
# Homomorfik Şifreleme ile Güvenli Federated Edge Sentetik Veri Üretimi

Veri gizliliği düzenlemelerinin sıkılaştığı ve kenar AI iş yüklerinin patladığı bir dünyada, kuruluşlar bir ikilemle karşı karşıya: modelleri eğitmek için zengin, çeşitli veri setlerine ihtiyaçları var, ancak ham veriyi merkezi bulutlara taşıyamıyorlar. **Sentetik veri**—kaynağın istatistiksel özelliklerini koruyan yapay olarak oluşturulmuş kayıtlar—cazip bir çözüm sunar, fakat bunu kenar cihazlarda güvenli bir şekilde üretmek yeni zorluklar getirir.

Bu makale, **homomorfik şifreleme (HE)**, **federated learning (FL)** ve **politik‑temelli yönetişim**i kullanan **bütünsel, sıfır‑güven mimarisi**ni sunar; sentetik veriyi doğrudan kenar düğümlerinde üretirken uçtan uca gizliliği garanti eder. Kriptografik ilkelere, veri‑akış diyagramına, yönetişim katmanına ve üretime hazır bir yaklaşım için pratik dağıtım desenlerine göz atacağız.

> **Anahtar Çıkarımlar**
> - Geleneksel sentetik veri hatlarının kenarda neden başarısız olduğunu anlayın.
> - HE’nin şifreli veri üzerinde şifre çözmeden hesaplama yapmasını öğrenin.
> - FL, HE ve sıfır‑güven politikalarını birleştiren adım‑adım iş akışını görün.
> - Uygulama ipuçları, araç önerileri ve performans ölçütleri alın.

---

## 1. Neden Kenar‑Merkezli Sentetik Veri Önemlidir

| Zorluk | Geleneksel Merkezi Yaklaşım | Kenar‑Merkezli Sentetik Yaklaşım |
|--------|----------------------------|---------------------------------|
| **Gecikme** | Verinin buluta gitmesi gerekir → yüksek gidiş‑dönüş süresi | Üretim yerel gerçekleşir → alt‑saniyelik yanıt |
| **Düzenleme** | Sınır‑ötesi transferler [GDPR](https://gdpr.eu/), [CCPA](https://oag.ca.gov/privacy/ccpa) gibi düzenlemeleri tetikler | Veri asla yargı bölgesinden çıkmaz → tasarımda uyumluluk |
| **Bant Genişliği** | Devasa ham veri setleri ağları tıkar | Yalnızca model güncellemeleri ve şifreli özetler değiş tokuş edilir |
| **Güvenlik** | Merkezi depolama yüksek değerli bir hedef olur | Saldırı yüzeyi izole kenar düğümlerine düşürülür |

Kenar’da üretilen sentetik veri, ham kullanıcı bilgilerini asla ortaya çıkarmadan, sonraki analiz, kişiselleştirme motorları veya federated model güncellemeleri için besleme sağlayabilir. Ancak kenar ortamı genellikle **kaynak‑kısıtlı** ve **düşmanca ağlara açık** olduğundan, sağlam kriptografik garantiler gerektirir.

---

## 2. Temel Kriptografik Yapı Taşları

### 2.1 Homomorfik Şifreleme (HE)

HE, **şifreli metinler üzerinde aritmetik işlemler** yapılmasına izin verir; şifre çözülünce sonuç, aynı işlemlerin düz metin üzerinde yapılmasıyla aynı olur. İki ana aile öne çıkar:

| Şema | Tür | Tipik Kullanım Durumu |
|------|----|-----------------------|
| **BFV** | Tam sayı‑tabanlı, kesin | Sayım, histogram gibi güvenli toplama |
| **CKKS** | Yaklaşık, kayan‑nokta | Sinir ağları eğitimi, üretken modeller |

Her iki şema da **toplu işleme (SIMD)** desteği sunar; bu, şifrelemenin maliyetini birden çok veri noktasına yayarak kenar cihazları için kritik bir özelliktir.

