Siber güvenlik dünyasında uluslararası başarılara imza atan siber güvenlik araştırmacısı Ali Yabuz, düşük seviyeli sistem mimarileri ve tersine mühendislik alanındaki derin araştırmalarıyla dikkat çekiyor. Teknoloji devlerinin altyapılarındaki kritik açıkları tespit eden Yabuz, sistemlerin işleyiş mantığını ve güvenlik süreçlerini dönüştüren yaklaşımlar geliştiriyor. Ali Yabuz ile siber güvenlik, reverse engineering ve geleceğin teknolojileri üzerine konuştuk.
📌 Röportaj: Ali Yabuz ile siber güvenlik ve tersine mühendislik yolculuğu
Henüz 14 yaşında bilgisayarların sadece kullanıcısı olmayı reddedip sistemlerin derinliklerine inen Ali Yabuz, bugün uluslararası çapta tanınan bağımsız bir siber güvenlik araştırmacısı. Kendi geliştirdiği analiz araçları ve metodolojisiyle Apple’ın çekirdek sistem bileşenlerinden libxpc üzerindeki kritik bir güvenlik açığını (CVE-2024-0258) tespit eden Ali Yabuz, dev teknoloji şirketinin resmi güvenlik notlarında adını tescilletmeyi başardı.
Şu anda Apple ve Ubisoft ile kamuoyuna henüz açıklanmayan iki ayrı sorumlu bildirim (Responsible Disclosure) sürecini yürütmeye devam eden Ali Yabuz ile ilham veren başarı hikayesini, teknik keşif süreçlerini, yapay zekanın siber güvenlikteki rolünü ve Türkiye’deki şirketlerin yeni nesil tehditlere karşı hazırlık düzeyini konuştuk.
Tersine mühendislik nedir?
Siber güvenlik alanında tersine mühendislik (Reverse Engineering – RE), bir yazılımın (özellikle kaynak kodu bulunmayan derlenmiş dosyaların) iç yapısını, mantığını ve çalışma prensiplerini anlamak için yürütülen analiz sürecidir.
Henüz 14 yaşında başlayan bu yolculuk, bugün Apple’ın resmi güvenlik notlarına adınızı yazdırmanızla taçlandı. Sizi genç yaşta düşük seviyeli sistem güvenliği ve reverse engineering gibi oldukça zorlu bir alana yönlendiren kırılma noktası neydi?
Benim hikâyem “güvenlik araştırmacısı olmak istiyorum” diye başlamadı. Çocukluğumdan beri bilgisayarın sadece kullanıcı tarafında kalmak bana yetmiyordu. Bir oyunun neden öyle çalıştığını, bir uygulamanın arka planda ne yaptığını, işletim sisteminin hangi kararı nasıl verdiğini hep merak ettim.
İlk yıllarda Visual Basic ile küçük şeyler yazdım. Bir süre sonra fark ettim ki bir programı gerçekten anlamak, kaynak kodunu okumaktan ibaret değil. Kaynak kod olmadan da davranışı okuyabilmek gerekiyor. Oradan reverse engineering’e geçtim.
16-17 yaşlarında oyun istemcileri üzerinde çalışmaya başladım, ardından ilgim işletim sistemlerine kaydı. Bellek yönetimi, süreçler arası iletişim, sandbox mekanizmaları giderek daha çekici gelmeye başladı.
Apple’ın güvenlik notlarında adımın geçmesi tabii ki önemli bir an. Ama benim için asıl değeri olan şey başka: yıllarca kendi kendime kurduğum metodolojinin, dünyanın en büyük teknoloji şirketlerinden biri tarafından teknik olarak onaylanmış olması.
Türkiye’de tamamen kendi imkânlarınızla ve kendi geliştirdiğiniz analiz araçlarıyla bu seviyeye gelmek büyük bir disiplin gerektiriyor. Bu öğrenme ve gelişim sürecine nasıl başladınız? Ne tür zorluklarla karşılaştınız?
O dönemde yapay zeka araçları yoktu. Stack Overflow, GitHub, teknik bloglar ve resmi belgeler; bunlar tek kaynağımdı. Okuduğum her şeyi kendi test ortamımda deneyerek öğrendim.
