Bolum 1: Kapsam, Tanim ve Temel Yaklasim
Bu çalışma, dijital ikna (digital persuasion) ve algı operasyonlarının (perception operations) ana vektörü haline gelen otomatikleştirilmiş hesap ağlarının (botnets), sosyal ağ analizi (Social Network Analysis – SNA) ve graf teorisi (Graph Theory) metodolojileriyle ifşa edilmesini kapsar. Ontolojik çerçeve; aktörlerin (nodes) ve etkileşimlerin (edges) oluşturduğu kompleks ağ yapısının topolojik özelliklerini (derece merkeziyeti, aralık merkeziyeti, eigenvector centrality), zaman serisi dinamiklerini ve içerik benzerlik vektörlerini birleştirerek “koordinasyonlu davranış anomali” tespitine dayanır. Temel yaklaşim, tekil hesap tespitinden (account-level detection) ağ seviyesinde koordinasyon tespitine (network-level coordination detection) evrilmiştir. Parametreler; retweet/ağırlıklı yönlü graf yapısı, zaman damgası hassasiyeti (burst detection), dil modeli perpleksitesi ve profil meta veri entropisi üzerine kuruludur. Bu çerçeve, “Astroturfing” (yapay çimendik) kampanyalarını, devlet destekli bilgi operasyonlarını (IO) ve ticari manipülasyon ağlarını ayırt etmede deterministik ve probabilistik modelleri hibritize eder.
Bolum 2: Temel Ilkeler ve Calisma Mekanizmasi
Mekanizma, platform algoritmalarının “virallik” ve “görünürlük” ödül fonksiyonlarını istismar eden bir mühendislik döngüsü üzerine kuruludur. Fiziksel altyapı; bulut sunucular (AWS, GCP, Azure spot instances), konteyner orkestrasyonu (Kubernetes/Docker Swarm) ve mobil cihaz çiftlikleri (device farms) veya sızmalı IoT cihazları (Mirai tarzı botnetler) üzerinden gerçekleşir. Biyolojik benzetmeyle; “sentezlenmiş kimlikler” (synthetic identities) hücre, “eylem betikleri” (action scripts) DNA, “proxy/VPN rotasyonu” sitoplazma görevi görür. Sebep-sonuç ilişkisi; koordinasyonlu paylaşım (coordinated sharing) -> algoritmik amplifikasyon (algorithmic amplification) -> organik kullanıcı benimsemesi (organic adoption) -> agenda belirleme (agenda setting) zincirini izler. Ağ dinamikleri; “Yıldız Topolojisi” (merkezi komuta-merkezli), “Kümelenmiş Çekirdek-Yaprak” (core-periphery clusters) veya “P2P Mesh” (merkezsiz, dayanıklı) yapılarında işler. Yüksek risk grubu; ağın “kesme noktaları” (articulation points) ve “köprü köprüler” (bridging edges) olan hesaplardır; bunların devrilmesi ağın parçalanmasına (fragmentation) neden olur.
Bolum 3: Metodoloji, Standartlar ve Protokoller
Analiz metodolojisi; NATO STANAG 2525 (Semboloji) ve STANAG 2022 (Bilgi Operasyonları) standartlarına, MITRE ATT&CK® Framework (T1583.001, T1584.004, T1585.001) ve DISARM Foundation Blueprint’una uygunluk gösterir. Veri toplama; Academic Research API (Twitter/X, Reddit, Bluesky) ve GraphQL endpoint’leri üzerinden GDPR/ KVKK uyumlu anonimleştirme ile yapılır. Graf inşası; NetworkX, igraph veya GraphTool kütüphaneleriyle yönlü, ağırlıklı, çoklu graf (MultiDiGraph) olarak modellenir. Topolojik analiz; Louvain/Leiden algoritmalarıyla topluluk tespiti (community detection), PageRank/HITS ile etki ölçümü, k-core decomposition ile çekirdek yapı çıkarımı yapılır. Zamsal analiz; Hawkes Process (self-exciting point process) ile burst koordinasyonu, Dynamic Time Warping (DTW) ile davranışsal zaman serisi benzerliği ölçülür. İçerik analizi; Sentence-BERT (SBERT) embeddings ile kosinüs benzerliği >0.85 eşiğinde “kopya-paste” veya şablon tespiti. Doğrulama; Ground truth veri setleri (Botometer, Cresci datasets) ile Precision/Recall/F1 skorları raporlanır.
