3 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 3 / 3
Öğe Predicting factors affecting PISA 2015 mathematics literacy via radial basis function artificial neural network(Batman Üniversitesi, 2019-05-23) Güre Bezek, Özlem; Kayri, Murat; Erdoğan, FevziIn this study, radial basis function artificial neural network (RBFN), which is one of the of data mining methods, was employed to determine the factors affecting PISA 2015 (Programme for International Student Assessment - PISA), Mathematics literacy. Mathematics literacy scores, which were made in categorical form with three level dependent variables, 25 independent variables, and considered to have affected the dependent variables, were employed in evaluating and validating the proposed method. Also, in order to determine factors affecting PISA 2015 Mathematics literacy, information obtained from a total of 4422 students (2165 (49%) of whom were males and 2257 (51%) of whom were females) who participated the exam was used. According to the obtained results, the correct classification rate of mathematics achievement in the radial based artificial neural network model was found to be 85.2%. In addition, it is seen that the most important factor that were affecting Mathematics literacy was Turkish language success status and the other variables that were setting significance are targeted point in school life, father education level and mother education level.Öğe GSM sinyal bazlı konum belirleme(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-07-08) Demir, Ercan; Öztekin, AbdulkerimGünümüz dünyasında mobil haberleşme sistemlerine duyulan ihtiyaç ve kullanıcı sayısındaki yüksek artış beraberinde yeni nesil mobil uygulamaların geliştirilmesini de vazgeçilmez kılmıştır. Konum bilgisinin elde edilmesi en çok ilgi çeken ve önemli ölçüde gelişim gösteren alanlardan birisi olmuştur. Konum belirlemeye yönelik kullanılan servislerin amacı genel olarak kullanıcıların yaklaşık konum, hız ve zaman gibi bilgilerinin elde edilmesidir. GPS sistemi, küresel konumlandırma sistemleri arasında en fazla tercih edilen ve yüksek bir doğrulukla çalışan bir konum belirleme sistemidir. Ancak bu sistemin yüksek bir kurulum maliyeti gerektirmesinin yanı sıra, galaktik ve meteorolojik etkenler, yüksek binalar ve diğer fiziksel engellerin bulunduğu yoğun yerleşim yerlerinde ve özellikle kapalı alanlarda ciddi sinyal zayıflamaları ve kayıpları nedeniyle servis dışı kalabilmesi en büyük kısıtlarından birisidir. Bu hususlar dikkate alındığında, küresel konumlandırma sistemlerine alternatif ve tamamlayıcı olacak konumlandırma sistemlerine acil gereksinim duyulduğu görülmektedir. Bu noktada, neredeyse herkesin yaygın bir şekilde kullanmakta olduğu ve kapsama alanı gün geçtikçe artan GSM ağının altyapısından faydalanılarak konum tahmini yapılması son derece önemli bir alternatif olarak karşımıza çıkmaktadır. Kapalı alanlarda ve kötü hava şartlarında, elde edilebilecek sinyal seviyeleri açısından kıyaslandığında hücresel ağların küresel konumlandırma sistemlerinden daha avantajlı olacağı düşünülmektedir. Gerçekleştirdiğimiz bu çalışma kapsamında, mobil telefon için Android Studio ortamında geliştirdiğimiz bir mobil uygulama vasıtasıyla kapalı ve açık alanlarda ölçümlenen GSM sinyal gücü, GSM baz istasyonu ve kullanıcı konum bilgileri kaydedilerek veri setleri oluşturulmuştur. Bu verinin bir kısmı ile Matlab simülasyon ortamında oluşturulacak ağın yapay sinir ağları (YSA) metotlarından aşırı makine öğrenmesi (ELM), genelleştirilmiş regresyon sinir ağı (GRNN) ve k-en yakın komşuluk algoritması (kNN) kullanılarak eğitilmesi ve verinin diğer kısmıyla da test yapılarak yaklaşık konum tahmini gerçekleştirilmesi amaçlanmıştır. Bina içi, bina dışı ve harmanlanmış veri setleri ile yapılan testlerde, önerilen GSM sinyal bazlı konum belirleme sisteminin asgaride bir metrenin altında ve ortalamada ise 76- 216 metre aralığında hata oranlarıyla gerçek konum bilgisi elde edilebileceği gözlemlenmiştir.