Teknoloji İncelemesi
Kâğıt imzadan yüz tanımaya kadar on bir yöntemin karşılaştırmalı incelemesi — pazarlama iddiaları değil, belgelenmiş vakalar ve bağımsız ölçümler üzerinden.
Yoklama almak, uzaktan bakıldığında çözülmüş bir problem gibi görünür. Bir liste, bir imza, bitti. Oysa her yoklama sistemi aynı zor soruyu cevaplamak zorundadır ve çoğu bunu cevaplayamaz: bu kişi gerçekten burada mı, ve gerçekten bu kişi mi?
Bu iki soru birbirinden bağımsızdır ve teknolojilerin çoğu yalnızca birini çözer. Bir QR kod okutulduğunda sistem, o kodun okutulduğunu bilir — kimin okuttuğunu bilmez. Bir parmak izi okutulduğunda sistem kimin okuttuğunu bilir — o kişinin dersin geri kalanında orada kalıp kalmadığını bilmez. Yoklama sistemlerinin tarihi, büyük ölçüde bu iki boşluğu kapatma çabasının tarihidir.
Bu yazıda on bir yöntemi tek tek inceliyoruz. Her biri için üç şey soruyoruz: ne kadar iyi çalışıyor, nasıl kırılıyor, ve kırıldığına dair belgelenmiş kanıt var mı. Son bölümde kendi sistemimizin bu tablonun neresinde durduğunu — güçlü ve zayıf yanlarıyla — anlatıyoruz.
Yöntemleri kıyaslamak için altı ölçüt kullanıyoruz. Bunlar birbirinden bağımsızdır; bir yöntem birinde mükemmel, diğerinde felaket olabilir.
| Ölçüt | Soru | Neden önemli |
|---|---|---|
| Kimlik güvencesi | Yoklamayı veren gerçekten o kişi mi? | Vekâleten yoklamanın (proxy attendance) tek panzehiri |
| Mevcudiyet güvencesi | Kişi gerçekten sınıfta mı? | Uzaktan yoklama vermeyi engeller |
| Süreklilik | Ders boyunca kaldı mı? | "Yoklama verip çıkma" hilesini engeller |
| Mahremiyet | Ne kadar hassas veri işleniyor? | KVKK/GDPR uyumu, kurumsal risk |
| Sürtünme | Ders akışını ne kadar bozuyor? | Benimsenmenin belirleyicisi |
| Erişilebilirlik ve maliyet | Herkes kullanabiliyor mu, ne kadar tutuyor? | Telefonu olmayan öğrenci, engelli öğrenci, donanım bütçesi |
Liste dolaştırılır, herkes karşısına imza atar. Veya öğretmen isimleri okur, öğrenciler cevap verir.
Değerlendirme: Mahremiyet açısından rakipsiz, güvenlik açısından en zayıf yöntem. Arkadaşı adına imza atmak öğrenci kültüründe o kadar yerleşiktir ki, "yoklama hilesi" denince akla ilk gelen şey budur. Yine de her sistemin yedeği olarak bulunmak zorundadır: telefonu olmayan öğrenci, arızalı sistem, elektrik kesintisi.
Öğrenci kartını bir okuyucuya okutur. Kart tipine göre barkod okuyucu, manyetik okuyucu veya RFID/NFC anteni kullanılır. Türkiye'de üniversite kampüs kartları çoğunlukla MIFARE ailesindendir.
Değerlendirme: MIFARE Classic'in Crypto-1 algoritması ESORICS 2008 ve IEEE S&P 2009 yayınlarıyla kırıldı; 2024'te bazı Çin menşeli klonlarda donanım seviyesinde arka kapı bulundu (IACR ePrint). 20 dolarlık bir Proxmark cihazıyla kart kopyalamak bugün rutin bir işlemdir. Kart tabanlı yoklamanın kimlik güvencesi, pratikte kâğıt imzadan yalnızca biraz daha iyidir — ve kopyalanmış bir kart, imza taklidinden daha az iz bırakır.
Öğretmen ekranda veya projeksiyonda bir QR kod gösterir; öğrenciler telefonlarıyla okutur. İki alt tür var: statik QR (ders boyunca aynı) ve dinamik/animasyonlu QR (birkaç saniyede bir yenilenir).
Belgelenmiş vaka: Ekim 2025'te University of Illinois Urbana-Champaign'de Data Science Discovery dersinde, QR + 90 saniyelik soru ile yoklama alınıyordu. Sınıftaki öğrenciler sorunun yayınlandığını dışarıdaki arkadaşlarına haber verdi; devamsızlar uzaktan cevapladı. ~1.200 kişilik derste 100'den fazla öğrenci tespit edildi — hocalar sayfa yenileme desenlerini, IP adreslerini ve sunucu loglarını inceleyerek yakaladı. Bu vaka iki şeyi birden gösteriyor: statik/tek-pencereli QR kırılabilir, ve log tabanlı adli analiz gerçekten işe yarıyor.
