Özet: Dijital dönüşüm hız kazandıkça, siber güvenlik giderek karmaşıklaşan tehditlerle karşı
karşıya kalmaktadır. Bu çalışma, siber güvenliği güçlendirmek amacıyla yapay zeka algoritmaları
ile büyük veri analitiğinin entegrasyonunu ve özellikle şeffaflık sorunlarını incelemektedir.
Betimleyici-nitel bir metodoloji kullanılarak literatür, örnek olaylar ve ikincil veriler analiz edilmiş;
bu yöntemlerle etkinliğin değerlendirilmesi yapılmıştır. Genel olarak, derin öğrenme teknikleri
anomali tespitinde %93 doğruluk oranı sağlamakta ve kural tabanlı yöntemlere kıyasla %18 daha
yüksek performans göstermektedir. Örneğin, Spark 500 GB veriyi 35 saniyede işlerken, Hadoop
aynı işlemi 60 saniyede tamamlamaktadır. Düzenli güncellemeler, doğruluğu %15 oranında
artırmaktadır. Ancak yapay zekanın şeffaflığı ve entegrasyon zorlukları, gerçek zamanlı tehdit
tespitini karmaşık hale getirmektedir. Bu çalışma, sistem dayanıklılığını artırmak için stratejiler
önererek mevcut alana katkı sağlamaktadır. Önerilen stratejiler arasında şeffaflığı artırmak için
açıklanabilir yapay zeka kullanımı ve gelişmiş veri entegrasyon teknikleri yer almaktadır.
Gelecekteki araştırmalar, sektöre özgü uygulamalara ve tepki mekanizmalarına odaklanmalıdır.
Anahtar Kelimeler: Siber güvenlik optimizasyonu, yapay zeka (YZ), büyük veri analitiği,
tehdit tespiti