Günümüz SOC'leri için En İyi 16 UEBA Kullanım Durumu

Web ağ geçitleri, güvenlik duvarları, IPS araçları ve VPN'ler gibi geleneksel güvenlik önlemleri, modern siber saldırılara karşı savunmak için artık yeterli değildir. Saldırganlar, kural tabanlı araçların nadiren işaretlediği geçerli kimlik bilgilerini kullanarak rutin olarak faaliyet gösterir.

UEBA sistemleri, insan kullanıcıların yanı sıra kullanıcı olmayan varlıkları izleyerek, davranışsal temel çizgiler oluşturmak ve sapmaları tespit etmek için makine öğrenimini kullanarak bu boşluğu giderir.

1. Kötü niyetli içeridekileri tespit etme

Kötü niyetli içeridekiler, sistemlere ve verilere meşru erişimlerini kötüye kullanarak bir kuruluşa kasıtlı olarak zarar veren dahili veya eski çalışanlardır. Faaliyetleri normal operasyonlarla harmanlandığı için tam olarak tespit edilmesi en zor tehditler arasındadırlar.

UEBA, bu kişileri belirli olayları işaretleyerek değil, davranışsal sapmaları kendi temel çizgileri ve akran grubu temel çizgileriyle ilişkilendirerek, hiçbir tek günlük kaydının ortaya çıkaramayacağı kalıpları tespit ederek tanımlar:

• Kullanıcının veya akran grubunun geçmiş davranışından sapan içerideki faaliyetleri
• Şüpheli veya kötü niyetli faaliyet dizileri
• Harici araçlardan (DLP, CASB, EDR) gelen ilişkili uyarılar

İçerideki tehdit maliyetleri 2026'da kuruluş başına yıllık 19.5 milyon dolara ulaştı, 2025'e göre %12 artış, 2018'den bu yana %123 artış. İçerideki olaylar şimdi tüm veri ihlallerinin yaklaşık %30'unu oluşturuyor. Ortalama kontrol altına alma süresi 2023'teki 86 günden 2026'da 67 güne düştü, bu da yapay zeka destekli davranışsal tespit yatırımıyla ilişkili.¹

Gerçek hayattan örnek: Bir CASB API'ı + UEBA çözümü, coğrafi olarak tutarsız konumlarda çok sayıda IP adresi kullanarak kimlik doğrulaması yapan bir içeridekini tespit etti. Çözüm, açık bir kural ihlaline değil, davranışsal sapmaya dayalı olarak "belirli IP bloklarından erişim girişimleri" ve "riskli ülkeler" uyarıları oluşturdu.²

Sınırlamalar: Siber Strateji Enstitüsü'nün 2026 İçerideki Tehdit Raporu, yüksek etkili olayların giderek artan bir şekilde, veriler kuruluştan ayrılana kadar davranışsal alarmları tetiklemeyen "düşük gürültülü" teknikler (meşru yönetici konsolu komutları, bilgi hırsızı tabanlı oturum cookie hırsızlığı ve MFA yardım masası sosyal mühendisliği) kullandığını belgelemektedir. UEBA tespit için gerekli olmaya devam etmektedir, ancak veri sızıntısını gerçekleşmeden önlemek için kimlik yönetişimi ve tam zamanında erişim kontrolleri ile birleştirilmelidir.³

2. Kullanıcı hesabı ele geçirilmesini tespit etme

Geçerli kimlik bilgilerinin çalındığı ve yetkisiz bir tarafça kullanıldığı hesap ele geçirme, kuruluşların karşılaştığı en yaygın saldırı modellerinden biridir. Bu, paylaşılan hesap etkinliğini, kimlik bilgisi doldurmayı ve genel hesap sahtekarlığını tespit etmeyi içerir.

