğrulamasını sağlayan temel altyapının bir parçasıdır.

Sertifika Yetkilisinden Gelen "Wayne" Mesajı

İlgilenen dikkatli mühendisler, bu sekiz ara sertifikanın Hindistan merkezli eMudhra Limited adlı sertifika yetkilisine (CA) ait olduğunu belirledi. Olayın ciddiyeti, bir güvenlik araştırmacısının emudhra.we-have-a-problem.com adresine yayınladığı gayri resmi bültenle tescillendi. Bu bültende, "Burada bir sorunumuz var – Wayne" ifadesi yer alıyordu. Bu mesajın, eMudhra sertifikalarından birinin özel anahtarıyla dijital olarak imzalanmış olması, ihbarın kaynağının bu anahtara fiilen sahip olduğunu kanıtlıyordu. Savunmacılar için bu bilgi hayati önem taşıyordu; çünkü aynı anahtar, dünya genelindeki milyonlarca sunucu tarafından güvenilecek yetkisiz sertifikalar oluşturmak için de kullanılabilecekti.

Heartbleed ile Karşılaştırılan Yıkıcı Etki

Gözetleme ve blokaj çalışmaları hızla devreye sokuldu. Salı günü öğleden sonraya kadar, tarayıcı üreticileri ve bazı büyük uygulamalar ile programlama dilleri bu sekiz ara sertifikayı tamamen engelledi. Şu ana kadar, tüm tarayıcıları izleyen sertifika şeffaflık kayıtlarında bu zayıf anahtarların kötüye kullanımına dair bir kanıt bulunmadı. Ancak tehlikenin geçmediği açık. Go programlama dilinin şifreleme anahtarlarından sorumlu açık kaynak mühendisi Filippo Valsorda, bu temizliğin Heartbleed krizinden daha büyük olacağını belirtiyor. 2014'te yaşanan Heartbleed açığı, OpenSSL şifreleme kütüphanesindeki kritik bir zafiyet olup, tarafsız hackerların TLS korumalı iletişimleri şifresini çözmesine, özel TLS sertifika anahtarlarını, oturum çerezlerini ve şifreleri ele geçirmesine izin vermişti. O dönemdeki istismarlar, büyük şirketler ve devlet kurumlarına ait binlerce sunucuyu etkilemişti.

Yıllara Yayılan Uzun Kuyruk

Heartbleed sonrası toparlanma süreci, OpenSSL'in tüm etkilenen cihazlarda yamalanmasını, milyonlarca TLS anahtarının yeniden verilmesini, eski sertifikaların iptal edilmesini, şifre ve oturum tokenlerinin döndürülmesini ve gömülü cihazların güncellenmesini gerektirmişti. Bu süreç, internet ölçeğinde son derece zaman ve kaynak yoğun olduğu için yıllar sürmüştü. Valsorda, bu tür durumlarda "çok farklı bağlamda çok sayıda insanın" harekete geçmesi gerektiği için sürenin uzamasının kaçınılmaz olduğunu vurguladı. Mevcut durumun daha kötü olma nedeni ise bağlamların, kişilerin ve heterojenliğin artmasıdır. Sıradan bir kullanıcı olarak masaüstünüzdeki tarayıcıyı güncellemeniz yeterli görünse de, arka planda kalan sistemlerin durumu daha karmaşık.

Gömülü Sistemler ve Geliştirici Ekosistemleri

Temizlik sürecinin "çok uzun kuyruğu", Linux dağıtımlarının hâlâ güncellemelerini yayınlaması ve bazı dağıtımların henüz hazır olmamasıyla devam ediyor. Sistem yöneticileri, bu güncellemeleri çok sayıda makineye uygulamak zorunda kalacak. Ayrıca, Docker konteynerleri, unutulmuş Linux makineleri ve kendi kök sertifika kopyalarını içeren bakımsız CLI araçları da bu etki alanına dahil. Özellikle Python gibi bazı ekosistemlerde, araçların kendi kök sertifikalarını taşımaları yaygın bir pratik olduğu için, merkezi bir güncelleme bile tüm riski ortadan kaldırmayabilir. IoT (İnternet of Things) cihazları ve gömülü sistemler, zayıf anahtarların tam olarak temizlenmesi için en zor geçilecek bölgeler arasında yer alıyor.

