Karspersky \u201cAltai\u201d n\u00f6ro-i\u015flemcisini geli\u015ftiren Motive NT\u2019ye yat\u0131r\u0131m\u0131n\u0131 duyurdu. N\u00f6ro-i\u015flemcilerin ne oldu\u011funa, geleneksel i\u015flemcilerden farklar\u0131na ve bu alan\u0131n neden bilgisayar teknolojileri geli\u015ftirme a\u00e7\u0131s\u0131ndan \u00e7ok fazla \u015fey vadetti\u011fine birlikte bakal\u0131m.<\/p>\n
T\u00fcm modern bilgisayarlar, tabletler, ak\u0131ll\u0131 telefonlar, a\u011f cihazlar\u0131 ve dijital oynat\u0131c\u0131lar, bilgisayar kodunu y\u00fcr\u00fctmek i\u00e7in genel ama\u00e7l\u0131 bir elektronik devre cihaz\u0131 olan merkezi bir i\u015flemci birimine (CPU) sahip. \u00c7al\u0131\u015fma prensipleri 1940\u2019larda ortaya at\u0131lan<\/a> geleneksel i\u015flemciler, ilgin\u00e7tir ki o zamandan bu yana pek de\u011fi\u015fmedi. CPU komutlar\u0131 okur, ard\u0131ndan y\u00fcr\u00fct\u00fcr. T\u00fcm programlar CPU d\u00fczeyinde en basit g\u00f6revlere indirgenerek b\u00f6l\u00fcn\u00fcr. Bunlar \u201cbellekten oku\u201d, \u201cbelle\u011fe yaz\u201d, \u201ciki say\u0131y\u0131 topla\u201d, \u201c\u00e7arp\u201d, \u201cb\u00f6l\u201d gibi komutlard\u0131r. CPU\u2019nun \u00e7al\u0131\u015fma bi\u00e7imiyle ilgili bir\u00e7ok n\u00fcans olsa da bug\u00fcn ele alaca\u011f\u0131m\u0131z konu i\u00e7in \u00f6nemli olan nokta, CPU\u2019lar\u0131n uzun y\u0131llard\u0131r bir d\u00f6ng\u00fcde sadece tek bir operasyon ger\u00e7ekle\u015ftirebiliyor olmalar\u0131. Bu d\u00f6ng\u00fcler elbette say\u0131ca \u00e7ok fazla olabiliyordu. Ba\u015fta saniyede y\u00fcz binlerce, ard\u0131ndan milyonlarca, g\u00fcn\u00fcm\u00fczde ise milyarlarca d\u00f6ng\u00fc ger\u00e7ekle\u015ftirilebiliyor. Ancak yak\u0131n zamana kadar (2000\u2019lerin ortas\u0131na kadar) tipik bir ev bilgisayar\u0131 veya diz\u00fcst\u00fc bilgisayar yaln\u0131zca tek bir i\u015flemciye sahipti.<\/p>\n Tek bir CPU\u2019da ayn\u0131 anda birden fazla program y\u00fcr\u00fctebilme becerisi, kaynak tahsis edilerek ba\u015far\u0131ld\u0131: Tek bir programa birden fazla saat d\u00f6ng\u00fcs\u00fc verildi, ard\u0131ndan kaynaklar bir ba\u015fkas\u0131na tahsis edildi, sonra bir \u00fc\u00e7\u00fcnc\u00fcs\u00fcne tahsis edildi vb. Uygun fiyatl\u0131 \u00e7ok \u00e7ekirdekli i\u015flemciler piyasaya \u00e7\u0131k\u0131nca kaynaklar daha verimli \u015fekilde da\u011f\u0131t\u0131labilmeye ba\u015fland\u0131. Art\u0131k yaln\u0131zca farkl\u0131 \u00e7ekirdeklerde farkl\u0131 programlar y\u00fcr\u00fctmek de\u011fil, ayn\u0131 zamanda tek bir program\u0131 farkl\u0131 \u00e7ekirdeklerde ayn\u0131 anda y\u00fcr\u00fctmek de m\u00fcmk\u00fcnd\u00fc. \u0130lk ba\u015fta bu kolay bir i\u015f de\u011fildi. Bir s\u00fcre boyunca bir\u00e7ok program ve oyun \u00e7ok \u00e7ekirdekli ya da \u00e7ok i\u015flemcili sistemlere g\u00f6re optimize edilmemi\u015fti.