UEBA, normal davranışı modelleyerek ve sapmaları işaretleyerek bir hesabın meşru sahibi dışında biri tarafından işletildiğini tespit eder:

• Anormal Active Directory etkinliği
• Etkin hale gelen devre dışı bırakılmış hesaplar
• Alışılmadık konumlardan hesap kurtarma
• İşten ayrılmış kullanıcılardan gelen etkinlik

Gerçek hayattan örnek: Bir DLP & UEBA çözümü, kurumsal bir OneDrive örneğinden 2.000'den fazla dosya indiren ve kişisel bir Google Drive'a 400'den fazla dosya yükleyen bir kullanıcıyı tespit etti. Tespitler, hepsi sıkıştırılmış bir zaman aralığında olmak üzere potansiyel hassas dosya hareketini, kurumsal veri hareketini, kişisel uygulamalara yüklenen hassas verilerde kullanıcı tabanlı ani artışı ve indirme hacminde olağandışı bir artışı içeriyordu.²

3. Cihaz ele geçirilmesini tespit etme

Kötü amaçlı yazılım bulaşmış uç noktaları tespit etmek, ele geçirilmiş hesap kullanım durumundan farklıdır: kötü niyetli davranış, belirli bir kullanıcı hesabıyla herhangi bir ilişki olmaksızın bir ana bilgisayardan kaynaklanabilir. Kötü amaçlı yazılım, sistem düzeyindeki süreçleri kullanarak sessizce çalışabilir.

UEBA, ilk bulaşmanın nasıl gerçekleştiğine bakılmaksızın, aşağıdakilerdeki değişiklikleri izleyerek davranış tabanlı modelleme yoluyla cihaz ele geçirilmesini tespit eder:

• Cihazlar arasındaki iletişim modelleri
• Cihazın geçmiş temel çizgisinde olmayan harici alan adları veya IP adresleri ile iletişim
• Alan adı özellikleri (yeni kaydedilmiş alan adları, olağandışı TLD'ler, yüksek entropili alan adları)

Gerçek hayattan örnek: Hukuk firması Winthrop & Weinstine, siber saldırıları tespit etmek ve bunlara yanıt vermek için bir UEBA çözümü konuşlandırdı. Firma, güvenlik verilerini merkezileştirerek ve IP iletişim modellerini görselleştirerek, çevre savunmalarını atlatmış olan ana bilgisayar ve cihaz ele geçirmelerini belirledi.⁴

4. Yatay hareketi tespit etme

Yatay hareket, zaten ilk erişimi elde etmiş bir saldırganın güvenilir bir kimlik kullanarak ağ genelinde erişimini sistematik olarak genişletmesini, ayrıcalıkları yükseltmesini, yeni kaynaklara erişmesini ve veri sızıntısı veya fidye yazılımı dağıtımı için konumlanmasını içerir.

UEBA, kullanıcı ve varlık davranış eğilimlerini izleyerek ve aşağıdakilerdeki sapmaları belirleyerek yatay hareketi tespit eder:

• Ayrıcalık yükseltme modelleri
• Kullanıcının normal kapsamı dışındaki hassas kaynaklara erişim
• Sistemler arasında anormal kimlik doğrulama dizileri

UEBA'nın tespit edebileceği belirli yatay hareket teknikleri şunları içerir:

• Pass the hash (PtH): bir saldırganın bir kullanıcıyı taklit etmek için yakalanmış bir kimlik doğrulama karması kullandığı kimlik bilgisi hırsızlığı
• Kaba kuvvet girişleri: hesaplar arasında tekrarlanan başarısız kimlik doğrulama girişimleri
• Dahili hedef odaklı kimlik avı: dahili hesaplar arasında olağandışı e-posta tabanlı iletişim
• SSH ele geçirme: etkin SSH oturumlarının yetkisiz kullanımı

5. Ağ politikası ihlallerini belirleme

Kuruluşlar, kullanıcı hesabı paylaşımını, veri hareketini ve cihaz erişimini yönetmek için politikalara güvenir, ancak bu politikaları ölçekte uygulamak zordur. UEBA, aksi takdirde manuel inceleme gerektirecek politika ihlallerinin tespitini otomatikleştirir:

• Coğrafi olarak uzak konumlardan eşzamanlı oturum açmalar: UEBA, fiziksel olarak bağdaştırılamayacak konumlardan neredeyse eşzamanlı kimlik doğrulamaları işaretleyerek hesap paylaşımını veya kimlik bilgisi ele geçirilmesini gösterir.
• Olağandışı veri aktarımları: UEBA, veri yönetişim politikalarını ihlal eden ani, büyük veri hareketlerini ve yetkisiz ağlara aktarımları tespit eder.
• Yetkisiz cihaz bağlantıları: Ağa erişmeye çalışan bilinmeyen veya kayıtsız cihazlar, BYOD ortamlarında kritik olarak işaretlenir.
• RBAC ihlalleri: UEBA, rol başına erişim modellerini analiz eder ve kullanıcıların tanımlanmış izinlerinin ötesindeki dosyalara veya sistemlere ne zaman eriştiğini belirler.