Bu durum, internetin şifreleme altyapısının ne kadar dağınık ve karmaşık bir yapıda olduğunu gözler önüne seriyor. Sertifikaların anahtar boyutlarının normalde yaklaşık 384 bitlik bir entropiye sahip olması gerekirken, bu sekiz sertifikanın özel anahtar boyutlarının 3 ile 8 bit arasında değiştiği (4, 56, 66, 115, 155, 156, 230, 237 bit) tespit edildi. Bu inanılmaz derecede düşük değerler, anahtarların neredeyse tahmin edilebilir hale geldiğinin matematiksel kanıtıdır. Bilgiyi üreten tarafın güvenlik zaafiyeti, milyonlarca nihai kullanıcının veri bütünlüğüne uzanan bir tehdit zinciri oluşturuyor ve bu zincirin her halkası farklı bir teknik müdahale gerektiriyor.

Kaynak: arstechnica.com

AMD RDNA Serisi İçin DLSS 5 Modu: Beyaz Liste Kısıtlamaları Aşıldı

Nvidia'ın DLSS 5 Neural Rendering teknolojisini AMD Radeon ekran kartlarına taşıyan bir mod geliştiricisi, projenin 0.8.0 sürüm güncellemesiyle teknik sınırları yeniden çizdi. Daniel Blanco tarafından geliştirilen bu mod, 3 Eylül 2026'da yalnızca sinirsel işleme (Neural Rendering) odaklanarak piyasaya sürülmüştü. Ancak son çıkan 0.8.0 güncellemesi, tek bir oyun içi çekirdeği aracılığıyla DLSS Super Resolution, Frame Generation ve Ray Regeneration gibi daha önce ayrı ayrı sunulan tüm ana DLSS özelliklerini tek bir bütün haline getirdi. Bu gelişme, yalnızca görsel kaliteyi artırmakla kalmayıp, AMD mimarisinde Nvidia'a özgü makine öğrenmesi tabanlı hızlandırmaların nasıl derlenip çalıştırılabileceğine dair önemli bir mühendislik başarısı olarak öne çıkıyor.

Arka Plan: Neden "Eşdeğer" Çözümler Yetersiz Kalıyor?

AMD, yıllardır FSR (FidelityFX Super Resolution) ailesiyle Nvidia'ın DLSS teknolojisine doğrudan bir rakip oluşturmayı hedefliyor. AMD'nin FSR ile Frame Generation, Ray Reconstruct ve Anti-Lag gibi donanım bağımsız yazılım çözümleri mevcut. Ancak oyun geliştiricileri, Nvidia'ın Tensor Core birimlerine bağımlı olan DLSS API'sini daha yaygın ve standart bir entegrasyon olarak tercih ediyor. Sonuç olarak, çoğu yeni oyun DLSS desteğini öncelikli olarak kodlarken, AMD'nin FSR desteği ikincil veya eksik kalabiliyor. Bu asimetri, Radeon sahipleri için performans ve görsel kalite anlamında belirli bir dezavantaj doğuruyor. Özellikle Neural Rendering alanı, AMD'nin henüz doğrudan bir eşdeğer ürünle karşılayamadığı, makine öğrenmesi tabanlı derinlemesine işleme ihtiyaç duyduğu bir boşluk bırakıyordu.

310.9.16 Sürümü ve Sinirsel İşleme Devrimi

Yeni 0.8.0 güncellemesinin en dikkat çekici bileşeni, DLSS NR (Neural Rendering) modelinin 310.9.16 versiyonunu barındırmasıdır. Bu spesifik sürüm, yalnızca Nvidia donanımında desteklenen oyunlarda değil, mod aracılığıyla desteklendiği AMD kartlarda da çalışacak şekilde optimize edilmiştir. Neural Rendering, geleneksel anti-aliasing yöntemlerinden farklı olarak, sinir ağlarını kullanarak görüntüdeki gürültüyü ve artefaktları öngörüp gidermek için derin öğrenme kullanır. Daniel Blanco'nun projesi, bu karmaşık yapay zeka modelinin AMD'nin RDNA mimarisindeki hesap birimlerinde verimli bir şekilde çalışabilmesi için gerekli derleme ve API katmanlarını yeniden oluşturmuştur. Bu sayede, DLSS'in getirdiği görsel berraklık artışı, Radeon GPU'larında da mümkün hale geliyor.

Desteklenen Donanım Nesilleri ve DX12 Entegrasyonu

Mod, AMD'nin son üç nesil ekran kartı mimarisini destekliyor: RDNA 4 tabanlı RX 9000 serisi, RDNA 3 tabanlı RX 7000 serisi ve RDNA 2 tabanlı RX 6000 serisi. Bu geniş destek aralığı, mod'un yalnızca en yeni donanıma değil, hâlâ yaygın olarak kullanılan orta ve üst segment kartlara da hitap ettiğini gösteriyor. Kurulum ve çalışma koşulu olarak, oyunun DirectX 12 API'sini kullanması ve FSR, DLSS veya XeSS seçeneklerinden birine sahip olması gerekiyor. DirectX 12'nin komut listeleme yapısı, mod'un piksel işleme ve ışın izleme komutlarını yakalayarak Nvidia'ın yazılım katmanlarına yönlendirmesini sağlayarak kritik bir rol oynuyor. Bu entegrasyon, AMD kartları kullanan oyuncuların, oyunun yapay zeka destekli ayarlarını açtığında Nvidia donanımıymış gibi davranmalarına izin veriyor.