Bolum 4: Kapsamli Parametre ve Degerlendirme Tablosu
| Parametre | Ölçüt / Değer | Metrik | Stratejik Etki |
|---|---|---|---|
| Graf Yoğunluğu (Density) | Kenar Sayısı / Olası Max Kenar | 0.001 – 0.05 (Seyrek) vs >0.1 (Yoğun/Küme) | Yoğunluk, merkezi komuta kontrolünü (C2) işaret eder; seyrek ağlar P2P dayanıklılığı gösterir. |
| Ortalama Yol Uzunluğu | Düğümler arası min kenar sayısı | < 3.5 (Küçük Dünya) | Bilgi yayılım hızı; düşük değer “virallik” potansiyelini maksimize eder. |
| Kümeleme Katsayısı (CC) | Yerel üçgen kapatma oranı | > 0.7 (Yüksek) | Yüksek CC, “Echo Chamber” (Yankı Odası) formasyonunu ve güvenilir algı yaratmayı hedefler. |
| Eigenvector Merkeziyeti | Etkili komşulara bağlı etki | Top %1 Skor > 0.8 | “Süper Yayıncılar” (Super-spreaders) tespiti; hedef alınması ağın en hızlı yavaşlamasını sağlar. |
| Aralık Merkeziyeti (Betweenness) | En kısa yollardaki geçiş sıklığı | Normalize Edilmiş > 0.1 | “Köprü Hesaplar” (Bridge Accounts); farklı toplulukları birleştiren ajanlar, ifşa edilince ağ kopar. |
| Zamsal Burst Skoru (Hawkes µ) | Olay tetikleme yoğunluğu | µ > 1.0 (Kendini Tetikleyen) | Koordinasyonlu “Hareket Saati” (Zero Hour) tespiti; organik yayılımda µ ~ 0 civarındadır. |
| İçerik Benzerlik Entropisi | SBERT Kosinüs Dağılımı | Entropi < 1.5 (Düşük) | Şablonlu/kopya içerik oranı; düşük entropi otomasyonun kanıtıdır. |
| Profil Meta Veri Çeşitliliği | Oluşturma Tarihi, Konum, Bio Benzersizliği | Shannon Entropisi < 2.0 | “Sentezlenmiş Kimlik” fabrikası tespiti; düşük çeşitlilik toplu kayıt (bulk registration) belirtisi. |
| Yönlü Ağ Asimetrisi | Giren/Çıkan Derece Oranı | In/Out Ratio > 10 (Yayıncı) vs ~1 (Etkileşimci) | Sadece yayın yapan (broadcast) vs diyalog kuran (engagement) bot ayrımı; risk profili farklıdır. |
| Platformlar Arası Çakışma | Çoklu Platformda Aynı Ağ Kimliği | Jaccard Index > 0.3 | Cross-platform koordinasyon; tek platform takibiyle ifşa edilemeyen “Dayanıklı Altyapı” göstergesi. |
| Yanıt/Alıntı Ağ Motifi | 3-4 Düğümlü Motif Frekansı (MOTIF) | Motif ID 78 (Bi-fan) / 238 (Clique) | Bi-fan: Yaygınlaştırma; Clique: İç döngü doğrulama (circle jerking) stratejisi. |
| Hesap Yaşı / Aktivite Hızı | Gün başına Tweet / Hesap Yaşı (Gün) | Z-Skoru > 3 (Aykırı) | “Uyku Modu” (Sleeper) hesaplar: Düşük aktivite, ani patlama (activation trigger). |
| Doğal Dil İşleme Perpleksitesi | LLM (GPT/Llama) Perplexity Skoru | Perplexity < 20 (Çok Düşük) | Yapay zeka üretilmiş metin tespiti; insan yazımı ~50-100 civarındadır. |
Bolum 5: Uygulama Alanlari ve Pratik Senaryolar
Saha uygulamaları; 2023 Türkiye depremleri sırasında “yardım çağrılarını boğma” ve “kayıp kişi listelerini manipüle etme” operasyonlarında, retweet ağlarının k-core analiziyle tespit edilen 12.000+ botnetin ifşası; 2024 Yerel Seçimleri öncesinde “adalet kalkanı” narratifiyle organize edilen astroturfing kampanyasında, Hawkes Process parametreleriyle (µ=2.4) tespit edilen koordinasyonlu paylaşım dalgaları; NATO’nun Baltık Ülkeleri’deki “StratCom COE” raporlarında, Russkiy Mir narratifini taşıyan cross-platform (VK, Telegram, X) graf köprülerinin (bridging edges) Leiden algoritmasıyla haritalanması; Kripto para “Pump-and-Dump” şemalarında, Discord/Telegram kanallarından X’e yönlendirilen yönlü graf akışlarının (Flow Centrality) finansal suç istihbaratı (FININT) ile korelasyonu öne çıkar. Pratik model; “Günlük Graf Güncelleme -> Anomali Skorlama -> İnsan Analisti Doğrulama (Human-in-the-loop) -> Platform Bildirimi (Trusted Flagger) -> Etki Ölçümü” döngüsü operasyonel standarttır.