6. Veri sızıntısını tespit etme

Veri sızıntısı, hesaplar ve uç noktalar ele geçirilmemiş görünse bile bir risktir, çünkü meşru erişime sahip yetkili kullanıcılar yine de veri çalabilir. UEBA burada gereklidir çünkü standart DLP araçları, normal izinleri dahilinde faaliyet gösteren güvenilir kullanıcılar tarafından yapılan sızıntıyı genellikle gözden kaçırır.

UEBA, birden çok vektörde veri kaybını veya hırsızlığını tanımlar:

• Ağ altyapısı (güvenlik duvarları ve proxy'ler)
• Bulut depolama hizmetleri (kişisel hesaplar, gölge BT)
• Çıkarılabilir depolama (USB cihazları)
• E-posta (olağandışı ek hacimleri, harici alıcılar)

UEBA, her kullanıcı ve rol için "normal" veri aktarım davranışının nasıl göründüğünü belirleyerek, kullanıcının verilere erişim hakları olsa bile kural tabanlı bir DLP'nin yakalayamayacağı hacim, hedef, zamanlama ve dosya türü modellerindeki anomalileri işaretler.

7. Ayrıcalıklı erişim kötüye kullanımını önleme

Sistem yöneticileri, DBA'lar ve yöneticiler tarafından kullanılan ayrıcalıklı hesaplar, hassas sistemlere geniş erişime sahiptir. Bunların ele geçirilmesi veya kötüye kullanılması, veri ihlalleri, sistem kesintisi veya tam alan ele geçirilmesi gibi büyük sonuçlar doğurur.

UEBA, ayrıcalıklı kullanıcı davranışını sürekli olarak izler ve şunları işaretler:

• Kullanıcının normal operasyonel kapsamı dışındaki hassas verilere veya sistemlere erişim
• Olağandışı zamanlarda (mesai saatleri dışında, hafta sonları, tatiller) etkinlik
• Kullanıcının geçmiş temel çizgisinden sapan olağandışı komut dizileri veya yönetimsel eylemler
• Hesabın yerleşik kullanım modellerinin ötesine geçen ayrıcalık yükseltme girişimleri

8. Güvenlik uyarısı otomasyonu ve araştırması

SOC ekipleri, verimli bir şekilde önceliklendirmek için yeterli bağlamdan yoksun olan anti-kötü amaçlı yazılım, DLP ve ağ erişim kontrol araçlarından gelen yüksek hacimli uyarılar nedeniyle uyarı yorgunluğuyla karşı karşıyadır. Ana bilgisayar, dosya karması, kullanıcı kimliği veya önceki etkinlik zincirinden yoksun uyarılar, olay başına saatlerce manuel araştırma gerektirir.

UEBA, üçüncü taraf uyarılarını davranışsal bağlamla zenginleştirerek, analistlerin tek bir uyarı kimliği girerek kim, ne ve ne zaman hakkında eksiksiz bir resme erişmesini sağlayarak bunu çözer.

2026 itibarıyla, UEBA tarafından oluşturulan risk puanları, yapay zeka ajanlarının ilk araştırma adımlarını gerçekleştirdiği, anomalileri doğruladığı ve yalnızca onaylanmış yüksek riskli vakaları insan analistlere ilettiği otomatik, ajansal SOC iş akışlarına giderek daha fazla beslenmektedir. WEF Küresel Siber Güvenlik Görünümü 2026, kuruluşların %77'sinin siber güvenlik için yapay zekayı benimsediğini ve UEBA risk puanlarının bu otomatik sistemlere birincil girdi olduğunu bildirmektedir.⁵

Gerçek hayattan örnek: Union Bank, tüm DLP olaylarını toplamak ve davranışsal temel çizgiler oluşturmak için bir UEBA çözümü konuşlandırdı. Çözüm, bankanın yanlış pozitifleri filtrelemesini ve analistlerin zamanını gerçekten yüksek riskli durumlara odaklamasını sağlayarak araştırma yükünü önemli ölçüde azalttı.⁶

9. Hesap kilitleme araştırması

Hesap kilitlemeleri, büyük kuruluşlarda yönetim kaynaklarını tüketir. Bazı şirketler, yalnızca hesap kilitlemelerini araştırmak için yıllık olarak tam zamanlı bir pozisyon ayırır. UEBA olmadan, kilitlenen her hesap, bunun bir kullanıcı hatası mı, önbelleğe alınmış bir kimlik bilgisi çakışması mı yoksa aktif bir saldırı mı olduğunu belirlemek için manuel inceleme gerektirir.