<\/p>\n G\u00fcn\u00fcm\u00fczde ev kullan\u0131c\u0131lar\u0131n\u0131n alabildi\u011fi CPU\u2019lar 16, hatta 32 \u00e7ekirdekli olabiliyor. Bunlar etkileyici say\u0131lar olsa da geleneksel t\u00fcketici teknolojisi i\u00e7in bile m\u00fcmk\u00fcn olan maksimum de\u011ferden \u00e7ok uzaklar. \u00d6rne\u011fin, Nvidia GeForce 3080Ti video kart\u0131n\u0131n 10.240 \u00e7ekirde\u011fi var! Peki bu devasa fark neden kaynaklan\u0131yor? \u00c7\u00fcnk\u00fc geleneksel CPU\u2019lar, video kartlar\u0131ndaki i\u015flemci \u00e7ekirdeklerinden \u00e7ok daha karma\u015f\u0131k. S\u0131radan CPU\u2019lar s\u0131n\u0131rl\u0131 bir dizi basit fonksiyon ger\u00e7ekle\u015ftirirken video kartlar\u0131ndaki \u00f6zel grafik i\u015flem birimleri (GPU\u2019lar) daha da ilkeldir; yaln\u0131zca en basit operasyonlar\u0131 ger\u00e7ekle\u015ftirebilirler, ancak bunu \u00e7ok h\u0131zl\u0131 \u015fekilde yaparlar. Bu da saniyede milyarlarca basit operasyon ger\u00e7ekle\u015ftirmek istedi\u011finizde \u00e7ok i\u015finize yarar. \u00d6rne\u011fin bir bilgisayar oyununda, diyelim ki bir sahnenin \u0131\u015f\u0131\u011f\u0131n\u0131 hesaplamak \u00fczere, g\u00f6r\u00fcnt\u00fcdeki her bir nokta i\u00e7in g\u00f6rece basit bir\u00e7ok hesaplama y\u00fcr\u00fct\u00fclmesi gerekir.<\/p>\n Bu n\u00fcanslara ra\u011fmen, geleneksel CPU\u2019larda ve video kartlar\u0131nda kullan\u0131lan i\u015flemci \u00e7ekirdekleri temelde birbirinden \u00e7ok farkl\u0131 de\u011fildir. Oysa n\u00f6romorfik i\u015flemciler, hem CPU\u2019lardan hem de GPU\u2019lardan \u00e7ok farkl\u0131. Art arda veya paralel \u015fekilde aritmetik operasyonlar y\u00fcr\u00fctmek i\u00e7in bir dizi \u00f6ge uygulamaya \u00e7al\u0131\u015fm\u0131yorlar. Bunun yerine insan beyninin yap\u0131s\u0131n\u0131 yeniden \u00fcretmeyi ama\u00e7l\u0131yorlar!<\/p>\n Bilgi i\u015flemde en k\u00fc\u00e7\u00fck yap\u0131 ta\u015f\u0131 d\u00fc\u015f\u00fck transist\u00f6r kabul edilir. Herhangi bir bilgisayarda ya da ak\u0131ll\u0131 telefondaki tipik bir CPU\u2019da bu mikroskopik \u00f6gelerden birka\u00e7 milyar tane bulunur. \u0130nsan beyninde ise buna kar\u015f\u0131l\u0131k gelebilecek temel \u00f6ge n\u00f6ronlar<\/a>, yani sinir h\u00fccreleridir. N\u00f6ronlar birbirlerine sinapslarla<\/a> ba\u011fl\u0131d\u0131r. \u00c7ok karma\u015f\u0131k bir kendi kendine \u00f6\u011frenim sistemi olan insan beynini on milyarlarca n\u00f6ron meydana getirir. N\u00f6romorfik m\u00fchendislik<\/a> olarak bilinen disiplin, onlarca y\u0131ld\u0131r insan beyninin yap\u0131s\u0131n\u0131 k\u0131smen de olsa elektronik devreler bi\u00e7iminde yeniden \u00fcretmeye odaklan\u0131yor. Bu yakla\u015f\u0131mla geli\u015ftirilen Altai i\u015flemci, beyin dokusunun t\u00fcm n\u00f6ronlar\u0131 ve sinapslar\u0131yla donan\u0131ma uygulanm\u0131\u015f hali.