Prof. Dr. Cemal Köse danışmanlığındaki tezler
10 tez · Karadeniz Technical University
Fiziksel konum temelinde kimlik doğrulamalı DHCP sunucusu tasarımı
Kurumsal ağların hızlı büyümesi ve gelişmesi ile birlikte ağ güvenliği daha çok önem kazanmaktadır. Ağ güvenliğinin en önemli parametrelerinden biri kimlik doğrulamadır. Büyük ölçekli bir kurumsal ağda kullanıcıların doğruluğunu/bilinirliğini sağlama süreci hem yüksek iş yükü ve hem de bazı güvenlik sorunları ile karşımıza çıkmaktadır. Bir kullanıcının bir ağa katılma süreci aslında bir ağ protokolü olarak DHCP (Dinamik Host Yapılandırma Protokolü) sorumluluğundadır. DHCP, sistem yöneticisinin IP adresi dağıtmasına ve bir kullanıcının IP adresi edinmesine kolaylık sağlar. Bununla birlikte güvenlik mekanizması içermeyen bu protokole bağlı olarak, sahte DHCP, sahte veya çalıntı fiziksel adres ve DHCP sömürülmesi gibi potansiyel güvenlik zafiyetleri oldukça önemli sorunlardır. Bu çalışmada amacımız kurumsal bir ağa katılmak isteyen bir kullanıcının herhangi bir bilişim personeli ile görüşmeye ihtiyaç duymaksızın etkileşimli olarak kendini doğrulayıp sisteme kabul edilmesini sağlamak ve istemcinin fiziksel konumunu tespit edip doğrulama süreçlerinde bu bilgiyi kullanarak güvenliği artırmak olacaktır. Hedefimiz ağdan gelen fiziksel bilgiyi de kullanacak ve kimlik doğrulamayı sağlayacak yeni bir DHCP sunucusu programlamaktır.
Ayakkabı izlerinin tanımlanması
Adli tıp uzmanları, ayakkabı izlerini; suçları soruşturmak ve suçluları tanımlamak için kullandığı, özellikle suç yerlerinde görülebilecek önemli ipuçları olarak kabul ediyor. Dolayısıyla, ayakkabı izlerinin birbirleriyle eşleştirilmesi ile sağlam bir yöntem geliştirilmesi, suçluları tanımak için kullanılabilecek kritik öneme sahiptir. Bu tezde, çok bloklu seyrek gösterim tekniği ve değiştirilmiş çok bloklu Yerel İkili Örüntü Yöntemi'ni geliştirerek ayakkabı izlerini elde etmek için umut vadeden iki yöntem önerilmiştir. Önerilen yöntemlerin performansı dört tane farklı yöntemle değerlendirildi. Doğru algılama skoru, doğru tespit edilen görüntülerin sayısının toplam test görüntülerine oranı bakımından elde edilmiştir. Simülasyonların sonuçları, önerilen yöntemler bütün ayakkabı izleri, pençe ve topuk kısmı elde etmede oldukça etkili ve etkili olduğunu gösterdi. Ayrıca, önerilen yöntemlerin karşılaştırıldığı diğer yöntemlere göre daha iyi performansa sahip olduğu bulunmuştur. İlk n sıra için kümülatif eşleşme skoruna göre kesin kimlik oranı ölçülmüştür. Önerilen yöntemler rotasyon ve ölçek bozulmaları bakımından diğer yöntemlerle karşılaştırılmıştır. Sonuçlar, önerilen yöntemlerin bu çarpıklıklara direndiğini gösterdi.
Çoklu-odaklı görüntülerin birleştirilmesi
Çoklu-odaklı görüntü birleştirme, bir görüntünün farklı odaklanma değerlerine sahip iki veya daha fazla kopyasının tek odaklı anlaşılır bir görüntü haline getirilmesidir. Çalışmamızda çoklu-odaklı görüntüleri birleştirmek amacıyla süper-çözünürlük tabanlı hibrit bir yöntem geliştirilmiştir. İlk olarak kaynak görüntülere bicubic interpolasyon tabanlı süper-çözünürlük yöntemi uygulanmıştır. Süper-çözünürlük yöntemi sayesinde görüntülerdeki bilgi miktarı arttırılmaktadır. İkinci olarak kaynak görüntülerin alt frekans bölgelerine ayrıştırılması amacıyla Sabit Dalgacık Dönüşümü (SWT) uygulanmaktadır. Sabit Dalgacık Dönüşümü sonrası her bir kaynak görüntü için dört alt bant oluşmaktadır. Oluşan her bir alt banta Temel Bileşen Analizi (PCA) uygulanmıştır. Bu alt bantlar için özvektörler ve özdeğerler hesaplanmıştır. Hesaplanan özvektörler sıralanarak, her bir alt bant için genliği maksimum olan özvektör seçilmektedir. Bu değerler yardımıyla birleştirme kuralı uygulanarak yeni alt bantlar üretilmektedir. Alt bantları tekrar birleştirebilmek amacıyla Ters Sabit Dalgacık Dönüşümü (ISWT) uygulanmıştır. Oluşan görüntü bicubic interpolasyon tabanlı yeniden boyutlandırma yöntemi yardımıyla orijinal görüntü boyutuna dönüştürülmüştür. Yapılan çalışma diğer çalışmalara oranla daha net, daha fazla kenar bilgisine sahip ve düzlemsel bozulmalardan daha uzaktır. Sonuçlar, performans ölçümleriyle kanıtlanmıştır.