Bolum 6: Karsilasilan Zorluklar, Riskler ve Cozum Yollari
Operasyonel darboğazlar; API erişim kısıtlamaları (X API v2 Enterprise maliyeti, Reddit API değişiklikleri), veri eksikliği (censored data) ve graf örneleme yanlılıkları (sampling bias). Hata modları; “False Positive” (gerçek kullanıcıyı bot ilan etme – reputasyon riski), “False Negative” (GPT-4o ile üretilen yüksek entropili, insan taklitçisi botları kaçıra). Risk faktörleri; manipülasyon aktörlerinin “Adversarial ML” (düşmanlık makine öğrenmesi) ile graf metriklerini zehirlemesi (graph poisoning), örn: rastgele organik hesapları takip ederek merkeziyet dağıtımını bozma (degree distribution obfuscation). Proaktif çözümler; Federated Learning ile platformlar arası veri paylaşımı olmadan model eğitimi, Differential Privacy (ε=0.5) ile kullanıcı gizliliği koruyarak ağ metrikleri paylaşımı, “Graph Neural Networks (GNN – GraphSAGE/GAT)” ile yapısal embedding öğrenimi ve “Explainable AI (SHAP/Integrated Gradients)” ile kararın denetlenebilirliği. Yasal çerçeve; DSA (Digital Services Act) Madde 40 (Veri Erişimi) ve Madde 34 (Sistemik Risk Değerlendirmesi) zorunlulukları, akademik erişimi meşrulaştırır.
Bolum 7: Guncel Gelismeler ve Gelecek Perspektifi
En son gelişmeler; Büyük Dil Modelleri (LLM) tabanlı “Persona Agents” (Generative Agents – Stanford Smallville simülasyonu) artık statik betikler yerine hedeflere yönelik, bağlama duyarlı, çok aşamalı (multi-turn) diyaloglar kurabiliyor. Bu, perpleksite ve burst metriklerini bozar. Çözüm; “Behavioral Biometrics” (yazma hızı, fare hareketi, dokunma basıncı – mobile SDK) ve “Proof-of-Humanhood” (Worldcoin/PoH protokolleri) entegrasyonu. “Decentralized Social” (Farcaster, Lens Protocol, Bluesky AT Protocol) protokollerinde, graf verisi halka açık (public by default) olsa da kimlik soyutlanmış (DID) olduğu için atrifüzyon zorlaşır. 5-10 yillik projeksiyon; “Cognitive Security” (Bilişsel Güvenlik) alanının doğması: NATO’nun “Cognitive Warfare” doktriniyle entegre, gerçek zamanlı (streaming graph – Apache Flink/Kafka) “Narrative Graph” haritalaması. Kuantum dayanıklı kriptografi (PQC) ile bot kimlik doğrulama sertifikalarının (X.509) geçersiz kılınması riski ve “Zero-Knowledge Proof” tabanlı anonim kimlik kanıtlama sistemlerinin (ZK-KYC) standartlaşması beklenir.
Bolum 8: Sikca Sorulan Sorular (SSS)
Soru 1: Basit bir bot hesap nasıl tespit edilir ve bu yöntem neden artık yetersiz kalmıştır?
Cevap: Klasik yöntemler (Botometer vb.) tekil hesap özelliklerine (profil resmi yok, yüksek takipçi/takip oranı, default profil) dayanır. Modern operasyonlar “Sentezlenmiş Kimlikler” (AI-generated faces, bio, geçmiş aktivite) kullanır. Ağ analizi (Graph Analysis), tekil özellikleri değil, yapısal anomaliyi (koordinasyonlu zamanlama, aynı içerik paylaşım topolojisi, köprü hesaplar) hedef alır; bu da aktörün altyapı maliyetini (proxy, device farm, hesap yaşı) artırmadan gizlemesini imkansız kılar.