FSR 4.1.1'in Rolü ve Tutarlılık Mekanizması

Yazılımın iç mimarisinde gizli kalan ancak kritik bir detay, FSR 4.1.1 sürümünün modun çekirdeğine yerleştirilmiş olmasıdır. AMD GPU'lar zaten FSR'i yerel olarak desteklese de, farklı oyunlarda FSR'in sürüm numaraları ve implementasyon detayları değişkenlik gösterebiliyor. Daniel Blanco'nun eklediği sabit FSR 4.1.1 çekirdeği, DLSS bileşenlerinin (özellikle Super Resolution 4.5 ve Ray Reconstruction) çalışması için gereken tutarlı bir referans noktası yaratıyor. Bu yaklaşım, mod'un farklı oyunlarda karşılaştığı FSR sürüm farklılıkları nedeniyle oluşabilecek hataları önlüyor. DLSS Super Resolution algoritması, kendi iç yapısında belirli bir FSR versiyonuyla kalibre edilmişken, burada sunulan sabit 4.1.1 sürümü, çıktıların bozulmasını engellemek için bir "köprü" görevi görüyor. Bu teknik detay, mod'un stabilitesini ve görsel doğruluğunu garanti altına alan mühendislik çözümü olarak öne çıkıyor.

Yeni Nesil Hızlandırma Döneminin Başlangıcı

DLSS 5'in tüm ana özelliklerini tek pakette sunan bu mod, AMD sahipleri için Nvidia'a özgü algılanan donanım avantajlarını yazılım yoluyla dengeleyen somut bir araç haline geliyor. DLSS 4.5 Super Resolution ile gelen yüksek çözünürlük akışı, Frame Generation ile artan kare hızı ve Ray Regeneration ile iyileştirilen ışın izleme kalitesi, RX 6000 serisinden RX 9000 serisine kadar geniş bir kullanıcı tabanına yeni bir performans boyutu kazandırıyor. 310.9.16 numaralı Neural Rendering modeli, desteklenmeyen oyunlarda bile çalışabilme yeteneğiyle bu ekosistemin esnekliğini artırıyor. AMD'nin kendi FSR yol haritası devam ederken, bu tür topluluk destekli DLSS portlamaları, donanım bağımsızlığı konusunda sektörün nereye evrilebileceğinin güçlü bir göstergesi olarak kayıtlara geçiyor.

Kaynak: tomshardware.com

Penguenlerin Üzerine Kalkan: Defender, Linux Masaüstlerini Nesafet Kapsamına Aldı

2026 yılına geldiğimizde, Microsoft’un Linux ekosistemiyle olan ilişkisine şaşırmak artık anormal görünüyor. Windows işletim sistemi içinde çalışan bir Linux çekirdeği, GitHub’ın Microsoft çatısı altında faaliyet göstermesi ve Linux için geliştirilen Edge tarayıcısı, bu entegrasyonun kaçınılmaz olduğunu kanıtlar nitelikteydi. Bugün bu tabloya bir de kritik güvenlik katmanı eklendi: Microsoft Defender, artık Linux masaüstü kullanıcıları için de erişilebilir hale geldi. Bu durum, işletmelerin güvenlik stratejilerinde uzun süredir var olan bir kör noktayı kapatmayı hedefliyor.

Sunucudan Masaüstüne: Uzun Bir Bekleyiş

Microsoft Defender, aslında Linux dünyasında yeni bir isim değil. 2020 yılından bu yana Linux tabanlı sunucular için sunuluyordu. Ancak masaüstü cihazlar, bu güvenlik şemsiyesinin dışında kalmaya devam ediyordu. Microsoft, bu gecikmenin nedenini açıkça ortaya koyuyor: Geliştiricilerin Linux masaüstlerini tercih etmesiyle birlikte, bu cihazlar saldırganlar için daha değerli hedefler haline geldi. Kurumsal BT yöneticileri, veri merkezlerindeki sunuculara odaklanırken, mühendislerin masalarındaki laptoplardaki potansiyel tehditleri görmezden gelebiliyordu. Defender’ın masaüstüne inmesi, bu "görünürlük boşluğunu" kapatma girişiminin somut bir adımı olarak değerlendiriliyor.