Yeni nesil yazılım geliştirme eğilimlerine yönelik uzman bilgi ve becerilerinin olasılıksal konu modelleme yordamıyla belirlenmesi
Son yıllarda yazılım alanında yaşanan hızlı teknolojik dönüşüm doğrultusunda, yakın gelecekte bu teknolojik dönüşüme ayak uydurabilecek bilgi ve donanıma sahip yazılım geliştirme uzmanlarına yönelik büyük bir talep patlaması öngörülmektedir. Yazılım endüstrisinde yoğun olarak talep edilen yeni nesil yazılım geliştirme eğilimlerine yönelik uzman bilgi ve becerilerinin analizi ve anlaşılması, bu talep ve ihtiyaçların karşılanması açısından stratejik öneme sahiptir. Bu kapsamda, yazılım endüstrisinde ortaya çıkan güncel talep ve eğilimleri belirlemek amacıyla yazılım odaklı iş ilanları üzerinde Gizli Dirichlet Ataması (Latent Dirichlet Allocation) yöntemiyle olasılıksal konu modellemeye dayalı bir anlamsal analiz gerçekleştirilmiştir. Analizin sonucunda elde edilen bulgular, yazılım endüstrisinde yoğun talep gören mesleki rolleri, bu rollere ait temel becerileri, yükselen eğilimleri ve programlama dillerine yönelik talepleri ortaya koymuştur. Bu çalışmada elde edilen bulguların yazılım endüstrisindeki mesleki talep ve eğilimlerin daha iyi anlaşılması açısından katkı sağlayacağı öngörülmektedir.
Motor hareket hayali görevlerine ait EEG sinyallerinin 2-B öznitelikler ve yarı olasılıksal dağılım modelleri ile sınıflandırılması
Beyin makine arayüzlerinin (BMA) geliştirilmesinde sıklıkla başvurulan motor hareket hayalinde (MHH) herhangi bir eylem motor sistem kullanılmadan beyinde simule edilerek yapılır. Tez çalışmasında, MHH görevlerinin sınıflandırılması için bazı örüntü tanıma teknikleri önerilmiştir. Bu amaçla ilk olarak, EEG sinyallerindeki geçiş noktalarına ait 2-B öznitelikler özelleşmiş bir uzayda çıkarılmıştır. Ardından, 2-B yarı olasılıksal dağılım modelleriyle (YODM) öğrenme modelleri oluşturulmuş ve olasılıksal üyeliklerle sınıflandırma gerçekleştirilmiştir. İlerleyen süreçte veri domaininden faydalanarak YODM temelli alt-sınıflandırıcılar oluşturulmuş ve oylama yaklaşımlarında kombinasyonları da kullanan bazı sınıflandırıcılar önerilmiştir. Dahası sinyal öznitelikleri 2-B modelleme görüntülerine dönüştürülmüş ve EEG sinyalleri transfer öğrenmeyle evrişimli sinir ağlarına uygulanmıştır. Tüm bunlara ek olarak, mobil telefonlarda sık kullanılan el hareketlerine ait MHH'ler ile MHH-BMTA adında yeni bir veri seti oluşturulmuş ve problem domainine beyin-mobil telefon arayüzleri de eklenmiştir. Yöntemlerin performansları MHH-BMTA ve BCI Competition yarışmalarında sunulan birçok veri setinde sınanmıştır.