<\/p>\n Ancak hemen kendimizi kapt\u0131rmayal\u0131m. Ara\u015ft\u0131rmac\u0131lar yar\u0131 iletkenler kullanarak beyin yap\u0131s\u0131n\u0131n belirli unsurlar\u0131n\u0131 yeniden \u00fcretmeyi ba\u015farm\u0131\u015f olsa da bu yak\u0131n zamanda insanlar\u0131n dijital kopyalar\u0131n\u0131 g\u00f6rece\u011fimiz anlam\u0131na gelmiyor. Bu t\u00fcr bir i\u015f, bu ara\u015ft\u0131rmalar\u0131n eninde sonunda varmay\u0131 istedi\u011fi bir hedef olsa da \u00e7ok daha karma\u015f\u0131k bir s\u00fcre\u00e7. Bu esnada n\u00f6ro i\u015flemciler, yani beyin yap\u0131m\u0131z\u0131n yar\u0131 iletken kopyalar\u0131, daha pratik uygulama alanlar\u0131na sahip. Makine \u00f6\u011frenimi sistemlerini ve bunlar\u0131 destekleyen n\u00f6ral a\u011flar\u0131 hayata ge\u00e7irmek i\u00e7in bu teknolojiye ihtiya\u00e7 var.<\/p>\n Bir n\u00f6ral a\u011f, daha do\u011frusu bir yapay n\u00f6ral a\u011f<\/a> (kafam\u0131z\u0131n i\u00e7indeki do\u011fal olan de\u011fil), bilgi i\u015fleme ve depolama becerisine sahip bir dizi h\u00fccreden olu\u015fuyor. Klasik n\u00f6ral a\u011f modeli Perceptron<\/a> 1960\u2019larda geli\u015ftirildi. Bu h\u00fccre dizisi bir kamera matrisiyle kar\u015f\u0131la\u015ft\u0131r\u0131labilir, ancak ayn\u0131 zamanda \u00f6\u011frenme, sonu\u00e7ta ortaya \u00e7\u0131kan g\u00f6r\u00fcnt\u00fcy\u00fc yorumlama ve i\u00e7indeki \u00f6r\u00fcnt\u00fcleri bulma becerilerine sahiptir. H\u00fccreler aras\u0131ndaki \u00f6zel ba\u011flant\u0131lar ve farkl\u0131 t\u00fcrde h\u00fccreler bilgiyi i\u015fleyerek, \u00f6rne\u011fin, merce\u011fin \u00f6n\u00fcne tutulan alfabe kartlar\u0131 aras\u0131nda ayr\u0131m yapabilir. Fakat bu 60 y\u0131l \u00f6nceydi. O zamandan bu yana, \u00f6zellikle de son on y\u0131lda, makine \u00f6\u011frenimi ve n\u00f6ral a\u011flar bir\u00e7ok s\u0131radan i\u015f i\u00e7in yayg\u0131n olarak kullan\u0131l\u0131r hale geldi.<\/p>\n Alfabedeki harfleri tan\u0131ma problemi \u00e7ok uzun s\u00fcre \u00f6nce \u00e7\u00f6z\u00fcld\u00fc. S\u00fcr\u00fcc\u00fclerin \u00e7ok iyi bildi\u011fi gibi h\u0131z kameralar\u0131 art\u0131k ara\u00e7lar\u0131n plakalar\u0131n\u0131 her a\u00e7\u0131dan, gece g\u00fcnd\u00fcz, hatta \u00e7amurla kapl\u0131 olsa bile tan\u0131yabiliyor. N\u00f6ral a\u011flar\u0131n tipik g\u00f6revlerinden biri de bir foto\u011fraf \u00e7ekip (\u00f6rne\u011fin yukar\u0131dan bir stadyum foto\u011fraf\u0131) i\u00e7indeki insan say\u0131s\u0131n\u0131 belirlemek. Bu g\u00f6revlerin ortak bir yan\u0131 var: Girdiler daima hafif de olsa farkl\u0131l\u0131k g\u00f6steriyor. Eski model, s\u0131radan bir program da b\u00fcy\u00fck olas\u0131l\u0131kla tam kar\u015f\u0131dan \u00e7ekilmi\u015f bir plaka foto\u011fraf\u0131n\u0131 okuyabilirdi, fakat a\u00e7\u0131l\u0131 \u00e7ekilen foto\u011fraflardan plakay\u0131 tan\u0131yamazd\u0131. Bu durumda bir n\u00f6ral a\u011f\u0131 e\u011fitmek i\u00e7in onu \u00e7ok fazla say\u0131da plaka (ya da ba\u015fka bir \u015fey) foto\u011fraf\u0131yla besliyoruz, b\u00f6ylelikle plakay\u0131 olu\u015fturan harfleri ve numaralar\u0131 (ya da girilen \u015feyin di\u011fer \u00f6zelliklerini) ay\u0131rt etmeyi \u00f6\u011freniyor. Bazen o kadar uzmanla\u015f\u0131yor ki, \u00f6rne\u011fin t\u0131p alan\u0131nda bir doktordan daha iyi ya da daha h\u0131zl\u0131 te\u015fhis koyabiliyor.