Soru 2: “Yüksek Risk Grubu” (High-Risk Group) tanımı ağ metriklerine göre nasıl yapılır?
Cevap: Yüksek risk grubu; Aralık Merkeziyeti (Betweenness Centrality) ile farklı toplulukları birleştiren “Köprü Ajanlar” (Bridge Agents), Eigenvector Centrality ile ağın en etkili düğümlerine doğrudan bağlı “Süper Yayıncılar” ve k-core decomposition ile ağın en iç çekirdeğinde (core) yer alıp dayanıklılığı sağlayan “Çekirdek Operatörler”dir. Bu üç kesişimin (Venn diyagramı) oluşturduğu küme, ağın “Kesme Noktaları”dır; bunların devrilmesi ağın bileşenlere ayrılmasına (fragmentation) yol açar.
Soru 3: LLM (Large Language Models) bot tespitini nasıl zorlaştırdı ve teknik karşı tedbir ne durumdadır?
Cevap: LLM’ler (GPT-4, Llama-3), düşük perpleksite, yüksek entropi ve bağlamsal tutarlılık sağlayarak metin tabanlı (NLP) tespitleri (stylometry, perplexity) etkisiz hale getirdi. Karşı tedbir: Multimodal Graph Fusion. Sadece metin değil; zamsal davranış serileri (Hawkes Process), ağ yapısal embedding’leri (GraphSAGE), cihaz parmak izi (TLS fingerprint, Canvas fingerprint) ve platformlar arası kimlik çakışması (Cross-platform ID resolution) birleştirilerek “Davranışsal Biyometri” profili çıkarılır. LLM metni taklit edebilir ama ağ topolojisini ve donanım gecikmelerini (latency) taklit etmesi maliyetlidir.
Soru 4: Graf analizi sonucunda bir hesabın “bot” kararı alınırken yasal/etik çerçeve nedir?
Cevap: Akademik araştırma için GDPR Madde 89 (Bilimsel Araştırma İstisnası) ve DSA Madde 40 kapsamında anonimleştirilmiş/agregasyon verisi kullanılır. Operasyonel takip (Platform Trust & Safety) için; Güvenilir Flagger (Trusted Flagger) statüsü, İçerik Moderasyon Politikaları (Terms of Service – Spam/Platform Manipulation) ve DSA Madde 23 (Bildirim Mekanizması) dayanağıyla hareket edilir. “Bot” etiketi hukuki bir suçlama değil, teknik bir risk skoru (probabilistic confidence score) olarak raporlanır; hesap kapanışı platform yetkisidir.
Soru 5: “Astroturfing” ile “Devlet Destekli Bilgi Operasyonu (State-Sponsored IO)” ağ analiziyle nasıl ayrılır?
Cevap: Astroturfing: Ticari/politik kâr için, “Yıldız Topolojisi” (Merkezi C2 -> Botlar), düşük opsec (operasyonel güvenlik), kısa ömürlü kampanyalar, finansal iz (reklam harcamaları, tıklama çiftlikleri) bırakır. Devlet IO’su: Stratejik hedefler için, “P2P Mesh / Çok Katmanlı Hiyerarşi” (Troll Fabrika -> Amplifikatörler -> Yararlı Aptallar), yüksek opsec (yaşlı hesaplar/aged accounts, gerçek cihazlar), uzun vadeli “Uyku Modu” (Sleeper) stratejisi, dil/ kültür hassasiyeti (native fluency). Graf metriklerinde; Devlet IO’su daha yüksek Clustering Coefficient, daha düşük Graph Density (gizlilik için) ve daha karmaşık Motif profilleri (örn. Motif 238 Clique döngüleri) gösterir.
Soru 6: Küçük bir kurum/dernek kendi kaynağıyla basit bir bot ağı tespiti yapabilir mi?
Cevap: Evet, “Low-code/No-code” araçlarla (Gephi, NodeXL Pro, Netlytic, DMI-TCAT) temel analiz mümkündür. Minimum Viable Workflow: 1. Anahtar kelime/Hashtag ile veri çekme (Academic Research API / Free tier). 2. Gephi’de “ForceAtlas 2” layout -> Görsel kümeleme. 3. “Modularity Class” (Louvain) çalıştırma. 4. “In-Degree” ve “Betweenness” sıralaması. 5. İlk 50 hesapta; oluşturma tarihi, bio benzerliği, retweet oranı manuel kontrol. Bu, “Duman var mı?” sorusuna cevap verir; “Yangın nerede?” için GNN/Streaming mimarisi gerekir.