Çoklu-odaklı görüntü birleştirme için yeni yaklaşımlar
Çoklu-odaklı görüntü birleştirme, aynı sahnenin farklı odak noktalarına sahip iki veya daha fazla görüntüsünün birleştirilerek tüm-odaklı bir görüntü oluşturulması işlemidir. Tez çalışmasında kusursuza yakın tüm-odaklı görüntüler elde edebilecek iki özgün yaklaşım önerilmektedir. Birinci yaklaşımda, bikübik-tabanlı süper-çözünürlük yöntemiyle kaynak görüntülerin detay bilgileri artırılarak Sabit Dalgacık Dönüşümü yardımıyla alt bileşenlerine ayrılmıştır. Sonuç olarak çoklu-odaklı görüntü birleştirme yöntemlerinin amacına uygun olarak tasarlanan gradyan-tabanlı birleştirme kuralı ile görüntüler birleştirilmiştir. Önerilen ikinci yaklaşım, öğrenmeye dayalı yenilikler içeren bir yaklaşımdır. Bu çalışma için renkli görüntülerden oluşan iki veya daha fazla kaynak görüntü içeren zengin bir veri seti oluşturulmuştur. Önerilen yöntemde, odaklı ve odaksız parçaları sınıflandırabilecek yeni bir CNN modeli tasarlanmıştır. Kaynak görüntüler ilk olarak önerilen bu mimarinin girdi katmanı boyutu olan 8x8'lik örtüşen bloklara ayrılarak önerilen ağa verilir ve her bir kaynak görüntü için ilk karar haritaları oluşturulur. Daha sonra, literatürde daha önce kullanılmayan odak metriklerine dayalı iyileştirme mekanizması yardımıyla, önerilen ağın kararsız kaldığı durumlar en aza indirgenmiştir. Son olarak dinamik karar mekanizmalı birleştirme kuralı yardımıyla birleştirilmiş görüntüler oluşturulur. Önerilen yaklaşımların çoklu-odaklı görüntü birleştirme amaçlarını gerçekleştirmede oldukça başarılı olduğu görülmektedir.
Motor ve motor olmayan hayali aktivite EEG sinyallerinin metne dönüştürülmesi
İnsan beynini oluşturan ve nöron adı verilen sinir hücreleri elektrokimyasal etkileşimler sayesinde birbirleriyle haberleşirler. Ancak bazı hastalıklar, kazalar veya travmalar sebebiyle bu sinir hücreleri ve birbirleriyle olan bağlantıları kaybolmuş veya zarar görmüş olabilir. Bu durumda, beyin kasları ve motor sinir sistemini kontrol etme yeteneğini kaybeder. Beyin-bilgisayar arayüzü sistemleri bu amaca yönelik geliştirilen alternatif sistemler olup, insan beyni ile harici bir cihaz arasında doğrudan iletişim kurabilmeyi sağlarlar. Bu tezin amacı, bilişsel işlevleri sağlıklı ancak motor sinir sistemlerini kontrol edemeyen bireylerin hayatlarını kolaylaştırmak adına, motor ve motor olmayan aktivitelerin hayali olarak gerçekleştirilmesi esnasında kaydedilen EEG sinyalleri ile kontrol edilebilen bir beyin-bilgisayar arayüz sisteminin tasarlanmasıdır. Bunun için, kaydedilen EEG sinyalleri seçilen uygulamaya bağlı olarak harfler ile eşleştirilmiş ve hayali aktivitelerin metne dönüştürülmesi gerçekleştirilmiştir. Sonuç olarak, EEG sinyallerinin kişiden kişiye gösterdiği farklılıklar sebebiyle genel bir sistem tasarımının güç olduğu, ancak bireysel bir sistemin yüksek başarıyla tasarlanabileceği gözlemlenmiştir.
SCADA sistemleri için makine öğrenimi tabanlı hata tespiti
Enerji dağıtım sistemleri ve Siber-Fiziksel Sistemler, bilgi teknolojisi açısından çok önemli bir yere sahiptir. Bilgi teknolojisinin bu alanlarda kullanılması aynı zamanda bir risk oluşturmaktadır. Bu sistemler içerisinde kullanılan SCADA sistemleri gelecek zamanlarda IoT cihazlarıyla iletişim kurabilen bulut tabanlı sistemler haline gelecektir. Fakat SCADA her geçen zaman içinde epeyce saldırı riski taşımaktadır. Buna bağlı olarak hem bu saldırıların tespit edilmesi hem de önlenmesi çok büyük bir önem taşımaktadır. Bu tez çalışmasında Siber-Fiziksel Sistemlerdeki, SCADA sistemine karşı makine öğrenmesi algoritmaları kullanılarak saldırı tehditlerinin tespiti ve sınıflandırılması yapılmaktadır. Bu sınıflandırma yapılırken her bir saldırı türüne bir eşsiz değer ataması yapılmıştır. Yapılan bu çalışmada saldırı tespiti yapıldığı gibi bu eşsiz değer ataması ile yapılan saldırının tipi de tespit edilmektedir. Saldırı tespitinin yapılması, tipinin belirlenmesi ve performans sonuçları test ortamında gerçekleştirilmiş ve sonuçlar elde edilmiştir.