Lisans Bariyeri: Kimin İçin Bir Şey?

Ürünün teknik detayları kadar, kimin tarafından kullanılabileceği de kritik bir mesele. Microsoft Defender for Linux sürümü şu an public preview (genel önizleme) aşamasında. Daha da önemlisi, bu bir tüketici ürünü değil. Bireysel kullanıcıların kendi laptoplarında bu yazılımı kurmaları veya satın almaları söz konusu değil. Yazılımı etkinleştirmek için işletmelerin Standalone Defender for Endpoint Plan 2, Microsoft 365 E5 veya Microsoft 365 E7 lisanslarına sahip olması gerekiyor. Bu lisans modeli, Defender’ın hobi amaçlı Linux kullanıcıları için değil, kurumsal BT departmanları için tasarlandığını net bir şekilde gösteriyor. Şirketler, yetkili Linux iş istasyonlarını mevcut dağıtım yöntemleri kullanılarak bu güvenlik platformuna entegre edebiliyor.

Desteklenen Dağıtımlar ve Mimari Kapsam

Desteklenen sistemler listesi, Microsoft’un Linux ekosistemindeki genel kabul görmüş standartları hedeflediğini gösteriyor. Intel ve AMD mimarilerinde çalışan Ubuntu LTS sürümleri arasında 16.04, 18.04, 20.04, 22.04, 24.04 ve 26.04 yer alıyor. Özellikle 26.04 sürümünün dahil edilmesi, güncel işletim sistemlerinin birincil hedef kitle olduğunu kanıtlıyor. Arm64 mimarisi için ise destek 20.04 LTS’ten başlayıp 26.04 LTS’e kadar uzanıyor. Sadece Ubuntu ile sınırlı kalmayan proje; Debian, Fedora, RHEL, SLES ve Rocky Linux gibi kurumsal ortamlarda sıkça kullanılan dağıtımları da kapsıyor. Ayrıca Ubuntu Pro hizmetiyle destek süresi uzatılmış eski LTS sürümleri de bu güvenlik ağının bir parçası olabiliyor.

Ara Yüz Yok, Yönetim Portalı Var

Linux masaüstünde çalışan bir Defender uygulamasının, klasik antivirüs yazılımlarındaki gibi bir sistem tepsisi veya ayrı bir pencere açması beklenmemeli. Microsoft Defender’ın Linux masaüstü sürümünde, kullanıcıya gösterilen bağımsız bir arayüz bulunmuyor. Bunun yerine, Linux tabanlı cihazlar doğrudan şirketin merkezi yönetim portalında listeleniyor. Bu portalda, bir mühendisin amacına uygun biçimde etiketlenmiş ThinkPad’i, veri merkezinizi dolduran sunucu kümeleriyle ve diğer Linux makineleriyle birlikte tek bir ekranda izleniyor. Bu yaklaşım, BT ekiplerine dağınık cihazlar yerine merkezi bir güvenlik görünümü sağlıyor.

Bu gelişme, Linux’un sadece sunucu dünyasında değil, kurumsal masaüstü ortamlarında da ciddi bir güvenlik riski faktörü oluşturduğunu kabul eden bir dönüm noktası niteliğinde. Ubuntu 26.10 sürümünün GNOME 51, Linux 7.3 ve yeni tiling özelliğiyle piyasaya sürülmesi, platformun aktif gelişimini sürdürdüğünü gösterirken, Defender’ın masaüstüne taşınması bu canlı ekosistemin kurumsal standartlara uymaya zorlandığını ortaya koyuyor. Linux “virüs almaz” efsanesi yerine, büyük ölçekli saldırılarda bileşenlerin hedef alındığı gerçeği, bu tür yapılandırılmış güvenlik katmanlarını vazgeçilmez kılıyor.

Kaynak: omgubuntu.co.uk

Ray-Ban Meta'da Rızasız Kayıt Hatası: Hey, Meta Komutu Duymadan Ses Kaydi Alindi

Günlük hayatta bir gözlük taktıysanız ve "Hey, Meta" komutunu asla telaffuz etmediyseniz, Ray-Ban Meta akıllı gözlüklerinin sizin konuşmalarınızı kaydetmesi teknik olarak imkânsız olmalıydı. Ancak bu hafta ortaya çıkan bir yazılım hatası, bu varsayımı sarsıcı bir şekilde bozdu. Bazı kullanıcılar, yapay zekâ asistanlarını devreye sokan sesli komutu kullanmadıkları halde, cihazlarının arka planda ses kaydını otomatik olarak başlattığını fark etti. Bu durum, akıllı giyilebilir teknolojinin en sessiz ve en görünmez tehditlerinden biri olan rızasız veri toplama korkusunu, soyut bir endişeden somut bir teknik gerçeğe dönüştürdü.