Zamanla gördüm ki mevcut araçlar benim için yetmiyor. Kendi analizlerimi hızlandırmak ve tekrar eden işleri otomatikleştirmek için araçlar geliştirmeye başladım. Bugün kullandığım metodolojinin büyük kısmı o araçlara dayanıyor.
En çok gelişmemi sağlayan şey başarısızlıktan korkmamaktı. Güvenlik araştırması demek çoğunlukla yüzlerce hatalı deneme, yanlış hipotez ve yeniden başlamak demek. Bu süreç bana teknik bilgiden çok doğru düşünmeyi öğretti.
Apple açığını nasıl yakaladı?
Keşfettiğiniz güvenlik açığı, Apple’ın çekirdek iletişim bileşenlerinden libxpc üzerinde yer alıyor. Bu açığı tespit etme süreciniz nasıl gelişti? Kendi geliştirdiğiniz analiz araçlarının bu keşifteki rolü neydi?
Bu keşif yaklaşık iki yıllık sistematik bir çalışmanın ürünü. O süreçte odağım macOS’un IPC mimarisi ve libxpc bileşeniydi; sadece nasıl çalıştığını değil, neden öyle tasarlandığını anlamaya çalıştım.
Objective-C ile yazdığım araçlar sayesinde IPC mesajlaşmalarını çalışma zamanında izleyebildim, sistem davranışlarını kaydettim ve farklı senaryoları kontrollü bir ortamda yeniden oluşturdum. Bu araçlar otomatik açık bulucu değildi; araştırma sürecini hızlandırıp elde ettiğim verileri daha düzenli değerlendirmemi sağlıyorlardı.
Bulguyu Apple Product Security ekibine Responsible Disclosure çerçevesinde ilettim. Teknik doğrulama sürecinin ardından kabul edildi, CVE-2024-0258 olarak tescillendi ve güvenlik güncellemesiyle kapatıldı.
Tek bir CVE almaktan öte, yıllarca tek başıma kurduğum analiz yönteminin uluslararası düzeyde geçerli olduğunu görmekti benim için asıl anlamlı olan.
Apple gibi dev şirketlerin Responsible Disclosure (Sorumlu Bildirim) süreçleri oldukça titiz yürütülür. Bildirimi yaptıktan sonra Apple güvenlik ekibiyle iletişiminiz, doğrulama ve yamalama süreci nasıl ilerledi?
Raporumu Responsible Disclosure ilkelerine uygun şekilde hazırladım. İçinde bulguya dair teknik analiz, etki değerlendirmesi, açığın yeniden üretilebilmesi için gerekli bilgiler ve ilgili gözlemler yer alıyordu. Apple Product Security ekibi kısa sürede dönüş yaptı ve değerlendirme süreci başladı.
Süreç boyunca bulguları kendi test ortamlarında doğruladılar, ek teknik bilgi istediler. Bu tür süreçlerde araştırmacı ile üretici arasındaki iletişim çok belirleyici. Amaç sadece açığı teyit etmek değil; sorunun doğru anlaşıldığından ve doğru biçimde kapatıldığından emin olmak.
Doğrulamanın ardından açık CVE-2024-0258 kimliğiyle kayıt altına alındı ve güvenlik güncellemesiyle kapatıldı. Güvenlik notlarında araştırmacı olarak adımın geçmesi, uzun yıllar sessiz sedasız yürüttüğüm bu çalışmaların karşılık bulduğunu görmek bakımından benim için özel bir şeydi.
Küresel teknoloji devlerinin güvenlik altyapıları
Şu anda Apple ve Ubisoft ile yürütmekte olduğunuz, henüz kamuoyuna açıklanmayan iki ayrı bildirim süreciniz daha var. Detay veremeseniz de, bu tür küresel teknoloji ve oyun devlerinin güvenlik mimarilerini incelemek size nasıl bir deneyim katıyor?
Bu süreçler bana güvenliğin yalnızca güvenlik ekibinin meselesi olmadığını, yazılım mimarisinin içine işlemiş bir şey olduğunu doğrudan gösterdi.
Apple tarafında düşük seviyeli işletim sistemi bileşenleri, IPC mimarisi ve XPC tabanlı süreçler arası haberleşme üzerine çalışıyorum. Ubisoft tarafında ise dağıtık servis mimarileri, istemci-sunucu iletişimi ve canlı servis altyapıları ilgi alanım. İkisi çok farklı tehdit modelleriyle, çok farklı mühendislik öncelikleriyle çalışan yapılar. Her biri başka bir şeyi öğretiyor.