Öğe Akıllı saldırı tespit sistemleri(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2021-02-17) Toprak, Hanifi; Kardaş, SüleymanBilgi ve İletişim Teknolojileri hayatımızın her alanını içine alan insanların hatta tüm canlıların ayrılmaz bir parçası haline gelmiştir. Bunun hayatımıza artarak dokunması beklenmektedir. Teknolojinin bu kadar hayatımızla iç içe geçmesi nedeni ile bunu kendi amaçları doğrultusunda kullanmak isteyenlerin ortaya çıkması da beklenendir. Teknolojinin birçok faydası bulunmaktadır. Fakat güvenlik açısından gerekli hassasiyet gösterilmemesi durumunda ise istenilmeyen sonuçlar da doğabilmektedir. Saldırganlar özellikle toplumu en çok etkileyen alanlardan olan Bankacılık, Enerji, Ulaşım gibi sistemlere sızmaya ya da kullanılmaz hale getirmeye çalışırlar. Saldırgan için motivasyon kaynağı bazen para, bazen de şan-şöhret olabilmektedir. Teknolojinin olduğu her yerde bir güvenlik problemi olduğu herkesin kabul ettiği bir gerçektir. Bundan dolayı kurumlar kendi siber olaylara müdahale ekiplerini (SOME) oluştururken topyekûn siber savaşlar için ülke çapında USOM kurulmuştur. Siber saldırı, siber suçluların bir veya daha fazla cihazı tek veya birden fazla cihaza ya da ağa karşı kullanarak başlattığı bir saldırıdır. Siber saldırı ile saldırgan, sistemleri devre dışı bırakabilir, sistemlerden veri çalabilir ya da verilerde değişiklik yapabilir. Siber saldırganlar hedef sistem (ler)e erişmek için türlü teknik ve sosyal mühendislik yollarına başvurur. Saldırı Tespit Sistemleri (Intrusion Detection Systems), olası saldırıları tespit etmekte kullanılan güvenlik bileşenlerinden biridir. STS, yapılan atakları genel olarak 3 farklı şekilde tespit etmeye çalışır. İmza Tabanlı STS: Bu saldırı tespit sisteminde, ağda oluşabilecek bir anormallik mevcut kötü yazılım veri tabanıyla karşılaştırma yapılarak tespit edilir. Anomali Tabanlı STS: Bu saldırı tespit sisteminde, kullanıcı profilleri oluşturulmaktadır. Bu profillerin dışına çıkılması durumunda sistem, yapılan işlemi saldırı olarak yorumlanmaktadır. Protokol Analizi STS: Protokol aktiviteleri profilleri çıkarılır. Şüpheli bir aktivite ile karşılaşıldığında mevcut profillerle karşılaştırılır. Karşılaştırma sonucunda saldırı olup olmadığına karar verilir. KDD’99: KDD’99 saldırı tespit sistemleri için model dizayn etmede kullanılan bir veri setidir. Bu veri seti 42 sütün ve 4.940.200 adet satırdan oluşmaktadır. Veri setinde bulunan saldırılar 4 ana kategoride tanımlanabilir: DoS: Denial-of-service, ağda bulunan bir sistem ya da cihazın sistem kaynaklarını tüketerek gerçek kullanıcılara hizmet veremeyecek duruma getirmesidir. Bu saldırı yöntemine syn flood saldırısı örnek olarak verilebilir. R2L: Bir sisteme erişim izni olmadan bağlanmaya çalışma saldırılarıdır. Bu saldırı yöntemine guessing password aldırısı örnek olarak verilebilir. U2R: Normal kullanıcı yetkisine sahip bir hesabın admin ya da root kullanıcı haklarını elde etme amaçlı yapılan saldırı türüdür. Bu saldırı yöntemine buffer overflow aldırısı örnek olarak verilebilir. Probing: Bu saldırıda saldırgan, hedef cihaz hakkında bilgi toplamaktadır. Bu bilgi; açık olan portlar, geçerli ip adresleri, üzerinde çalışan servisler, kurulu olan işletim sistemi olabilmektedir. Port scanning probing saldırılarına örnek verilebilir. Bu tezde, saldırı tespit sistemlerinde kullanılan KDD’99 veri setinde bulunan saldırılar kategorize edilerek, saldırı istatistikleri ve bu saldırılar hakkında bilgiler verilmiştir. Ayrıca denetimli öğrenme modellemelerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaç algoritmaları kullanılarak yapılabilecek bir saldırıyı gerçek zamanlı ve yüksek başarımlı tespit edecek sistem modellemeleri yapılmıştır.