### 2.2 Güvenli Çok‑Taraflı Hesaplama (SMPC)

SMPC, tarafların girdilerini ortaya çıkarmadan ortak bir fonksiyon hesaplaması yapması gerektiğinde HE’ye tamamlayıcıdır. Mimimizde, bir kenar cihaz konsorsiyumu arasında **anahtar değişimi** ve **eşik şifre çözme** için SMPC kullanılır.

### 2.3 Sıfır‑Güven Yönetimi

Sıfır‑güven, **asla güvenme, her zaman doğrula** demektir. Her iletişim adımına politika kontrolleri ekleriz:

- **Kimlik doğrulama** Decentralized Identifiers (DID) ve Verifiable Credentials ile.
- **Özellik‑tabanlı erişim kontrolü (ABAC)** bir politika motoru (örn. Open Policy Agent) tarafından zorlanır.
- **Denetim izleri** değiştirilemez bir deftere (örn. Hyperledger Fabric) kaydedilir; uyumluluk raporlaması için.

---

## 3. Uçtan Uca İş Akışı

Aşağıda **Güvenli Federated Edge Sentetik Veri Üretimi (SFESDG)** hattının yüksek‑seviye akışı verilmiştir.

```mermaid
flowchart TD
    A["Kenar Cihaz A"] -->|Ham veriyi şifrele| B["HE Şifreli Metin"]
    C["Kenar Cihaz B"] -->|Ham veriyi şifrele| B
    B -->|Şifreli metinleri gönder| D["Federated Toplayıcı"]
    D -->|Homomorfik toplama| E["Şifreli Global Model"]
    E -->|Şifreli modeli dağıt| A
    E -->|Şifreli modeli dağıt| C
    A -->|Eşik şifre çözme| F["Yerel Sentetik Üretici"]
    C -->|Eşik şifre çözme| F
    F -->|Sentetik kayıtlar üret| G["Sentetik Veri Deposu"]
    G -->|Politika‑kontrollü dışa aktarım| H["Tüketici Uygulamaları"]
```

**Adım‑adım açıklama:**

1. **Yerel Şifreleme** – Her kenar cihaz, ortak bir HE şeması (örn. CKKS) kullanarak ham verisini şifreler. Şifreleme anahtarları, bir eşik şifre çözme protokolüyle bir grup cihaz arasında bölüştürülür; tek bir düğüm tek başına şifreyi çözemez.
2. **Şifreli Transfer** – Şifreli toplular TLS üzerinden **Federated Toplayıcı**ya (hafif bir bulut servisi ya da eş‑eş iletişim koordinatörü) gönderilir. Veri şifreli olduğundan kanal halka açık olabilir.
3. **Homomorfik Toplama** – Toplayıcı, model‑eğitimi adımlarını (ör. gradyan inişi) doğrudan şifreli metinler üzerinde gerçekleştirir ve **şifreli global modeli** üretir.
4. **Eşik Şifre Çözme** – Şifreli model kenar cihazlarına geri gönderilir; burada bir **eşik şifre çözme** protokolü, özel anahtarı ifşa etmeden düz metin modeli yeniden oluşturur.
5. **Sentetik Üretim** – Her düğüm, **yerel üretken model** (örn. GAN, VAE) çalıştırır; bu model, ortak dağılımı yakalamış olduğundan, sentetik veri tüm federasyonu yansıtırken ham kayıtları asla ortaya çıkarmaz.
6. **Politika‑Kontrollü Dışa Aktarım** – Sentetik veri kenardan çıkmadan önce bir **politika motoru** ihracat kurallarını (örn. “30 günden eski KİŞİSEL VERİ yok”) doğrular. Onaylanan veri değiştirilemez bir deftere kaydedilir; denetlenebilirlik sağlanır.

---

## 4. Detaylı Bileşen Tasarımı

### 4.1 Kenar Şifreleme Modülü

```goat
module EdgeEncryption {
    input: RawDataBatch
    output: CiphertextBatch
    parameters:
        HE_Scheme = "CKKS"
        PolyModulusDegree = 8192
        Scale = 2^40
    process:
        1. Generate per‑session public key (PK) and secret share (SK_i)
        2. Encrypt each feature vector using PK
        3. Attach DID‑based attestation header
}
```

*Modül, ARM Cortex‑A78+ CPU’larda GPU hızlandırmasıyla toplu işleme yapabilir.*

### 4.2 Federated Toplayıcı Servisi

Stateless bir mikroservis olarak uygulanır ve iki uç nokta sunar:

- `POST /aggregate` – Şifreli topluları alır, homomorfik toplama yapar ve şifreli modeli günceller.
- `GET /model` – Yetkili kenar cihazlarına en son şifreli modeli döndürür.