UEBA, şunları kontrol ederek bu araştırmayı otomatikleştirir:

• Kilitleme kaynağını belirlemek için etki alanı denetleyicisi olay günlükleri
• Tekrarlanan kimlik doğrulama hatalarını tetikliyor olabilecek kullanıcının cihazındaki önbelleğe alınmış kimlik bilgileri
• Kilitlemeyle çakışan etkin oturumlar

Bu, olay başına araştırma süresini saatlerden dakikalara indirir ve analistlere rutin kilitlemeleri potansiyel hesap ele geçirmeden ayıran bir davranış geçmişi sağlar.

10. Hesap oluşturma izleme

İlk dayanağı elde eden saldırganlar genellikle bir kalıcılık mekanizması olarak yeni hesaplar oluşturur; başlangıçta ele geçirilen makine düzeltilse bile, yeni kimlik bilgileri onları ağda tutar.

UEBA, hesap oluşturma etkinliğini izler ve şunları tespit eder:

• Normal sağlama iş akışları dışında yetkisiz kimlik bilgisi oluşturma
• Çalınmış veya sentetik kimlikler kullanan sahte dijital hesaplar
• Spam, yatay hareket veya politika ihlalleri için hemen kullanılan yeni hesaplar

11. Üçüncü taraf ve tedarik zinciri risk izleme

Üçüncü taraf tedarikçiler, yükleniciler ve ortaklar, normal operasyonların bir parçası olarak kurumsal sistemlere rutin olarak erişir. Bu erişim gereklidir, ancak standart çevre araçlarıyla izlenmesi zor olan genişletilmiş bir saldırı yüzeyi oluşturur.

UEBA, üçüncü taraf etkinliğini izler ve şunları tespit eder:

• Ortağın tanımlanmış kapsamının ötesinde yetkisiz erişim girişimleri
• Üçüncü taraf hesaplarından veri sızıntısı modelleri
• Bir yüklenici hesabının ele geçirildiğini gösteren davranışsal anomaliler

Gerçek hayattan örnek: Avrupa'nın en büyük özel demiryolu yük taşımacılığı şirketi Lineas, analist odağını ham günlük incelemesinden davranışsal tedarik zinciri analitiğine kaydırmak için bir UEBA çözümü konuşlandırdı. Çözüm, daha önce kör noktalar olan ana bilgisayarlar, hesaplar, ağ trafiği ve veri havuzlarına görünürlük sağladı.⁷

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

12. İçerideki risk izleme

İçerideki risk, hem kötü niyetli hem de ihmalkar davranışı kapsar. UEBA, kullanıcıların BT sistemleriyle düzenli olarak nasıl etkileşim kurduğunu yakalar ve analiz ederek "normal" in neye benzediğini belirler ve daha fazla araştırma için sapmaları bildirir.

Güncel 2026 verileri: İçerideki olayların %55'i kötü niyetli amaçtan ziyade ihmalkarlıktan kaynaklanmaktadır ve kuruluşlar yılda ortalama 14.5 içerideki olayla karşılaşmıştır.⁸ UEBA, bu modeller olaylara dönüşmeden önce artan riski, olağandışı çalışma saatlerini, yeni dosya erişim modellerini, iletişim davranışındaki değişiklikleri gösterebilecek davranış değişikliklerini işaretler.

Bu, SOC ekiplerine kuruluş genelinde kullanıcı etkinliği analitiğine genel bir bakış sağlar ve tamamen reaktif olmaktan ziyade proaktif içerideki risk yönetimini destekler.

13. Yazılım ve donanım arızalarını tahmin etme

UEBA'nın davranışsal temel çizgi belirleme özelliği altyapı sağlığına kadar uzanır ve operasyon ekiplerine yaklaşan arızalar hakkında erken uyarı verir.

• Yazılım: UEBA, uygulama günlüklerini ve yanıt sürelerini toplar ve analiz eder. Tarihsel olarak çökmelerden önce gelen artan hata oranları veya işlem yanıt sürelerini tespit ederse, kesinti meydana gelmeden önce bir yazılım sorunu uyarısı gönderir.
• Donanım: UEBA, sunucular, depolama sistemleri ve ağ ekipmanlarındaki CPU kullanımını, bellek tüketimini ve ağ trafiğini izler. Yerleşik işletim profillerinden ani artışlar veya sapmalar, donanım sorunu uyarılarını tetikleyerek reaktif olay müdahalesi yerine proaktif bakım sağlar.

