Kullanıcıların mobil uygulama güvenlik farkındalıklarının makine öğrenmesi teknikleriyle incelenmesi

Cep telefonlarının her yerde bulunabilme, anında bağlantı kolaylığı, uygulama çeşitliliği, kişiselleştirme, esneklik, dağıtım ve konuma dayalı hizmetler gibi zenginleştirilmiş işlevsellik ve etkileşim özellikleri, onları dünyanın birinci iletişim aracı haline getirmiştir. Çoğu insan için cep telefonları artık vazgeçilmez bir unsur haline gelmiştir. Bu cihazlara yüklenen uygulamalarla kullanıcılar internet dünyasında etkileşimde bulunmaktadırlar. Mobil uygulama mağazaları, kullanıcılara çeşitli kategorilerde binlerce uygulamayı keşfetme ve indirme imkânı sunmaktadır. Her gün milyonlarca insan, ihtiyaçlarına veya ilgi alanlarına uygun uygulamaları bulmak için bu mağazalardan faydalanmaktadır. Kullanıcılar bu mağazalardan uygulama indirerek, iletişim kurma, eğlenme, bilgi edinme, alışveriş yapma, finansal işlemler yapma, seyahat planlama ve daha pek çok işlemi gerçekleştirme imkânına sahip olmaktadırlar. Bu çalışmada Harvard Üniversitesi'ne ait olan Dataverse platformunun bir araştırma anketin veri seti kullanılmıştır. Anket, 15'ten fazla ülkede 10.208 kişiyle yapılmıştır. Veri setinde ankete katılanların demografik özellikleri, eğitim bilgileri ve mobil uygulama kullanım davranışları gibi bilgiler bulunmaktadır. Bu çalışmanın temel hedefi mobil cihaz kullanıcılarının profillerini ve uygulama kullanım amaçlarını ve ihtiyaçlarını analiz ederek kullanıcıların bir uygulamayı tercih etme, kullanma ve bırakma kararlarına etki eden faktörleri makine öğrenmesi teknikleriyle belirlemektir. Araştırmada, veri seti üzerinde Logistik Regresyon (LR) , Random Forest (RF), Support vector machine (SVM), K-Nearest Neighbors(KNN) makine öğrenme algoritmaları ile yapılan analizde uygulamanın bulunması, seçilmesi ve bırakılması aşamaları test edilmiştir. Test etme aşamalarında Doğruluk (Accuracy), Hassasiyet (Precision), Duyarlılık (Recall), F1-Score (F-Measure) değerlerine bakılmıştır. Araştırmanın " Kullanıcı demografik özellikleri uygulamayı bulma davranışını etkilemektedir." Şeklinde kurulan 1. Hipotezin doğrulanmasında SVM makine öğrenmesi algoritması doğruluk oranı doğruluk oranı 0,930 F1 Score değeri ise 0,950 ile en başarılı algoritma olmuştur. Araştırmanın "Kullanıcının demografik özellikleri uygulamayı seçme davranışını etkilemektedir" şeklinde kurulan 2. Hipotezinin doğrulanmasında SVM makine öğrenmesi algoritması doğruluk oranı 0,920 ve F1 Score değeri ise 0,950 ile en başarılı algoritma olmuştur. Araştırmanın " Kullanıcı demografik özellikleri uygulamayı bırakma davranışını etkilemektedir." 3. Hipotezinde SVM makine öğrenmesi algoritmasına göre doğruluk oranı 0,940 F1-Score değeri ise 0,970 olarak en başarılı algoritma olmuştur. Elde edilen analiz sonuçlarına göre mobil uygulama kullanıcıları demografik özelliklerinin uygulamayı bulma, seçme ve bırakma davranışları üzerinde etkili olduğu makine öğrenme yöntemleri ile doğru tahmin edilebileceği görülmüştür. Araştırmanın " Mobil uygulama kullanıcılarının uygulamayı bulma ve seçme davranışları arasında anlamlı bir ilişki vardır." 4. Hipotezini test etmek için Pearson Korelasyon modeli kullanılmıştır. Bu model sonuçlarına göre Ortalama Pearson Korelasyon Katsayısı: 0.215 çıkmıştır. Araştırmanın "Mobil uygulama kullanıcılarının uygulamayı seçme ve bırakma davranışları arasında anlamlı bir ilişki vardır." 5. Hipotezini test etmek için Pearson Korelasyon modeli kullanılmıştır. Bu model sonuçlarına göre Ortalama Pearson Korelasyon Katsayısı: 0.230 çıkmıştır. Elde edilen bu değerlere göre kullanıcının mobil uygulamayı bulma, seçme ve bırakma davranışları arasında pozitif yönde zayıf bir ilişki olduğu görülmüştür. Bu araştırma, kullanıcıların mobil uygulama güvenliği ve gizlilik konusundaki bilinç düzeyini artırmak ve bilinçli seçimler yapmasına yardımcı olacağı düşünülmektedir. Aynı zamanda mobil uygulama geliştiricilerine, kullanıcıların gereksinimlerini daha iyi anlama ve uygulama deneyimini iyileştirme konusunda değerli veriler sunmaktadır.