Reverse engineering süreçlerimde sadece statik analizle kalmıyorum; geliştirdiğim araçlarla çalışma zamanı davranışını da gözlemliyorum. Bu yaklaşım, bir sistemin nasıl yazıldığından çok gerçek koşullarda nasıl davrandığını görmemi sağlıyor.
Uluslararası mühendislik ekipleriyle yürütülen süreçlerde teknik iletişim her şey. Bir güvenlik raporunun değeri sadece bulguda değil; analiz kalitesinde ve karşı tarafın problemi hızla kavrayabilmesine katkısında yatıyor.
Yapay zeka siber saldırganları mı, savunmayı mı güçlendiriyor?
Yapay zeka, bir yandan güvenlik uzmanlarına devasa veri analizlerinde hız kazandırırken diğer yandan kötü niyetli aktörlerin karmaşık saldırılar kurgulamasını kolaylaştırıyor. Sizce AI, siber güvenlikte savunan tarafın mı yoksa saldıran tarafın mı elini daha çok güçlendiriyor?
Yapay zeka her iki tarafı da güçlendiriyor. Farkı yaratan, bu aracı kimin daha bilinçli kullandığı.
Araştırmalarımın ilk yıllarında yalnızca savunma teknolojilerine bakmadım; ransomware ailelerini, trojan mimarilerini, loader tekniklerini, persistence yöntemlerini ve zararlı yazılımların nasıl çalıştığını uzun süre inceledim. Amaç saldırganın zihniyetini anlayarak daha sağlam savunma mekanizmaları geliştirebilmekti. Bu süreçte kendi antispyware yazılımımı da yazdım. O çalışmalar bana saldırı tekniklerini öğrenmekten çok saldırganın nasıl düşündüğünü öğretti.
Bugün yapay zeka zararlı yazılım analizinden tehdit istihbaratına, büyük veri kümelerinin taranmasından teknik belgelerin okunmasına kadar pek çok süreci ciddi ölçüde hızlandırıyor. Öte yandan kötü niyetli aktörler de daha inandırıcı phishing kurguları oluşturmak ve saldırıları otomatikleştirmek için aynı araçları kullanıyor.
Ama şunu da söylemek gerekir: yeni bir açık keşfetmek, işletim sistemi seviyesinde davranış analizi yapmak ya da daha önce görülmemiş mimari sorunları ortaya çıkarmak hâlâ analitik düşünce, deneyim ve metodoloji gerektiriyor. Yapay zekayı araştırmacının yerini alan bir şey olarak değil, çok işe yarayan bir araştırma aracı olarak görüyorum.
Uzun vadede asıl avantajın savunma tarafında olacağını düşünüyorum. Kurumlar milyarlarca log, ağ olayı ve telemetri verisi üretiyor. Yapay zeka bu verileri insanın ulaşamayacağı hızda işleyerek anomali tespiti, olay ilişkilendirme ve tehdit avcılığında güvenlik ekiplerine ciddi bir üstünlük sağlayacak.
İleride rekabet yapay zekayı kullananlarla kullanmayanlar arasında değil, onu doğru bir metodolojiye oturtabilenlerle oturtamayanlar arasında olacak.
Yapay zeka yakın gelecekte ‘Tersine Mühendislik’in yerini alabilir mi?
Yapay zeka yüksek seviyeli kod yazımında ve otomasyonda çok başarılı, ancak libxpc veya kernel gibi düşük seviyeli sistem mimarilerini ve reverse engineering süreçlerini anlamada ne kadar yetkin? AI, gelecekte derin sistem analizlerinin yerini alabilir mi?
Yüksek seviyeli yazılım geliştirme, kod tamamlama ve belge analizinde yapay zeka oldukça iyi iş çıkarıyor. Ama konu kernel, IPC, bellek yönetimi, assembly analizi ve reverse engineering olduğunda hâlâ ciddi sınırları var.
Benim için araştırmada en kritik şey disassembly okumak değil; sistem davranışını, mimari kararları ve beklenmedik etkileşimleri birlikte görebilmek. Yapay zeka mevcut bilgiyi sentezleyebilir, farklı bakış açıları sunabilir, süreci hızlandırabilir. Ama yeni bir açığı fark etmek için gereken sezgi, hipotez kurma ve deneysel doğrulama hâlâ insan araştırmacıya özgü.