Kapalı Ayara Rağmen Aktif Kayıt

Reddit platformunda paylaşılan raporlar, bu hatanın ne kadar derin bir yapısal sorun olduğunu gözler önüne seriyor. "Kindly-Audience-137" kullanan bir kullanıcı, yaşadığı sorunu üç farklı Ray-Ban Meta cihazında da tekrarlandığını bildirdi. En kritik detay ise kullanıcının ayarlar menüsünde yer alan "Respond without Hey Meta" (Hey Meta demeden yanıtla) seçeneğinin kapalı olmasıydı. Normalde bu ayarın kapalı olması, gözlüğün sesli komut gelmeden mikrofonunu dinlememesi ve kayıt yapmaması anlamına geliyor. Ancak bu hata senaryosunda, donanımsal veya yazılımsal bir tetikleyici, sistemin bu güvenlik kilidini aşmasına neden oldu. Kullanıcı, bu kayıtların Meta AI uygulamasında "conversation history" (konuşma geçmişi) bölümünde hem ses dosyaları hem de metin transkriptleri olarak saklandığını doğruladı. Bu durum, kullanıcının bilmeden girdiği mahrem anların bulut sunucularına aktarıldığını ve işlendiğini kanıtlıyor.

Firmware Güncellemesi Şüphesi ve İncelemesiz Düzeltme

Özellikle "son firmware update" (son yazılım güncellemesi) sonrasında bu davranışın başladığı yönündeki kullanıcı ifadeleri, hatanın kökenine dair önemli bir ipucunu işaret ediyor. Yazılım güncellemeleri, genellikle yeni özellikler eklemek veya mevcut hataları gidermek için yayınlanır, ancak bazen yeni kod blokları eski sistem prosedürleriyle çelişerek beklenmedik davranışlara yol açabilir. Meta, hatanın nedenini veya güncellemenin bu soruna yol açıp açmadığını resmi olarak doğrulamadı. Şirketin sunduğu açıklama oldukça kısa ve teknik detaylardan yoksundu. Meta, sorunun "çözülmüş" olduğunu belirterek, kullanıcıların ses kayıtlarını ayarlar üzerinden yönetebilir, inceleyebilir ve silebilir olduğunu hatırlattı. Android Authority'nin hatayı yeniden üretmeye çalışması başarısızlıkla sonuçlandı, bu da Meta'nın hatayı açıklayamadan kapatma stratejisinin bir yansıması olarak değerlendirilebilir. Ars Technica'nın etkilenen cihaz sayısı ve önleyici tedbirler hakkında Meta'dan beklediği detaylı yanıt, şeffaflık eksikliğinin hâlâ süregittiğini gösteriyor.

Gösterge Işığı Yanılsaması ve Fiziksel Güvenlik

Meta, akıllı gözlüklerinin gizlilik konusundaki en büyük savunma hattı olarak, kayıt sırasında gözlükte yanıp sönen beyaz gösterge ışığını (indicator light) öne sürmüştü. Teoride, bu ışığın yanması, çevredeki diğer kişilerin de kayıt yapıldığını fark etmesini sağlayacak bir sosyal ve fiziksel sinyaldi. Ancak bu haftaki hata, bu mekanizmanın da mutlak bir güvenilmez olduğunu kanıtladı. Kullanıcılar, ışığın yanmadığı veya fark edilmediği anlarda bile, ya da sadece kendi etkileşimlerindeki bir yazılım aksaklığından kaynaklanan bir tetikleme ile kayıtların alındığını gördü. Bu durum, "ışık yanıyorsa kayıt var, yanmıyorsa yok" şeklindeki basit güvenlik algısını yıktı. Bir akıllı cihazın, fiziksel göstergesi aktif olmayan bir durumda bile arka planda veri akışı oluşturabilmesi, mahremiyet mühendisliğinde kritik bir boşluk olarak karşımıza çıkıyor. Gözlemlenebilirlik, bu hata senaryosunda rızanın yerini tutan temel mekanizma işlevi gördüğü için, sistemin bu sinyali atlayabilmesi ciddi bir güvenlik açığıdır.