<\/p>\n N\u00f6ral a\u011flar\u0131n hayata ge\u00e7irilmesine geri d\u00f6nelim. Bir n\u00f6ral a\u011f algoritmas\u0131n\u0131 hayata ge\u00e7irmek i\u00e7in gereken hesaplamalar olduk\u00e7a basit olsa da \u00e7ok say\u0131da operasyon i\u00e7erir. Bu i\u015f, geleneksel bir CPU\u2019ya de\u011fil, binlerce ya da on binlerce hesaplama mod\u00fcl\u00fcne sahip bir video kart\u0131na daha uygundur. Yaln\u0131zca belirli bir \u00f6\u011frenme algoritmas\u0131 i\u00e7in gereken bir dizi hesaplamay\u0131 yapan daha uzmanla\u015fm\u0131\u015f bir CPU yapmak da m\u00fcmk\u00fcnd\u00fcr. Bu biraz daha ucuz ve az da olsa daha etkili olabilir. Ancak t\u00fcm bu cihazlar hala n\u00f6ral a\u011f\u0131 (yani bilgiyi g\u00f6nderen ve alan, birbirine birden \u00e7ok ba\u011f ile ba\u011fl\u0131 h\u00fccre d\u00fc\u011f\u00fcm\u00fc setlerini) yaz\u0131l\u0131m d\u00fczeyinde in\u015fa ederler; n\u00f6ro-i\u015flemci ise n\u00f6ral a\u011f \u015femas\u0131n\u0131 donan\u0131m d\u00fczeyinde hayata ge\u00e7irir.<\/p>\n Bu donan\u0131m uygulamas\u0131 \u00e7ok daha verimlidir. Intel\u2019in Loihi<\/a> n\u00f6ro-i\u015flemcisi 131.072 yapay n\u00f6rondan olu\u015fuyor; bu yapay n\u00f6ronlar \u00e7ok daha fazla say\u0131da (130 milyon\u2019dan fazla) sinapsla birbirine ba\u011fl\u0131. Bu \u015feman\u0131n avantajlar\u0131ndan biri, \u00e7al\u0131\u015fmaz durumdayken d\u00fc\u015f\u00fck enerji t\u00fcketmesi; geleneksel GPU\u2019lar \u00e7al\u0131\u015fm\u0131yorken de \u00e7ok fazla enerji t\u00fcketiyor. Bu ve n\u00f6ral a\u011f e\u011fitimi performanslar\u0131n\u0131n teorik olarak daha y\u00fcksek performansa sahip olmas\u0131 \u00e7ok daha d\u00fc\u015f\u00fck enerji t\u00fcketimi sa\u011fl\u0131yor. \u00d6rne\u011fin, birinci nesil Altai i\u015flemci, benzer bir GPU uygulamas\u0131ndan bin kat daha az enerji t\u00fcketiyor.<\/p>\n 130.000 n\u00f6ron, insan beynindeki on milyarca n\u00f6rona k\u0131yasla \u00e7ok az. Bizi beynin nas\u0131l i\u015fledi\u011fini tam olarak anlamaya ve \u00e7ok daha etkin kendi kendine \u00f6\u011frenim sistemleri yaratmaya yakla\u015ft\u0131racak ara\u015ft\u0131rmalar daha yeni ba\u015fl\u0131yor. Daha da \u00f6nemlisi, teoride mevcut problemleri daha etkili bi\u00e7imde \u00e7\u00f6zmemizi sa\u011flayacaklar\u0131 i\u00e7in n\u00f6ro-i\u015flemcilere y\u00f6nelik talep \u015fimdiden artt\u0131. Ak\u0131ll\u0131 telefonunuza entegre edilmi\u015f bir \u00f6r\u00fcnt\u00fc tan\u0131y\u0131c\u0131, \u00f6rne\u011fin siz ormanda meyve toplarken meyveleri birbirinden ay\u0131rt etmeye yarayabilir. Video i\u015fleme ve benzer g\u00f6revler i\u00e7in \u00f6zelle\u015ftirilmi\u015f CPU\u2019lar hali haz\u0131rda yayg\u0131n \u015fekilde ak\u0131ll\u0131 telefonlar\u0131m\u0131zda g\u00f6m\u00fcl\u00fc. N\u00f6ro-i\u015flemciler, makine \u00f6\u011frenimi fikrini birka\u00e7 ad\u0131m ileri ta\u015f\u0131yarak daha etkili bir \u00e7\u00f6z\u00fcm sunuyor.