Düşük seviyeli analizlerde yapay zekanın en büyük eksikliği bağlamsal derinlik. Bir assembly bloğunun ne yaptığını söyleyebilir; fakat o bloğun sistem içindeki gerçek anlamını, gizli yan etkilerini ya da bir saldırı yüzeyi oluşturması için hangi koşulların bir araya gelmesi gerektiğini kavramakta zorlanır.
Bu alanda yapay zekanın ileride çok daha güçlü olacağına inanıyorum. Ama yakın vadede araştırmacının yerini almaz; üretkenliğini artırır.
Güvenlik araçlarında yapay zeka entegrasyonu ve modeller
Kendi geliştirdiğiniz analiz araçlarında yapay zekadan veya makine öğrenimi modellerinden faydalanıyor musunuz? Bağımsız bir araştırmacı için AI araçları bir “asistan” olarak ne kadar kritik bir rol oynuyor?
Evet, kullanıyorum. Ama yapay zekayı karar veren olarak değil, süreci hızlandıran bir katman olarak konumlandırıyorum. Büyük log kümelerini taramak, teknik belgeleri karşılaştırmak, kod bloklarını sınıflandırmak, araştırma notlarını düzenlemek gibi işlerde gerçekten işe yarıyor.
Araçlarımın temel analiz mantığı klasik mühendislik anlayışına dayanıyor. Yapay zeka bu sürecin çevresinde çalışan bir asistan gibi. Ama son teknik değerlendirme ve doğrulama her zaman insana kalıyor; aksi hâlde yanlış pozitifler ya da gözden kaçan ayrıntılar ciddi hatalara yol açar.
Bağımsız araştırmacılar için yapay zeka gerçek bir fırsat. Küçük bir ekibin günler harcadığı bazı hazırlık süreçleri artık saatler içinde tamamlanabiliyor. Bu, araştırmacının zamanını asıl işe, yani analiz ve keşfe ayırabilmesini sağlıyor.
Yapay zekanın kendi güvenliği ve tehdit yüzeyi
Bugün artık sadece “AI kullanan güvenlik” değil, “AI sistemlerinin güvenliği” de konuşuluyor. Büyük dil modelleri ve yapay zeka altyapıları, siber saldırganlar için yeni bir hedef yüzeyi mi oluşturuyor?
Evet, kesinlikle oluşturuyor. Büyük dil modelleri artık yalnızca bir uygulama değil, kritik süreçlerin ve altyapıların bir parçası hâline geliyor. Bu durum tamamen yeni bir saldırı yüzeyi getiriyor.
Prompt injection, model poisoning, eğitim verisi manipülasyonu, veri sızıntısı, ajan tabanlı sistemlerin ele geçirilmesi, tedarik zinciri riskleri; bunlar bugün AI güvenliğinin temel başlıkları. Bir kısmı geleneksel yazılım güvenliğiyle örtüşüyor, bir kısmı ise klasik güvenlik anlayışının sınırları dışında kalıyor.
Önümüzdeki yıllarda AI güvenliği, uygulama güvenliği kadar temel bir mühendislik alanı hâline gelecek. Kurumların yalnızca modeli değil; veri kaynaklarını, ajan zincirlerini, yetki mekanizmalarını ve üçüncü taraf entegrasyonlarını da güvenlik gözüyle tasarlamaları gerekecek.
Türkiye’deki şirketler yapay zeka destekli siber saldırılara ne kadar hazır?
Özellikle son dönemde yapay zekanın otonom olarak sıfırıncı gün (zero-day) açıklarını tespit edip istismar (exploit) kodu üretebilme yeteneği siber savunma dengelerini değiştirdi. Sizce Türkiye’deki şirketler ve kurumlar, yapay zeka destekli bu yeni nesil siber tehdit dalgasına ve hızlanan güvenlik süreçlerine ne kadar hazır? Yaklaşımları nasıl olmalı?
Yapay zekanın güvenlik araştırmalarındaki rolü hızla büyüyor. Akademik ve endüstriyel çalışmalar, AI destekli sistemlerin belirli sınıf açıkları daha önce tanımlanmış örüntüler üzerinden tespit edebildiğini gösteriyor. Bu, saldırı yüzeyinin sadece genişlemediği; saldırı döngüsünün de çok daha hızlandığı anlamına geliyor.