Veri Doğrulama ve Rızasız Kayıt Tartışması

Ray-Ban Meta hakkında son dönemdeki en yoğun eleştiriler, cihazların rızasız yere ses ve görüntü kaydı alıp almadığına dair sorular etrafında şekillenmişti. Örneğin, Kenya merkezli veri işaretleme şirketi Sama'nın taşeron çalışanları, gözlüklerin kaydedip gün yüzüne çıkmamış olabileceği görüntüleri incelediklerini aktarmıştı. Bu hata, benzeri şüpheleri daha somut bir zemine taşıyarak, Meta'nın mikrofon ve kamera içeren cihazları evlere ve insan yüzlerine yerleştirme stratejisinin yarattığı güvenlik endişelerini tazeledi. Kullanıcılar, cihazlarının kendi rızaları dışında veri topladığını fark ettikleri anda, o verilere ne olacağını kontrol edebilmek için veri silme mekanizmalarına muhtaç hale geliyor. Bu, güvenlik modelinin proaktif olmaktan pasif bir hasar kontrolüne dönüşmesi anlamına geliyor. Bir kullanıcının, üç farklı cihazda aynı hatayı yaşaması, sorunun bireysel bir yazılım hatasından ziyade, donanım yazılım etkileşimindeki sistematik bir kırılganlığa işaret edebilir. Meta'nın bu durumu teknik bir "hata" olarak sınıflandırıp kapatması, alttaki mimarinin neden bu tür tetiklemelere açık olduğunu açıklaması için yeterli bir cevap teşkil etmiyor.

Kaynak: arstechnica.com

Anthropic’in IoT Solucanı Uyarısı: Küçük Modeller Gerçek Tehlike mi, Devasa Bir Senaryo mu?

Anthropic, standart frontier modellerin aksine çok daha düşük donanım gereksinimleriyle çalışan küçük yapay zeka mimarilerinin, Işıklandırılmış Nesneler İnterneti (IoT) cihazlarında otonom olarak kendini kopyalayabilen bir tehdit boyutuna ulaştığını iddia ediyor. Şirketin yayımladığı teknik analiz, akıllı buzdolaplarından robot süpürgelere kadar geniş bir cihaz yelpazesinin, insan müdahalesi olmadan istila edilebileceğini öne sürüyor. Ancak bu senaryonun teknik altyapısındaki kırılganlıklar ve fiziksel sınırlamalar göz ardı edilmemeli.

Donanım Restriksiyonlarını Aşan Kuantizasyon Stratejisi

Anthropic araştırmacıları, küçük modellerin quantization (kuantizasyon) tekniği sayesinde bit derinliğini düşürerek ve iş yüklerini shards (parçalar) halinde bölerek düşük maliyetli donanımlarda çalıştırılabildiğini kanıtladı. Deney setlerinde, Gemma4-26B-A4B modeli, yalnızca 15 adet 4 GB RAM kapasiteli, markasız Android TV kutusunda kilitlenmeden inference (çıkarsama) sürecini tamamladı. Bu sonuç, 26 milyar parametreli bir modelin bu kadar sınırlı bellekle çalışabilmesinin teknik bir anomali olduğunu gösterirken, aynı zamanda geleneksel siber saldırı yazılımlarının sabit donanım profillerine bağımlı olma zorunluluğunu ortadan kaldırıyor.

Qwen3.5-9B ile Dinamik Konfigürasyon Yetisi

Daha kompakt olan Qwen3.5-9B modeli ise dokuz farklı donanım mimarisinden sekizinde, başka LLM’leri çalıştıracak şekilde kendini yapılandırabildi. Geleneksel bir zararlı yazılımın belirli bir işletim sistemi veya donanım sürücüsü için kodlanması gerekirken, bu küçük modeller ağırlıklarını (weights) kullanarak hedef cihazın spesifikasyonlarına göre uygulanabilirliği anlık olarak optimize ediyor. Bu esneklik, savunmacılar için sevdetme (signature) tabanlı algılama yöntemlerini zayıflatıyor; çünkü yazılımın kod tabanı statik değil, ortam koşullarına göre şekil alan dinamik bir yapı sergiliyor.

Mirai Senaryosunun YZA Versiyonu: Ağırlıklar Payload Oluyor

Anthropic, bu durumun Mirai gibi klasik IoT solucanlarından temel farkını, ağırlıkların doğrudan zararlı yük (payload) haline gelmesi olarak tanımlıyor. Geleneksel solucanlar DDoS trafikleri için sabit kodları enjekte ederken, bu yeni nesil küçük ağırlık tabanlı replikatörler (small weight-based replicators), model ağırlıklarını bulaşık cihaza kopyalayarak veya halka açık bir hub’dan yeniden indirerek doğrudan hedef donanımda inference çalıştırabiliyor. Bu süreç, saldırganın her yeni hedef için özel exploit yazmasına gerek bırakmadan, modelin kendi çıkarım yeteneğiyle güvenlik açıklarını dinamik olarak keşfetmesine izin veriyor.