<\/p>\n Kaspersky bu alanla neden ilgileniyor? Birincisi, \u00fcr\u00fcnlerimiz hali haz\u0131rda n\u00f6ral a\u011flar\u0131 ve genel olarak makine \u00f6\u011frenimi teknolojilerini aktif bi\u00e7imde kullan\u0131yor<\/a>. Kurumsal bir a\u011f\u0131n operasyonu hakk\u0131nda b\u00fcy\u00fck miktarda bilgiyi i\u015flemeye ya da d\u00fc\u011f\u00fcmlerin birbiriyle veya d\u0131\u015f d\u00fcnyayla payla\u015ft\u0131\u011f\u0131 verileri izlemeye y\u00f6nelik teknolojiler bunun \u00f6rnekleri aras\u0131nda yer al\u0131yor. Makine \u00f6\u011frenimi teknolojileri, bu trafik ak\u0131\u015f\u0131nda bir izinsiz giri\u015f veya i\u00e7eriden birinin k\u00f6t\u00fc ama\u00e7l\u0131 eylemleri sonucu ortaya \u00e7\u0131kabilecek anormallikleri tespit etmemizi ve s\u0131rad\u0131\u015f\u0131 aktiviteleri bulmam\u0131z\u0131 sa\u011fl\u0131yor. \u0130kincisi, Kaspersky, kontrol\u00fc alt\u0131ndaki cihazlara verilen g\u00f6revlerin g\u00fcvenli \u015fekilde y\u00fcr\u00fct\u00fclmesini garanti eden kendi i\u015fletim sistemi KasperskyOS<\/a>\u2018u geli\u015ftiriyor. KasperskyOS tabanl\u0131 cihazlara donan\u0131m n\u00f6ral a\u011flar entegre etmek, gelecek i\u00e7in \u00e7ok \u015fey vadediyor.<\/p>\n T\u00fcm bu ilerlemelerin sonunda yaln\u0131zca bizim i\u00e7in g\u00f6revleri yerine getirmekle kalmay\u0131p ayn\u0131 zamanda kendi g\u00f6revlerini belirleyen (ve \u00e7\u00f6zen) ger\u00e7ek bir Yapay Zeka ortaya \u00e7\u0131kacak. Bu ortaya etik sorunlar \u00e7\u0131karacak ve baz\u0131lar\u0131 elbette itaatkar bir makinenin yarat\u0131c\u0131s\u0131ndan daha zeki olmas\u0131n\u0131 kavramakta zorlanacak. Yine de buna daha \u00e7ok zaman var. Yakla\u015f\u0131k be\u015f y\u0131l \u00f6nce herkes s\u00fcr\u00fcc\u00fcs\u00fcz otomobillerin son haz\u0131rl\u0131klar\u0131n\u0131n yap\u0131ld\u0131\u011f\u0131ndan, bug\u00fcn yar\u0131n piyasaya s\u00fcr\u00fcleceklerinden emindi. Bu t\u00fcr sistemler de makine \u00f6\u011frenimiyle yak\u0131ndan ba\u011flant\u0131l\u0131. 2022\u2019de hala bu alandaki f\u0131rsatlarla sorunlar ba\u015faba\u015f gidiyor. \u0130nsanlar\u0131n son derece iyi becerdi\u011fi araba s\u00fcrmek gibi dar kapsaml\u0131 bir g\u00f6rev bile hen\u00fcz tamamen bir robota emanet edilemiyor. Bu y\u00fczden bu alanda hem yaz\u0131l\u0131m ve fikir d\u00fczeyinde hem de donan\u0131m d\u00fczeyinde geli\u015fmeler b\u00fcy\u00fck \u00f6nem ta\u015f\u0131yor. T\u00fcm bunlar\u0131n bir araya gelmesi hen\u00fcz bilim kurgu kitaplar\u0131nda ve filmlerindeki gibi ak\u0131ll\u0131 robotlar\u0131n ortaya \u00e7\u0131kmas\u0131na yol a\u00e7mayacak olsa da ya\u015famlar\u0131m\u0131z\u0131 biraz daha kolay ve g\u00fcvenli hale getirece\u011fi kesin.