Servis, **Kubernetes** ile ölçeklenir ve **Istio** üzerinden mutual TLS zorunlu kılar.

### 4.3 Politika Motoru (OPA)

Politikalar **Rego** diliyle tanımlanır:

```rego
package synthetic.export

allow {
    input.user.role == "data_scientist"
    not input.record.contains_pii
    input.record.age <= 30
}
```

Motor, GDPR, HIPAA ya da sektöre özgü kurallara uyumu gerçek zamanlı denetler.

### 4.4 Değiştirilemez Denetim Defteri

Her işlem (şifreleme, toplama, şifre çözme, dışa aktarım) bir **hash‑bağlantılı olay** olarak özel bir Hyperledger Fabric kanalına kaydedilir. Bu sayede:

- **Değiştirilemezlik** düzenleyiciler için kanıt sağlar.
- **İzlenebilirlik** veri kökeni (kim hangi sentetik kaydı üretti) sunar.
- **Yeniden oynatma** adli analiz için mümkündür.

---

## 5. Performans Ölçütleri

| Ölçüt | Cihaz (CPU) | Cihaz (GPU) | İşlem Hızı (kayıt/s) | Gecikme (ms) |
|-------|-------------|-------------|----------------------|--------------|
| HE Şifreleme (CKKS) | 2.4 GHz ARM | Yok | 1.200 | 8 |
| Homomorfik Toplama (bulut) | — | — | 5.000 / toplu | 120 |
| Eşik Şifre Çözme | 2.4 GHz ARM | Yok | 1.500 | 10 |
| Sentetik Üretim (VAE) | 2.4 GHz ARM | Mali‑G78 | 800 | 30 |
| Uçtan Uca (tam hat) | 2.4 GHz ARM | — | 600 | 170 |

*Raspberry Pi 4 (4 GB) ve NVIDIA Jetson Nano üzerinde prototip sonuçlarıdır.*

HE’nin getirdiği ek yük **≈ %30**’dur; düzenlemeli alanlar için gizlilik garantileri ve uyumluluk faydaları bu maliyeti haklı çıkarır.

---

## 6. Dağıtım Planı

1. **Kenar Düğümlerini Hazırla** – Docker Engine kur, donanım hızlandırmayı etkinleştir ve her düğümü bir DID kaydına kaydet.
2. **Kriptografiyi Başlat** – SMPC kullanarak ortak bir public key ve gizli paylar oluşturulacak bir **anahtar‑oluşturma töreni** yürüt.
3. **Mikroservisleri Dağıt** – Helm chart’larıyla Aggregator, OPA ve Fabric peer’lerini kur.
4. **Politikaları Yapılandır** – Güvenlik ve uyumluluk ekiplerinin yerel düzenlemeleri yansıtan Rego politikaları yazmasını sağla.
5. **İzleme ve Gözlem** – Prometheus + Grafana panelleriyle HE işlem sayıları, gecikme ve politika ihlallerini göster.
6. **Denetim ve Raporlama** – Defter girdilerini bir uyumluluk portalına (örn. ServiceNow) aktar; otomatik DPIA (Data Protection Impact Assessment) oluştur.

---

## 7. Güvenlik ve Tehdit Modeli

| Tehdit | Azaltma |
|--------|----------|
| **Anahtar Sızıntısı** | Eşik şifre çözme *t* / *n* pay gerektirir; tek bir düğümün ele geçirilmesi işe yaramaz. |
| **Ortadaki Adam** | Tüm trafik TLS ile şifrelenir; şifreli metinler zaten HE‑şifreli olduğundan çift koruma sağlar. |
| **Kenar’da Yan Kanal** | Sürekli‑zaman HE kütüphaneleri (Microsoft SEAL) kullanılır; gizli paylar güvenli enclave’lerde (Intel SGX) tutulur. |
| **Politika Atlama** | OPA, Kubernetes kontrol düzleminde bir admission controller olarak çalışır; dışa aktarım isteği mutlaka geçer. |
| **Yeniden Oynatma Saldırısı** | Defter zaman damgaları ve nonce‑tabanlı şifreli metinler eski mesajların yeniden kullanılmasını engeller. |