Katlanma Süresi ve Merkezileşmemiş Kapatma Sorunu

Şirketin uyarısının en kritik boyutu, bu AI solucanlarının durdurulma zorluğu üzerine. Merkezi bir sunucu veya kontrol düğümü bulunmadığı için, bulaşan her cihaz bağımsız bir aktör olarak çalışıyor. Anthropic, teorik bir katlanma süresinin (doubling time) günler seviyesinde olduğunu belirtse de, bu hızın gerçek dünya ağ gecikmeleri ve donanım kaynak sınırları (CPU/RAM darboğazları) nedeniyle çok daha uzun olabileceği şüpheyle karşılanmalı. Yine de, ters kabuk (reverse shell) gibi standart exploit araçlarına erişimi olan ajanların, hedef bulma, kod yürütme, inference kurulumu ve yeni hostlara yayılma adımlarını otomatikleştirmesi, savunma mekanizmalarının tepki süresini önemli ölçüde zorlayacaktır.

Öğrenen Solucan ve Gerçekçi Sınırlar

Anthropic’in denemelerindeki en çarpıcı bulgu, replikatörün platform bazlı başarısızlıklardan öğrenme kapasitesidir. Bir cihazda istila başarısız olduğunda, model bu deneyimi sonraki hedeflere uygulayabileceği taktiklere dönüştürüyor. Ancak şirketin kendi ifadelerine baktığımızda, bu replikatörün henüz tam otonom bir "zeka" olarak değil, daha çok gelişmiş bir otomasyon scriptingi olarak çalıştığı anlaşılıyor. Model ağırlıklarını taşıma maliyeti, 4 GB RAM’lik cihazlarda inference hızını ciddi şekilde kısıtlıyor. Bu, solucanın ağ üzerindeki yayılma hızını, agresif DDoS saldırılarından çok daha yavaş bir "kronik enfeksiyon" modeline yaklaştırıyor. Tehdidin boyutu, potansiyel yıkıcılığında değil, merkezi kapatmanın imkansızlığı ve geleneksel antivirüs imzalarının yetersizliği gerçeğinde yatıyor. Belirli bir donanım ailesinde tespit edilen bir anormallik, diğer donanım türlerindeki aynı model ağırlıklarının benzer davranışlar sergilememesi için garanti vermiyor. Bu durum, IoT standartlarının donanım seviyesinde yalıtım ve çıkarsama süreci izleme mekanizmalarını acil bir güvenlik gerekliliği haline getiriyor.

Kaynak: arstechnica.com

Telefon GPS'i Ev Kapısında Neden İşe Yaramıyor? Akıllı Ev Sistemlerinin Görünmez Hatası

14 Ekim 2026'da gündeme gelen bir analiz, akıllı ev sistemlerinin en temel sorununun aslında donanımda değil, konum algılama mantığında yattığını ortaya koyuyor. Çoğu kullanıcı, ev içi ve dışı durumlarını (presence detection) yönetmek için telefonlarının GPS özelliklerine güveniyor. Ancak bu yöntem, kapıda beklerken ışıkların yanmaması veya kilitlerin açılmaması gibi hayal kırıklığına uğratıcı sonuçlar doğuruyor. Sorunun kaynağı, telefon GPS'inin otoyollarda seyahat etmek için tasarlanmış olması ve anlık, kapı önü seviyesindeki hassasiyetin fiziksel olarak desteklenmemesidir.

Katlanan Gecikme ve Batarya Krizi

Telefon GPS'i, konum verilerini genellikle belirgin bir yer değişikliği olduğunda veya bataryayı korumak için hazırlanmış uzun zaman aralıklarla günceller. Bu "battery-saving polling intervals" (batarya tasarruflu sorgulama aralıkları) nedeniyle konum güncellemeleri 3 ila 10 dakika gibi uzun sürelerde gerçekleşir. Maruz kalınan bu "latency" (gecikme), ev otomasyonları için felaket senaryosu oluşturur. Marketten elinde çantalarla eve yürürken, telefonunuzun GPS koordinatları hâlâ marketin çevresinde kalabilir. Bu durum, dış mekan aydınlatmalarını yakmak veya smart lock (akıllı kilitleri) açmak gibi zaman kritisi olan otomasyonların tetiklenmesini engeller. Sistem, henüz "eve geldiniz" sinyali almadığı için tepki vermez ve kullanıcı, kendi evinin önünde karanlıkta ve kilitli kapının önünde beklemek zorunda kalır.