Öğretmen tahtaya veya ekrana kısa bir kod yazar; öğrenciler uygulamaya girer.
Değerlendirme: Indiana Üniversitesi'nin Top Hat için yayınladığı resmî rehber, doğrulanmış akademik usulsüzlük vakalarını kabul ettikten sonra somut bir öneride bulunuyor: kodu en fazla 10 saniye gösterin. Bir yöntemin resmî kullanım kılavuzunun "mümkün olduğunca az gösterin" demek zorunda kalması, o yöntem hakkında yeterince şey söylüyor.
Her öğrencinin kendine ait, radyo frekansıyla çalışan küçük bir yanıt cihazı vardır. Derste soru sorulur, cihazla cevaplanır; katılım yoklama sayılır.
Belgelenmiş vaka: Ocak 2015'te Dartmouth College'da 64 öğrenci, "Sports, Ethics and Religion" dersinde onur kuralı ihlaliyle suçlandı — devamsız arkadaşlarının clicker'larını sınıfa getirip onlar adına cevaplıyorlardı. University of Arkansas'ın akademik dürüstlük sayfaları da aynı fiili açıkça kopya olarak tanımlıyor ve birden fazla clicker taşıyan öğrenci vakalarını belgeliyor.
Öğretmenin cihazı veya sınıfa yerleştirilen bir beacon, Bluetooth Low Energy sinyali yayar. Öğrenci telefonu sinyali algılar ve yoklamayı bildirir. Sinyal gücü (RSSI) mesafe tahmini için kullanılabilir.
Değerlendirme: BLE, mevcudiyet sorusuna iyi, kimlik sorusuna hiç cevap vermez. En yaygın zafiyeti egzotik bir saldırı bile değil: telefonu sırada bırakıp çıkmak. Bu yüzden BLE, tek başına asla kanıt sayılmamalı, yalnızca başka bir kimlik doğrulamasını mekâna bağlayan bir katman olarak kullanılmalıdır.
Öğrencinin kampüs WiFi'sine bağlı olması, belirli bir erişim noktasına (AP) bağlı olması veya belirli bir IP aralığından gelmesi şart koşulur.
Değerlendirme: Moodle'ın Attendance eklentisi bunu zarif biçimde kullanıyor: IP kısıtlaması artı "paylaşılan IP engelleme" seçeneği. Yani aynı IP'den birden fazla öğrenci kaydolamıyor — bu, tek bir cihazdan toplu yoklama girilmesini engelleyen basit ve etkili bir önlem. Ücretsiz bir açık kaynak eklentisinin, ücretli birçok üründen daha iyi bir anti-hile fikri sunması dikkat çekicidir.
Öğrencinin GPS konumu kampüs veya bina poligonu içinde mi diye kontrol edilir.
Değerlendirme: Konum verisi, güvenlik değeri en düşük ama mahremiyet maliyeti en yüksek sinyallerden biridir — kötü bir takas. Üzerine güvenlik inşa edilmemeli; olsa olsa zayıf bir tutarsızlık göstergesi olarak kullanılmalıdır.
Öğrenci parmağını okuyucuya basar; şablon merkezî veya cihaz üstü bir veritabanıyla eşleştirilir.
Bir kamera (sabit veya öğretmenin telefonu) sınıfı tarar. Karedeki her yüz tespit edilir, şablonu çıkarılır ve tüm sınıfın (bazen tüm okulun) şablon veritabanıyla karşılaştırılır. Buna 1:N tanıma denir.
Yüz tanımanın kalitesi mesafeye değil, yüzün kaç piksele düştüğüne bağlıdır. Tipik bir telefon kamerasında (26 mm eşdeğer, yatay görüş açısı ~69°) hesap şöyle işler:
| Mesafe | 720p yüz genişliği | 1080p | 4K |
|---|---|---|---|
| 2 m | 85 px | 127 px | 254 px |
| 4 m | 42 px | 63 px | 127 px |
| 6 m | 28 px | 42 px | 85 px |
| 8 m | 21 px | 32 px | 63 px |
Standartların istediği göz-arası mesafe (IOD) ise: ANSI/NIST-ITL'nin en düşük mobil profili 90 piksel, Frontex sınır geçiş kılavuzu 90 piksel, ICAO pasaport standardı 120 piksel. Altı metredeki bir öğrencinin 1080p'de göz arası mesafesi: 17 piksel.