<\/p>\n\n","protected":false},"excerpt":{"rendered":" Gelecek neden n\u00f6romorfik i\u015flemcilerde yat\u0131yor? Modern cihazlarda geleneksel i\u015flemcilerle aralar\u0131ndaki farklar neler?<\/p>\n","protected":false},"author":2581,"featured_media":10822,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1726,1194,1727],"tags":[2321,2561,2562],"class_list":{"0":"post-10819","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-enterprise","8":"category-business","9":"category-smb","10":"tag-is-dunyasi","11":"tag-islemciler","12":"tag-yatirimlar"},"hreflang":[{"hreflang":"tr","url":"https:\/\/www.kaspersky.com.tr\/blog\/neuromorphic-processor-motive\/10819\/"},{"hreflang":"en-in","url":"https:\/\/www.kaspersky.co.in\/blog\/neuromorphic-processor-motive\/24314\/"},{"hreflang":"en-ae","url":"https:\/\/me-en.kaspersky.com\/blog\/neuromorphic-processor-motive\/19781\/"},{"hreflang":"en-us","url":"https:\/\/usa.kaspersky.com\/blog\/neuromorphic-processor-motive\/26677\/"},{"hreflang":"en-gb","url":"https:\/\/www.kaspersky.co.uk\/blog\/neuromorphic-processor-motive\/24615\/"},{"hreflang":"ru","url":"https:\/\/www.kaspersky.ru\/blog\/neuromorphic-processor-motive\/33408\/"},{"hreflang":"x-default","url":"https:\/\/www.kaspersky.com\/blog\/neuromorphic-processor-motive\/44736\/"},{"hreflang":"ru-kz","url":"https:\/\/blog.kaspersky.kz\/neuromorphic-processor-motive\/25165\/"},{"hreflang":"en-au","url":"https:\/\/www.kaspersky.com.au\/blog\/neuromorphic-processor-motive\/30678\/"},{"hreflang":"en-za","url":"https:\/\/www.kaspersky.co.za\/blog\/neuromorphic-processor-motive\/30427\/"}],"acf":[],"banners":"","maintag":{"url":"https:\/\/www.kaspersky.com.tr\/blog\/tag\/islemciler\/","name":"i\u015flemciler"},"_links":{"self":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/10819","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/users\/2581"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/comments?post=10819"}],"version-history":[{"count":3,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/10819\/revisions"}],"predecessor-version":[{"id":10823,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/posts\/10819\/revisions\/10823"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/media\/10822"}],"wp:attachment":[{"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/media?parent=10819"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/categories?post=10819"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kaspersky.com.tr\/blog\/wp-json\/wp\/v2\/tags?post=10819"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}N\u00f6ro-i\u015flemciler ve n\u00f6ral a\u011flar<\/h2>\n
N\u00f6ral a\u011flar ve g\u00fcvenlik<\/h2>\n