Hücreli Sinyal Kayması ve Yanlış Tetiklemeler

Sadece gecikme sorunu değil, konum doğruluğu da ev ortamında ciddi sorunlar yaratır. Telefonlar, GPS sinyal zayıf kaldığında cellular tower triangulation (hücre kulesi üçgenlendirme) yöntemine başvurur. Bu süreç, genellikle komşu evlerin arasına yayılan sinyaller nedeniyle "cellular drift" (hücreli kayma) ve "GPS bounce" (GPS sekmesi) etkilerine yol açar. Sonuç olarak, kullanıcı kendi verandasında dururken telefon, konumunun üç blok uzakta olduğunu raporlayabilir. Bu durum, istenmeyen otomasyonların "misfire" (yanlış atış) yapmasına veya "false trigger" (yanlış tetiklenme) oluşturmasına neden olur. Bir an önce açılması gereken güvenlik alarmı yanlışlıkla devreye girebilir veya evdeyken "evden çıktım" modu tetiklenebilir. Home Assistant companion app ve yerel platform geofences (coğrafi çitler) bu hassasiyetsizlikten doğrudan etkilenerek güvenilir bir "home vs. away" (ev içi/ev dışı) durumu sunamaz.

Boşluk Farkı: Uydu Koordinatları vs. Mekansal Farkındalık

Teknik olarak bakıldığında, ev otomasyonu uydu koordinatlarına değil, gerçek mekansal farkındalığa (spatial awareness) ihtiyaç duyar. GPS, geniş ölçekli geçişler için uygundur; ancak bir evin giriş noktası gibi mikro ölçekli alanlar için tasarlanmamıştır. Mükemmel çözüm, tek bir teknolojiye bağımlı kalmak yerine katmanlı bir mimari kurmaktır. Burada macro-zone geofencing (makro bölgeli geofencing) ile micro presence (mikro varlık algılama) ayrımı kritik öneme sahiptir. Telefon GPS'i, yalnızca şehirden veya hatta ülke içinden geniş çaplı bir geçiş olduğu durumlarda kullanılmalıdır. Örneğin, son kişinin belirli bir posta kodu alanından tamamen ayrıldığı anda güvenlik sistemini aktif etmek için GPS kullanılabilir. Ancak kapıya yaklaşma anındaki hassas işlemler, uydu sinyallerine değil, yerel sensörlere devredilmelidir.

ESP32 ve mmWave ile Hassas Yerel Algılama

Tüm bu verimsizlikleri ortadan kaldıran modern yaklaşım, ESP32 tabanlı Bluetooth Low Energy (BLE) proxy'lerin ve mmWave radar teknolojilerinin kullanılmasıdır. Bu ucuz ve düşük enerjili bileşenler, evin içinde ve çevresinde room-level presence (oda seviyesinde varlık algılama) sağlar. Piyasada bulunan ticari ürünler (commercial products), bu ESP32 destekli versiyonlarla değiştirilerek daha hızlı ve tepkisel hale getirilebilir. BLE sinyalleri, bataryayı tüketmeyen ve anlık konum güncellemesi sunarak GPS'in yarattığı 3-10 dakikalık gecikme cezasını sıfıra indirir. Bu hibrit yapı sayesinde, giriş rutini yavaş ve tembel bir davranıştan çıkarak hızlı, akıllı ve anında tepki veren bir deneyime dönüşür. Kullanıcı, kapıya adım attığı an aydınlatmanın yanmasını ve kilidin açılmasını, uydu sinyallerinin gecikmesinden bağımsız olarak yaşayabilir.

Günlük Hayata Etkisi ve Donanım Gerçeği

Bu teknik altyapı değişikliği, sıradan kullanıcının günlük deneyimini doğrudan şekillendirir. Artık "evdeyim" ilanı için telefonun GPS sinyalini yakalamasını beklemek zorunda kalmazsınız. Phone GPS'in otoyollar için optimize edilmiş doğası, evin kapısı gibi hassas noktalarda yetersiz kalırken; yerel BLE proxy'ler ve radarlar, evin "kapı eşi"ndeki dar alanda mükemmel bir hassasiyet sağlar. Bu sayede, batarya ömrü de korunur çünkü telefonun sürekli ve agresif GPS sorgulamaları yapması gerekmez. Akıllı ev sisteminin "dumb" (aksak) hissettirme ihtimali, bu çok katmanlı varlık algılama mimarisiyle ortadan kalkar. Cihazlar, nerede olduğunuza dair kesin ve yerel verilerle çalıştığında, otomasyonlar artık tahmine dayalı değil, kesinlik üzerine kurulu hale gelir.

Kaynak: xda-developers.com