Bunun sonuçları bağımsız kıyaslamalarda net biçimde ölçülmüştür:
Ve galeri büyüdükçe yanlış eşleşme olasılığı doğrusal artar (FPIR ≈ N × FMR). NIST'in demografik değerlendirmesi (NISTIR 8429) aynı eşikte gruplar arasında 714 kata varan yanlış eşleşme oranı farkı ölçtü; NISTIR 8280 ayrıca çocuklarda ve yaşlılarda yanlış pozitiflerin yükseldiğini tespit etti.
Belgelenmiş vaka: Aralık 2025'te Wenzhou'da (Çin) bir mahalle komitesi ofisinde çalışanlar, iş arkadaşlarının yüzlerini yazdırıp maske haline getirerek yüz tanımalı mesai sistemini kandırdı ve işe gitmeden mesai kaydı oluşturdu. Basında "2 dolarlık hack" olarak yer aldı. Canlılık kontrolü olmayan yüz tanıma, bir kâğıt parçasıyla kırılıyor.
Hukuki durum: 2019'da İsveç'te Skellefteå belediyesi, bir lisede 22 öğrenciyle 3 hafta süren yüz tanımalı yoklama pilotu yaptı. Sonuç İsveç'in ilk GDPR cezası oldu. Okul rıza aldığını savundu; veri koruma otoritesi reddetti — okul ile öğrenci arasında "açık bir güç dengesizliği" vardır. Kararın kilit cümlesi: "öğrencilerin devamını takip etmek için hukuki dayanak vardır, ancak bunu özel nitelikli veri işleyerek yapmak için hukuki dayanak yoktur." Ayrıca Avrupa Veri Koruma Kurulu'nun 3/2019 sayılı kılavuzu, rıza vermemiş kişilerin kareye girip anlık şablonlarının üretilmesini — şablon derhal silinse bile — hukuka aykırı sayıyor.
Öğrenci kendi telefonunda selfie çeker. Uygulama, yüzü yalnızca o öğrenciye ait tek bir şablonla karşılaştırır. Buna 1:1 doğrulama denir ve 1:N tanımadan kategorik olarak farklı bir problemdir. Şablon cihazın güvenli donanımından (Secure Enclave / StrongBox) hiç çıkmaz.
Değerlendirme: 1:1 doğrulama, kimlik sorusunu çözer ama mevcudiyet sorusunu çözmez. Tek başına kullanıldığında "evden yoklama verme" sistemine dönüşür. Değeri, ancak bir yakınlık katmanıyla birleştirildiğinde ortaya çıkar. Ayrıca güvenlik modeli tamamen cihaz bütünlüğüne dayandığı için, donanım destekli anahtar attestation'ı ve uygulama bütünlüğü doğrulaması opsiyonel değil, zorunlu bileşenlerdir.
| Yöntem | Kimlik | Mevcudiyet | Süreklilik | Mahremiyet | Sürtünme | Maliyet |
|---|---|---|---|---|---|---|
| Kâğıt / imza | ✗ | ~ | ✗ | ✓✓ | Yüksek | Sıfır |
| Kimlik kartı (RFID/NFC) | ✗ | ✓ | ✗ | ✓ | Orta | Donanım |
| Statik QR | ✗ | ✗ | ✗ | ✓ | Düşük | Sıfır |
| Dinamik / animasyonlu QR | ✗ | ~ | ✗ | ✓ | Düşük | Sıfır |
| Kod / PIN | ✗ | ✗ | ✗ | ✓ | Düşük | Sıfır |
| Clicker | ✗ | ✓ | ~ | ✓ | Orta | Yüksek |
| BLE yakınlık | ✗ | ✓ | ✓ | ✓ | Çok düşük | Düşük |
| WiFi / IP | ✗ | ~ | ✓ | ~ | Çok düşük | Sıfır |
| GPS / geofence | ✗ | ✗ | ~ | Zayıf | Çok düşük | Sıfır |
| Parmak izi | ✓✓ | ✓ | ✗ | ⛔ Yasal risk | Yüksek | Donanım |
| Yüz tanıma (1:N sınıf taraması) | ~ Mesafeye bağlı | ✓ | ~ | ⛔ Yasal risk | Düşük | Orta |
| Yüz doğrulama (1:1 cihazda) | ✓✓ | ✗ | ✗ | ✓ | Düşük | Düşük |
Tablonun anlattığı şey açık: tek bir yöntem hem kimlik hem mevcudiyet hem süreklilik sorununu çözmüyor. Kimliği en iyi çözen yöntemler (biyometrik) mevcudiyeti çözmüyor veya hukuki duvara çarpıyor; mevcudiyeti en iyi çözen yöntemler (BLE, kart) kimliği hiç çözmüyor.
Indiana Üniversitesi'nin resmî akademik dürüstlük rehberi de aynı sonuca varıyor ve bunu açıkça yazıyor: hiçbir tek teknolojik çözüm kusursuz değildir; birden fazla doğrulama yöntemi birleştirilmelidir.
Yukarıdaki tablodan çıkardığımız sonuç, ürünümüzün mimarisini doğrudan belirledi. Üç katmanı birleştiriyoruz — her biri diğerinin kör noktasını kapatıyor:
Öğrenci kendi telefonunda doğrulama yapar. Şablon Secure Enclave / StrongBox'ta durur, hiçbir zaman cihazdan çıkmaz, sunucuya hiçbir biyometrik alan gönderilmez. Telefonu arkadaşa vermek işe yaramaz. Basılı fotoğraf ve ekran replay saldırıları, yakın çekimde tam kapasite çalışan canlılık modeliyle elenir.
Neden 1:N değil: Piksel matematiği sınıf taramasının mesafede çalışmadığını gösteriyor; EDPB kılavuzu rıza vermeyenlerin anlık şablonlarının üretilmesini hukuka aykırı sayıyor; KVKK 2026/921 biyometrik devam takibini rızayla dahi reddediyor. Hukuk ve mühendislik bağımsız olarak aynı yere işaret etti.
Öğretmenin cihazı bir "çapa" görevi görür: BLE üzerinden ve ekranda animasyonlu QR olarak, 1,5 saniyede bir yenilenen, tahmin edilemez bir bilet yayınlar. Öğrencinin doğrulama kanıtı bu bilete, donanıma bağlı ve dışa aktarılamaz bir anahtarla imzalanarak bağlanır. Evden yoklama vermek mümkün değildir.
Yoklama tek bir ana bağlı değildir. Ders içinde, önceden bilinmeyen anlarda 2-3 tur yapılır. Öğrenci ne zaman doğrulama isteneceğini bilemez; "yoklamayı verip çıkma" hilesi işlemez. Katılım oranı hesaplanır ve kurumun kendi belirlediği eşiğe göre karar verilir.
Her turda sistem birkaç öğrenciyi rastgele seçer ve öğretmene sorar: "Ayşe Y. sınıfta mı?" Bu, kriptografinin çözemediği tek saldırıyı — röle saldırısını — olasılıksal olarak yakalar. Sınıftaki bir arkadaş bileti dışarıya aktarabilir; ama dışarıdaki öğrenci nokta denetimine denk gelirse yakalanır.
Bu sistem kırılamaz değildir; hiçbir yoklama sistemi değildir. Röle saldırısı tam olarak çözülmemiştir — yalnızca zaman penceresi daraltılmış ve insan denetimiyle telafi edilmiştir. Tek yumurta ikizleri hiçbir yüz sisteminin ayıramadığı bir sınırdır ve gizlenmemektedir. Tamamen ele geçirilmiş bir cihazda istemci tarafı doğrulama mutlak değildir; sistem bu durumda "var" demez, güvenilmeyen kanalı kapatıp öğretmen onaylı yola yönlendirir.
Yaptığımız iddia şudur: hilenin maliyetini bir imza atmaktan koordineli teknik bir saldırıya çıkarmak, ve her denemede yakalanma olasılığı bırakmak.
Yüz doğrulama zorunlu değildir. Rıza vermeyen öğrenci, aynı hızda ve ek adım olmadan yakınlık + cihaz bağlaması yoluyla yoklamaya katılır. Bu bir nezaket değil, KVKK Biyometrik Veri Rehberi'nin açık şartıdır: "rızası olmayan ilgili kişiler için herhangi bir kısıtlama veya ek maliyet olmaksızın alternatif bir sistem sağlanmalıdır." Ayrıca öğrenci kendi yoklama kaydını anlık görür ve itiraz edebilir — incelediğimiz 18 rakip üründen hiçbirinde yapılandırılmış bir itiraz akışı bulamadık.
Dürüst olmak gerekirse: Proliz ve UBYS gibi yerli ÖBS'ler yoklamayı kendi sistemlerinin içinde sunuyor — bizim için ayrı bir satın alma kararı, onlar için bir modül. Moodle'ın Attendance eklentisi ücretsiz ve dönen QR + IP kısıtı + paylaşılan IP engelleme sunuyor. Jibble sınırsız kullanıcıyla ücretsiz. SEAtS ise yoklamayı 50'den fazla sinyalli bir öğrenci risk motoruna bağlayarak bizden stratejik olarak daha yukarıda konumlanıyor. Bunlar gerçek dezavantajlar ve yol haritamızda karşılıkları var.