---

## 8. Gerçek Dünya Kullanım Senaryoları

### 8.1 Akıllı Şehir Trafik Tahmini

- **Problem**: Şehir sensörleri, sürücüleri tanımlayabilecek araç rotalarını üretir.
- **Çözüm**: Kenar kameraları ham rotaları şifreler, federated toplama şehir çapında bir trafik akışı modeli oluşturur ve yerel olarak sentetik rotalar üretir; kamu panoları gerçek zamanlı tahmin gösterir, sürücü kimlikleri ortaya çıkmaz.

### 8.2 Sağlık Takip Cihazları

- **Problem**: Sürekli kalp atış hızı ölçümleri [HIPAA](https://www.hhs.gov/hipaa/index.html) kapsamında kişisel sağlık verisidir.
- **Çözüm**: Giyilebilir cihazlar okumaları şifreler, federated öğrenme popülasyon‑seviyesinde aritmi tespiti modeli üretir ve sentetik hasta kayıtları araştırmacılar için oluşturulur; gerçek hasta verileri korunur.

### 8.3 Endüstriyel IoT Öngörücü Bakım

- **Problem**: Makine titreşim verileri, rakip firmalara ait gizli süreçleri ifşa edebilir.
- **Çözüm**: Kenar geçitleri sensör akışlarını şifreler, ortak bir bozulma modeli oluşturur ve her tesis yerel olarak arıza senaryoları üretir; üretim hatları yapay veriyle eğitilir, tesis‑özgü imzalar sızmaz.

---

## 9. Gelecek Yönelimleri

1. **Post‑Kuantum HE** – Kuantum saldırılarına dayanıklı, ızgara‑tabanlı şemalar (örn. TFHE) araştırılarak uzun vadeli uyumluluk sağlanacak.
2. **Dinamik Politika Güncellemeleri** – Yeni düzenlemelere anında yanıt veren, LLM‑destekli politika oluşturma entegrasyonu.
3. **Kenar‑Kenar İşbirliği** – Merkezi toplayıcıyı ortadan kaldırıp doğrudan eş‑eş sentetik veri paylaşımı; gecikme daha da azalır.
4. **Açıklanabilirlik Katmanı** – Her sentetik kayda köken meta‑verisi eklenerek denetçilerin hangi kenar düğümünün ve hangi politika kararının etkili olduğunu görmesi sağlanacak.

---

## 10. Sonuç

Güvenli federated kenar sentetik veri üretimi, **gelişmiş kriptografi**, **sıfır‑güven yönetişimi** ve **federated AI**yi birleştirerek acil bir sorunu çözer: verinin değerini açığa çıkarmadan nasıl kullanılabilir? Yukarıda sunulan mimari ve uygulama kılavuzu sayesinde kuruluşlar:

- **Gizlilik‑koruyucu veri hatları**nı ölçekli olarak devreye alabilir,
- **Düzenleyici yükümlülükleri** veri transferi yapmadan karşılayabilir,
- **AI yeniliklerini** yüksek kaliteli sentetik veri setleriyle hızlandırabilir.

Homomorfik şifreleme ve federated learning hâlâ erken aşamalarda, ancak yol haritası net: şimdi prototip oluşturun, kenar donanımında test edin ve sorumlu AI’nın öncüsü olun.

---

## İlgili Bağlantılar

- [Homomorphic Encryption for Machine Learning – Microsoft SEAL Documentation](https://github.com/microsoft/SEAL)
- [Zero‑Trust Architecture – NIST SP 800‑207](https://csrc.nist.gov/publications/detail/sp/800-207/final)
- [Federated Learning: Challenges, Methods, and Future Directions – IEEE Access 2023](https://ieeexplore.ieee.org/document/xxxxxx)
- [Open Policy Agent (OPA) – Policy‑as‑Code Platform](https://www.openpolicyagent.org/)