Türkiye’de bir farkındalık oluşmaya başladı, bunu görüyorum. Ama teknik hazırlık aynı hızda değil. Pek çok kurum hâlâ güvenlik duvarı, antivirüs ve yılda bir penetrasyon testiyle yetiniyor. Oysa saldırı yüzeyi artık çok daha dinamik.
Kurumların önce şunu değiştirmesi lazım: güvenliği reaktif bir süreç olarak değil, yazılım geliştirme sürecinin başından beri içinde olan bir disiplin olarak görmek. Güvenlik ürün satın alarak sağlanamaz; süreç, insan ve teknoloji birlikte kurgulanmalı.
Somut olarak ele alınması gereken şeyler var: sürekli tehdit modelleme ve saldırı yüzeyi yönetimi; AI sistemlerini de kapsayan güvenlik değerlendirmeleri; güvenlik operasyon merkezlerinde tehdit avcılığı ve anomali tespiti için yapay zeka entegrasyonu; çalışan farkındalığı programlarının sosyal mühendislik ve yapay zeka destekli saldırılara göre yeniden düzenlenmesi.
Önümüzdeki dönemde ayakta kalacak kurumlar yapay zekayı sadece iş süreçlerinde değil, tehdit tespitinde, olay müdahalesinde ve savunma operasyonlarında aktif biçimde kullananlar olacak.
Girişimcilik ve yerli siber güvenlik araçları geliştirme hedefi
Yalnızca sistem açıklarını bulmakla kalmayıp kendi güvenlik araçlarınızı da üretiyorsunuz. İlerleyen dönemde bu alanda yerli/millî bir girişim kurma veya bu araçları ticarî ya da açık kaynaklı ürünlere dönüştürme planınız var mı?
Var. Geliştirdiğim araçlar aslında araştırma sürecimin doğal çıktıları olarak ortaya çıktı. Tekrar eden analizleri otomatikleştirmek, büyük veri kümelerini daha hızlı işlemek ve reverse engineering süreçlerini verimli hâle getirmek için yazdım bunları.
Amacım bu araçların bir kısmını olgunlaştırıp hem açık kaynak topluluğuna katkı sağlayacak hem kurumsal ihtiyaçlara cevap verebilecek güvenlik ürünlerine dönüştürmek. Türkiye’nin güvenlik teknolojisi tüketen değil, üreten ülkeler arasında yer alması gerektiğine inanıyorum.
Geliştirdiğim araçlar araştırmacıların ve kurumların işini kolaylaştırabiliyorsa, bunları kapalı tutmak bana anlamsız geliyor. Paylaşmak ve ürüne dönüştürmek, bu alında doğal bir adım.
Siber güvenlik kariyerine başlamak isteyen gençlere öneriler
Türkiye’de siber güvenlik ve yazılım alanında kendisini geliştirmek isteyen, ancak nereden başlayacağını bilemeyen ya da imkânsızlıklardan şikâyet eden gençlere kendi deneyimlerinizden yola çıkarak neleri tavsiye edersiniz?
Ben de bu yola hiçbir imkânım olmadan girdim. O yüzden imkânsızlığın öğrenmeyi durdurmadığını bizzat biliyorum. Bugün açık kaynak projeler, teknik belgeler ve dünyanın dört bir yanındaki geliştirici toplulukları sayesinde inanılmaz bir kaynak birikimi var önünüzde.
En önemli tavsiyem şu: sadece araç kullanmayı öğrenmeyin. Bir aracın neden o sonucu verdiğini, işletim sisteminin neden öyle davrandığını, yazılımın arkasında hangi mimari kararların yattığını sorun kendinize. Gerçek uzmanlık ezberden değil, sistemi sindirmekten doğuyor. Aracı bilen çok, sistemi anlayan az.
Gelecek hedefi: “Türkiye’de siber güvenlikte kalıcı iz bırakmak”
Son olarak, kariyerinizde bir sonraki adım olarak hedeflediğiniz nokta nedir?
Kısa vadede önceliğim yürütmekte olduğum Responsible Disclosure süreçlerini tamamlamak ve uluslararası güvenlik topluluğuna katkı sağlamaya devam etmek. Bunun yanı sıra düşük seviyeli sistem güvenliği, işletim sistemi mimarileri ve yapay zeka destekli güvenlik analizleri üzerine çalışmalarımı derinleştirmeyi planlıyorum.