Bolum 9: Temel Terimler Sozlugu
Graf Teorisi (Graph Theory): Düğümler (nodes/vertices) ve kenarlar (edges/links) kümesinden oluşan matematiksel yapıların incelenmesi. Sosyal ağlarda düğümler hesaplar, kenarlar etkileşimlerdir (retweet, mention, reply).
Merkeziyet Ölçütleri (Centrality Measures): Bir düğümün ağ içindeki önemini nicelleştiren metrikler. Derece (Degree): Bağ sayısı. Aralık (Betweenness): Köprülük fonksiyonu. Eigenvector: Etkili komşulara bağlılık. PageRank: Yönlü graf için iteratif etki yayılımı.
Topluluk Tespiti (Community Detection / Clustering): Ağ içindeki yoğun bağlantılı alt kümeleri (modüller) ayıran algoritmalar. Louvain (hızlı, hiyerarşik), Leiden (daha kaliteli, iyi tanımlanmış topluluklar), Infomap (bilgi akışına dayalı).
Hawkes Süreci (Hawkes Process): Geçmiş olayların gelecek olay olasılığını artırdığı (self-exciting) zaman serisi modeli. Bot ağlarında koordinasyonlu “burst” (patlama) anlarını matematiksel olarak modellemek ve organik yayılımla ayırmak için kullanılır.
Astroturfing (Yapay Çimendik): Kökleşmiş (grassroots) bir halk hareketi izlenimi vermek için, merkezi bir aktör tarafından finanse edilip organize edilen yapay kampanyalar. Ağ analizi “Yıldız Topolojisi” ve düşük entropili içerikle tespit edilir.
Sentezlenmiş Kimlik (Synthetic Identity): Gerçek bir insana ait olmayan, yapay zeka (GAN/Diffusion Models) ile üretilmiş yüz fotoğrafları, LLM ile yazılmış biyografiler ve otomatikleştirilmiş aktivite geçmişine sahip sahte profiller.
Köprü Hesap / Broker (Bridge Account / Structural Hole Broker): Burt’un “Yapısal Boşluk” (Structural Holes) teorisine göre, birbirinden habersiz iki topluluku (cluster) birleştiren, bu sayede bilgi akışını kontrol eden ve yayılımı sağlayan kritik düğümler.
Adversarial ML / Graf Zehirlemesi (Graph Poisoning): Saldırganın, tespit modelini (GNN vb.) yanıltmak amacıyla ağ yapısını kasıtlı değiştirmesi (rastgele kenar ekleme/silme, özellik vektörlerini bozma).
Bolum 10: Sonuc ve Stratejik Degerlendirme
Bu analiz, dijital ikna operasyonlarının artık tekil hesap tespitiyle (signature-based) değil, ağ topolojisi, zamsal dinamik ve multimodal davranışsal biyometri birleşimiyle (behavior-based) mücadele edilmesi gerektiğini kanıtlamaktadır. Yüksek risk grubu; merkeziyet ölçütleri (Betweenness/Eigenvector) ile tanımlanan “Köprü Ajanlar” ve “Çekirdek Operatörler” kümesidir; bu kümenin %5-10’u ağın operasyonel kapasitesinin %80-90’ını taşır (Pareto Prensibi). Karar vericiler için yol haritası: 1. Altyapı Yatırımı: Streaming Graph (Apache Flink/GraphScope) ve GNN (PyG/DGL) MLOps hattı kurulumu. 2. Yasal Meşruiyet: DSA Madde 40 erişim haklarının platformlardan talep edilmesi ve KVKK/GDPR uyumlu “Veri Paylaşım Protokolleri” imzalanması. 3. İnsan Faktörü: “Cognitive Security Analisti” (Bilişsel Güvenlik Analisti) yeni rol tanımının oluşturulması; teknik tespiti stratejik istihbarata (STRATINT) çevirme. 4. Dayanıklılık: Platform bağımsız, protokol seviyesinde (AT Protocol, ActivityPub) federasyon yeteneğine sahip açık kaynak araç setleri (OpenCTI, MISP, Graphistry) geliştirilmesi. Teknik tuzaklar (LLM taklidi, API kısıtlamaları, adversarial poisoning) sürecek; bu yüzden statik kural tabanlı sistemlerden, sürekli öğrenen (Continual Learning), açıklanabilir (XAI) ve federasyon yetenli bir savunma mimarisine geçiş stratejik bir zorunluluktur.