14. GDPR uyumluluğuna bağlı kalma

GDPR: AB'nin Genel Veri Koruma Yönetmeliği, işletmelerin kişisel verilere kimin eriştiğini, nasıl kullanıldığını ve ne zaman silindiğini hesaba katmasını gerektirir. UEBA, kullanıcı etkinliğini ve kişisel verilere erişimi sürekli izleyerek, denetim izlerini koruyarak ve yetkisiz erişimi tespit ederek GDPR uyumluluğunu destekler.

AB Yapay Zeka Yasası: AB Yapay Zeka Yasası, çoğu hüküm için 2 Ağustos 2026'da tam olarak yürürlüğe giriyor. Yüksek riskli yapay zeka sistemleri konuşlandıran kuruluşlar, sürekli izleme, yapay zeka sistemi etkileşimlerinin eksiksiz denetim günlüğü, şeffaflık yükümlülükleri ve piyasaya arz sonrası izleme planları uygulamalıdır. UEBA'nın davranışsal izleme ve denetim izi yetenekleri, özellikle yapay zeka ajan etkinliğini günlüğe kaydetme ve izleme yükümlülüğü olmak üzere bu gereksinimleri doğrudan destekler.⁹

15. Sıfır güven güvenliğini sürdürme

Sıfır güven mimarisi, "asla güvenme, her zaman doğrula" ilkesine göre çalışır ve her zaman ağ genelindeki tüm kullanıcılar, cihazlar, varlıklar ve birimler hakkında eksiksiz görünürlük gerektirir.

UEBA, statik erişim kontrollerinin sağlayamadığı davranışsal zekayı sağladığı için sıfır güvenin temel bir sağlayıcısıdır: kullanıcıların ve varlıkların yalnızca ne yapmalarına izin verildiğini değil, gerçekte ne yaptıklarına dair gerçek zamanlı içgörü. UEBA, yerleşik modellerinin dışında erişim arayan cihazları, haklarını aşmaya çalışan kullanıcıları ve daha önce güvenilen bir kimliğin ele geçirilmiş olabileceğini gösteren davranış değişikliklerini işaretler.

16. Yapay Zeka Ajan Davranışını İzleme (2026'da Yeni)

2026'nın en önemli yeni UEBA kullanım durumu, davranışsal analitiğin yapay zeka ajanlarına, yardımcı pilotlara, RPA bot'larına ve kurumsal kimlik bilgileriyle çalışan diğer otomatik sistemlere genişletilmesidir.

Veri havuzlarına erişen, API çağrıları yapan, iş akışlarını yürüten ve iş sistemleriyle etkileşim kuran yapay zeka ajanları, insan kullanıcılara çok benzeyen şekillerde davranır. Ele geçirilmiş veya kapsam dışı bir yapay zeka ajanı, herhangi bir insan içeridekiden çok daha hızlı bir şekilde, makine hızında veri sızdırabilir. Ancak 2026 içerideki risk raporuna göre, şu anda kuruluşların yalnızca %19'u kimlik bilgilerine sahip yapay zeka ajanlarını içerideki olarak değerlendiriyor ve bu da onu aktif olarak yetersiz izlenen bir tehdit yüzeyi haline getiriyor.⁵

Exabeam, UEBA'nın davranışsal temel çizgi belirleme ilkelerini doğrudan yapay zeka ajan etkinliğine uygulayan ticari olarak mevcut ilk yetenek olan Ajan Davranış Analitiğini (ABA) Ocak 2026'da başlattı. Bir ajan işlevsel kapsamı dışındaki sistemlere eriştiğinde, olağandışı hacimlerde hassas veri okuduğunda veya yerleşik modeliyle tutarsız API çağrıları yaptığında, ABA bunu işaretler ve otomatik olarak bir adli zaman çizelgesi oluşturur.¹⁰

2026'da yapay zeka ajanları uygulayan kuruluşlar, UEBA kapsamlarını aşağıdakileri içerecek şekilde genişletmelidir:

• Ajanlar için davranışsal temel çizgi belirleme: bir ajanın hangi API'leri çağırdığını, hangi verilere eriştiğini ve hangi hacimlerde olduğunu tanımlayın
• Sapma tespiti: bir ajan beklenen işlevi dışındaki sistemlere eriştiğinde işaretleyin
• Adli zaman çizelgeleri: bir ajan anomalisi tespit edildiğinde eylem dizisini otomatik olarak yeniden oluşturun
• Kimlik bilgisi yönetişimi: yapay zeka ajanı kimlik bilgilerine, ayrıcalıklı insan hesaplarına uygulanan aynı gözetimle davranın

Açık kaynak UEBA araçları

Devamını okuyun: Açık kaynak UEBA araçları.