Yazılım tarafında da aktif olmaya devam ediyorum. Daha önce üniversiteler arası hat taşımacılığı üzerine Koala adında bir proje geliştirdim; sürücü ve yolcu uygulamalarını ayrı ayrı, tek başıma yazdım. Şu an Azerbaycan’da kurduğumuz startup üzerinden yürüyoruz, 3-4 kişilik bir ekibiz. Yazılım benim için hep bir araç oldu; ama asıl çekim gücü hep güvenlik tarafında.
Bu yüzden uzun vadeli hedefim çok net: yazılım geçmişini güvenlik araştırmalarıyla birleştirerek kurumsal düzeyde gerçek iş yapabileceğim bir yerde yer almak. Teknofest gibi etkinlikler, devlet kurumlarındaki siber güvenlik birimleri, bu ülkenin kendi teknolojisini ürettiği yapılar; bunlar beni heyecanlandırıyor.
Oğuz Alper Öktem’i ve Martı’nın kuruluş sürecini takip ediyorum. O azim ve o kararlılık benim için gerçek bir referans noktası. Sıfırdan bir şey kurmak, hem teknik hem kurumsal engellerle boğuşmak ve yine de ilerlemek; bu kolay değil ve o irade insana ilham veriyor.
Tabii bu kapıların çoğu tanıdık ve bağlantı gerektiriyor, bunu görüyorum. Ama elimde somut işler var: uluslararası kabul görmüş araştırmalar, çalışan bir startup, bizzat yazdığım ürünler. Bunları doğru yerde doğru biçimde ortaya koyabildiğim gün, o kapıların açılmaya başlayacağına inanıyorum.
Apple tarafından tanınmak benim için önemli bir şeydi. Ama bunu bir varış noktası olarak görmüyorum. Öğrenmeye, üretmeye ve bu ülkede güvenlik alanında gerçek bir iz bırakmaya devam ettiğim sürece doğru yolda olduğumu düşünüyorum.
❓ Sıkça sorulan sorular
- CVE-2024-0258 güvenlik açığı nedir?
CVE-2024-0258, Ali Yabuz tarafından tespit edilen ve Apple’ın macOS altyapısındaki libxpc bileşeninde yer alan kritik bir süreçler arası iletişim (IPC) güvenlik açığıdır. - Reverse engineering (tersine mühendislik) siber güvenlikte ne işe yarar?
Reverse engineering, kaynak kodu bulunmayan yazılımların çalışma mantığını, bellek davranışlarını ve olası güvenlik zafiyetlerini analiz etmek için kullanılır. - Yapay zeka siber güvenlik açığı tespitinde insan araştırmacıların yerini alabilir mi?
Yapay zeka analiz süreçlerini hızlandırsa da, düşük seviyeli mimarilerde bağlamsal mantığı ve karmaşık sistem etkileşimlerini kavramak için insan sezgisi ve analitik yaklaşım şarttır. - Responsible Disclosure (Sorumlu Bildirim) süreci nasıl işler?
Araştırmacı tespit ettiği güvenlik açığını kamuoyuna duyurmadan önce ilgili şirkete bildirir; şirket açığı kapatıp güncellemeyi yayınladıktan sonra bulgu resmi olarak açıklanır.
🌐 Bunlar da ilginizi çekebilir:
- Yasaklı Üretken Yapay Zeka: Claude Mythos
- Yapay zekâ eğitimi: Üniversiteler bu dönüşüme hazır mı?
- Veri Mühendisliği nedir, nasıl olunur? 2026 maaşları ve yapay zeka çağındaki rolü
- Kim Korkar Yapay Zekadan: İş dünyasında dönüşümün şifreleri!
🔗 Kaynaklar ve İleri Okuma:
- The Cost of Understanding: LLM-Driven Reverse Engineering vs Iterative LLM Obfuscation — Elastic Security Labs
- Apple Security Advisory
https://support.apple.com/en-us/120893 - CVE-2024-0258
https://www.cve.org/CVERecord?id=CVE-2024-0258 - National Vulnerability Database (NVD)
https://nvd.nist.gov/vuln/detail/CVE-2024-0258 - GitHub
https://github.com/aliyabuz25 - LinkedIn
https://linkedin.com/in/ali-yabuz