Piramidal nöron modelinin sınıflandırma probleminde performansının incelenmesi
Piramidal nöronlar, beynin farklı bölgelerinden binlerce sinaptik giriş alan ve en büyük akson çıkışlarını gönderen korteksteki en yaygın nöron tipidir. Doğrusal olmayan yüksek dendritik hesaplamaları destekleyen çeşitli aktif iletkenliklere ve karmaşık morfolojilere sahiptirler. Tez çalışmasında iki ve dört sınıflı EKG verilerini sınıflandırmak için ayrıntılı bir piramidal nöron modeli ve perceptron öğrenme algoritması kullanılmıştır. EKG verilerinden spike üretmek için Gray kodlama kullanılmıştır. İki sınıflı veriler için piramidal nöronun hücre altı bölgelerinin sınıflandırma performansı araştırılmıştır. Eş değer tek katmanlı perceptronla karşılaştırıldığında piramidal nöronun ağırlık kısıtlaması nedeniyle zayıf performans gösterdiği bulunmuştur. Bununla birlikte, girişler için önerilen bir aynalama yaklaşımı nöronun sınıflandırma performansını önemli ölçüde artırmıştır. En yüksek iki sınıflı sınıflandırma doğruluğu %95,3 olarak apikal bölgesinde elde edilmiştir. Dört sınıflı sınıflandırmada Gray kod uzunluğu ve EKG RR örnek sayısı piramidal nöronun sınıflandırma performansı üzerindeki etkisi araştırılmıştır. En yüksek sınıflandırma doğruluğu %98,8 olarak basilar bölgesinde elde edilmiştir. Sonuçlar, piramidal nöronun gerçek dünya verilerini başarıyla sınıflandırabildiğini göstermektedir.
Açı genlik dönüşümü kullanarak konuşmacı tanımlama
Konuşmacı tanımlama, belirli bir ses kaydından konuşmayı gerçekleştiren kişiyi belirleme süreci olup güvenlik sistemleri gibi birçok alanda kullanılmaktadır. Bu çalışmada konuşmacı tanıma sürecinde kullanılan özellik çıkarım yöntemlerinin karşılaştırmalı analizi yapılmıştır. Literatürde yaygın olarak kullanılan MFCC (Mel-Frekans Kepstrum Katsayıları) ve LPCC (Doğrusal Öngörülü Kepstral Katsayılar) yöntemleri incelenmiş, bunlara ek olarak ilk kez önerilen Açı Genlik Dönüşümü (AGD) yöntemi uygulanmıştır. AGD, ses sinyallerindeki tepe ve çukur noktalarından açı ve genlik değerlerini hesaplayarak iki boyutlu görüntüler oluşturur. Bu görüntülerden Yönlendirilmiş Gradyanların Histogramı (HOG) yöntemiyle özellikler çıkarılmış ve K-En Yakın Komşu (KNN) ile Destek Vektör Makineleri (SVM) algoritmalarında sınıflandırma yapılmıştır. Ayrıca, görüntüler doğrudan Konvolüsyonel Sinir Ağı (CNN) ile sınıflandırılmıştır. Çalışmada LibriSpeech ve VoxCeleb1 veri setleri kullanılmış; veriler eğitim ve test gruplarına ayrılmıştır. Deneysel sonuçlar, birinci ve ikinci derece AGD ile CNN kullanıldığında LibriSpeech veri setinde sırasıyla %93.2 ve %91, VoxCeleb1 veri setinde ise %75.5 ve %71 doğruluk oranına ulaşıldığını göstermektedir. Ayrıca, MFCC ve birinci derece AGD yöntemlerinin hibrit CNN yaklaşımıyla birlikte kullanılması LibriSpeech'te %97.6, VoxCeleb1'de ise %84.3 doğruluk oranı sağlamıştır. Elde edilen bulgular, AGD yönteminin konuşmacı tanıma alanında alternatif ve etkili bir yaklaşım sunduğunu ortaya koymaktadır. Anahtar Kelimeler: Konuşmacı tanımlama, özellik çıkarımı, açı genlik dönüşümü, sınıflandırma algoritmaları