UEBA vs SIEM

• SIEM kullanıcı veya varlık davranışı yerine güvenlik olay verilerine odaklanır. Bu, SIEM'in güvenlik günlükleri, güvenlik duvarı günlükleri, izinsiz giriş önleme günlükleri ve ağ trafiğinden veri toplayıp analiz ettiği, UEBA'nın ise kullanıcı ve varlıkla ilgili kaynakları ve çeşitli günlükleri kullandığı anlamına gelir.
  
  SIEM için temel kullanım durumu, gerçek zamanlı güvenlik izleme, olay ilişkilendirme, olay tespiti ve yanıttır.

• UEBA, içerideki tehditleri, hesap ele geçirmelerini, ayrıcalık kötüye kullanımını ve diğer anormal davranışları veya veri aktarım faaliyetlerini tespit edebilir. UEBA, "normal" davranış temel çizgilerini oluşturmak için makine öğrenimi algoritmalarını ve istatistiksel modellemeyi kullanırken, SIEM kural tabanlı ilişkilendirme ve kalıp tanıma kullanır.
  
  UEBA, kullanıcı ve varlık davranış analitiğini geliştirmek için SIEM sistemlerine de entegre edilebilir ve SIEM çözümleri sıklıkla modül olarak UEBA yetenekleri sunar. ManageEngine Log360 veya Microsoft Sentinel gibi bazı satıcılar, SIEM ve UEBA yeteneklerini tek bir çözümde sağlayan birleşik SIEM ürünleri sunar.

SSS'ler

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Sezer, Sena},
  title  = {{Günümüz SOC'leri için En İyi 16 UEBA Kullanım Durumu}},
  year   = {2026},
  month  = apr,
  howpublished    = {\url{https://aimultiple.com/ueba-use-cases}},
  note   = {AIMultiple. Erişim tarihi: 2 Nisan 2026}
}

Referans Linkleri

1.

Insider Threat Statistics [2026]: 45+ Facts on Cost & Risk

StationX

2.

https://www.netskope.com/wp-content/uploads/2023/05/advanced-ueba-case-studies.pdf

3.

2026 Insider Threat Report: 5 Critical Reality Checks

Cyber Strategy Institute

4.

Rapid7's MDR is Winthrop & Weinstine's 24/7 "eyes and ears" - Rapid7

5.

UEBA explained: user and entity behavior analytics guide

Vectra AI

6.

Exabeam Allows Union Bank to Focus on Actual High-risk Incidents | Exabeam

Exabeam

7.

Exabeam Equips Lineas with the Tools to Secure the Availability of Their IT Systems | Exabeam

Exabeam

8.

Insider Threat Statistics 2025: Tackling the Growing Security Threat

Hackingloops

9.

The EU AI Act implementation timeline: understanding the next deadline for compliance

Kennedys Law LLP

10.

Exabeam Introduces AI Agent Security in New-Scale Launch | Exabeam

Exabeam

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple'da baş analisttir. AIMultiple, her ay Fortune 500'ün %60'ı dahil olmak üzere (similarWeb'e göre) yüz binlerce işletmeyi bilgilendirmektedir.

Cem'in çalışmaları Business Insider, Forbes, Washington Post gibi önde gelen küresel yayınlar, Deloitte, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslarüstü kuruluşlar tarafından alıntılanmıştır.

Cem, kariyeri boyunca teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımlamıştır.

CEO'ya rapor verirken bir telekomünikasyon şirketinin teknoloji stratejisini ve satın alımını yönetmiştir. Ayrıca, 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alınmıştır.

Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun olmuş ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Araştıran

Sena Sezer

Sektör Analisti

Takip Et

Sena, AIMultiple'da sektör analisti olarak çalışmaktadır. Boğaziçi Üniversitesi'nden lisans derecesini almıştır.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder