Geçen akşam bilgisayarın başında kahvemi yudumlarken, bir yandan da şu meşhur Epstein dosyalarına bakıyordum. Hani şu interneti kasıp kavuran, içinde ünlü isimlerin, politikacıların geçtiği binlerce sayfalık mahkeme belgeleri ve mail trafikleri... İşin magazin boyutu bir yana, benim gibi vaktinin çoğunu terminal başında geçiren birinin dikkatini çeken şey bambaşkaydı: Bu kadar devasa, dağınık ve kirli bir veri yığını içinden anlamlı bir şeyler nasıl çıkarılır?
Biliyorsun, Red Team operasyonlarında bazen hedef hakkında bilgi toplarken önümüze binlerce döküman düşer. O an hissettiğin şey tam olarak bir samanlıkta iğne arama hissidir. Epstein vakasında da durum tam olarak bu. Karşımızda binlerce PDF, ekran görüntüsü ve jmail.world gibi sitelerde indekslenmiş binlerce e-posta var. Eğer bunları tek tek okumaya kalkarsan, muhtemelen emekli olduğunda hala ilk birkaç klasörde olursun.
Samanlıkta İğne Aramak Yerine Mıknatıs Kullanmak
Diyelim ki elinde epstein-docs.github.io adresindeki gibi devasa bir PDF arşivi var. İlk yapman gereken şey, bu dökümanları "makine tarafından okunabilir" hale getirmek. Çoğu mahkeme belgesi maalesef taranmış resimlerden oluşuyor. Yani basit bir CTRL+F işini görmez. Burada devreye OCR (Optical Character Recognition) giriyor.
Ben genelde bu tarz işlerde Python’ın gücüne güveniyorum. Eğer senin de yolun bir gün böyle bir veri yığınına düşerse, her şeyi tek tek açıp bakmak yerine bir script yazıp arkana yaslanmalısın. Bak, aşağıya basit ama işlevsel bir mantık bırakıyorum. Bu script, bir klasör dolusu PDF içinde senin belirlediğin anahtar kelimeleri (isimler, uçuş numaraları, tarihler vb.) arayıp sana bir rapor çıkarabilir.
import pytesseract
from pdf2image import convert_from_path
import os
# PDF dosyalarının olduğu klasör
input_folder = './epstein_docs/'
target_keyword = "Clinton" # Örnek bir arama terimi
def scan_pdf(file_path):
# PDF sayfalarını resme çeviriyoruz (OCR için gerekli)
pages = convert_from_path(file_path, 500)
for i, page in enumerate(pages):
text = pytesseract.image_to_string(page)
if target_keyword.lower() in text.lower():
print(f"[+] Bulundu! Dosya: {file_path} - Sayfa: {i+1}")
# Burada bulduğun kısmı bir dosyaya kaydedebilirsin
for filename in os.listdir(input_folder):
if filename.endswith(".pdf"):
scan_pdf(os.path.join(input_folder, filename))
Bu kod parçası işin aslı senin "mıknatısın". Tabi bunu koşturmadan önce sisteminde tesseract ve poppler kurulu olmalı. Bu yöntemle, günlerce sürecek bir işi birkaç saatlik bir işlemci mesaisine indirebilirsin.
Mail Analizinde "Pattern" Yakalamak
Bir de işin e-posta boyutu var. jmail.world sitesine girdiysen görmüşsündür; Jeffrey Epstein’ın ve çevresindekilerin yazışmaları bir şekilde sızdırılmış ve aranabilir hale getirilmiş. Ama bir siber güvenlikçi gözüyle baktığında, sadece isim aratmak çok yüzeysel bir yaklaşım.
Gerçekten bir şeyleri ortaya çıkarmak istiyorsan, yazışma kalıplarına (communication patterns) bakman lazım. Kim, kiminle, ne sıklıkta konuşmuş? Hangi saatlerde mail atmışlar? Mesela gece yarısı atılan mailler genelde daha "ilginç" detaylar barındırır. Veya belirli anahtar kelimelerin (örneğin uçuş kodları: "N212JE" - Epstein'ın meşhur uçağı) geçtiği trafikleri filtrelemek seni doğrudan hedefe götürür.
Sıkça karşılaştığım bir durumdur; insanlar sızıntılarda hep "itiraf" ararlar. Oysa gerçek bilgi satır aralarındaki teknik detaylardadır. Bir faturanın altındaki adres, bir uçuş planındaki kalkış saati veya bir otel rezervasyonundaki ek not...
Metadata: Dosyaların Sessiz Çığlığı
Bak burası çok kritik. Çoğu kişi dökümanın içindeki metne odaklanır ama dökümanın kendisinin ne söylediğini unutur. Metadata analizi, OSINT dünyasının gizli kahramanıdır. Diyelim ki Epstein arşivinden bir PDF indirdin. Bu dosya ne zaman oluşturulmuş? Hangi yazılımla kaydedilmiş? Belki de dosyayı oluşturan kişinin bilgisayar kullanıcı adı hala içinde gömülüdür.
Ben genellikle bu iş için exiftool kullanırım. Eğer elinde toplu bir veri varsa, terminalden şu komutla her şeyi dökebilirsin:
exiftool -csv -r ./docs_folder > metadata_raporu.csv
Bu sana öyle bir Excel tablosu verir ki, dosyaların oluşturulma tarihlerine göre bir timeline (zaman çizelgesi) oluşturabilirsin. Kim bilir, belki bir "gizli" döküman, sızdırılmadan yıllar önce aslında bambaşka bir isimle kaydedilmiştir.
Veri Görselleştirme: Büyük Resmi Görmek
Epstein gibi karmaşık ilişkiler ağında, isimler havada uçuşur. Kimin eli kimin cebinde anlamak için bir "ilişki grafiği" şart. Ben bu tarz durumlarda genelde veriyi bir graph database yapısına (Neo4j gibi) aktarmayı seviyorum. Ama daha basit bir şey istersen, Python’daki networkx kütüphanesi harikalar yaratır.
Düşünsene; maillerden gönderici ve alıcıları çekip bir ağ oluşturuyorsun. Ortada devasa bir düğüm (Epstein) ve ona bağlı yüzlerce küçük düğüm. Hangi isimler hem Epstein ile hem de birbirleriyle bağlantılı? İşte o kesişim noktaları, asıl araştırman gereken yerlerdir.
Dikkat Etmen Gereken Bir Nokta Var
Bu tarz popüler sızıntı sitelerinde dolaşırken veya Github'daki dosyaları indirirken "güvenlik uzmanıyım, bana bir şey olmaz" deme. İşin ironik tarafı, bu tarz dökümanların içine bazen meraklı araştırmacıları hedef alan zararlı yazılımlar (malware) gizlenebilir. "Epstein'ın Gizli Listesi.pdf.exe" gibi ucuz numaralardan bahsetmiyorum; PDF'in kendi içindeki bir zafiyeti tetikleyen exploit'lerden bahsediyorum.
Bu yüzden, bu tarz arşivleri her zaman izole bir ortamda, tercihen internet erişimi olmayan bir Sanal Makine (VM) içinde incelemeni öneririm. Hatta dökümanları analiz etmeden önce bir dangerzone gibi araçlarla sanitize etmek (temizlemek) hayat kurtarabilir. Bence bu, işin teknik kısmından daha önemli bir disiplin.
Sonuç Yerine Birkaç Tavsiye
Epstein olayları bize şunu gösterdi: Dijital dünyada hiçbir şey gerçekten kaybolmuyor. Yıllar sonra bile bir sunucunun köşesinden çıkan bir dosya, dünyayı ayağa kaldırabiliyor. Bir güvenlikçi olarak bu tarz olaylara sadece "kim ne yapmış" diye bakma; "bu veri nasıl saklanmış, nasıl sızmış ve nasıl analiz edilebilir" diye bak.
Eğer bu alanda kendini geliştirmek istiyorsan, sadece araçları kullanmayı değil, o araçların arkasındaki mantığı anlamaya çalış. Regex (Regular Expressions) öğren mesela. Devasa bir metin yığını içinde telefon numaralarını veya özel kodları şak diye bulmanı sağlar.
Bu Epstein arşivi daha çok su kaldırır. Ama işin özü, elindeki veriyi ne kadar akıllıca işlediğinde bitiyor. Ben şahsen bu dökümanlar arasından daha çok ilginç teknik detay çıkacağını düşünüyorum. Kim bilir, belki bir sonraki büyük sızıntıda analizi sen yaparsın.
Öğrenmeye devam, merakını hiç kaybetme. Görüşürüz.