Yazar "Tiryaki, Fatih" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Kötücül URL Tespitinde Yapay Zekâ Modeli Geliştirme ve Değerlendirilmesi
    (Osman SAĞDIÇ, 2023) Tiryaki, Fatih; Şentürk, Ümit; Yücedağ, İbrahim
    Günümüzde internetin her geçen yıl kullanımın artmasıyla hayatımızda çok önemli bir hale gelmiş ve yeni iletişim teknolojileri, sosyal ağlar, e-ticaret, çevrimiçi bankacılık dâhil olmak üzere birçok uygulamada işlerin teşvik edilmesinde ve büyütülmesinde önemli bir etkiye sahiptir. Yaptığımız çalışmada, kullandığımız yapay zekâ modeli ile zararlı URL adreslerini tespitinde büyük bir veri seti ile çalışılması ve en iyi sonucu elde etmek hedeflenmiştir. Çalışmada 7 katmanlı RNN modeli kullanılmış, modelde çalıştırmak üzere ulusal ve uluslararası birbirine benzer iki adet veri seti birleştirilmiş, 579.112 adet URL adresinden oluşan devasa bir yeni veri seti oluşturulmuştur. Daha sonra bu yeni veri seti eğitim ve test setlerine ayrılmıştır. İlk olarak veri setimiz modelde eğitilmiş ve ardından ikinci veri seti test edilmiştir. Bu veri seti modelimizde işlendiğinde %91'in üzerinde bir başarı oranı elde edilmiştir. Bu oran zararlı url adreslerini tespit etmesinde çok iyi bir sonuçtur. Bu çalışmamızla, internet kullanımı arttıkça zararlı sitelerin tespiti için daha etkin yöntemlerin geliştirilmesine önemli katkı sağlamakta, yapay zeka modellerinin paralel kullanımı bu tür sitelerin tespitini daha kolay hale getirmekte olup ve potansiyel olarak kullanıcıların çeşitli siber saldırı türlerinden korunmalarına yardımcı olması hedeflenmektedir.
  • Küçük Resim
    Öğe
    Zararlı URL'lerin derin öğrenme ile tespiti
    (Düzce Üniversitesi, 2024) Tiryaki, Fatih; Yücedağ, İbrahim; Şentürk, Ümit
    Günümüzde internetin her geçen yıl kullanımın artmasıyla hayatımızda çok önemli bir hale gelmiş ve yeni iletişim teknolojileri, sosyal ağlar, e-ticaret, kullandığımız teknolojik ev aletlerinden, çevrimiçi bankacılık dâhil olmak üzere birçok uygulamada işlerin teşvik edilmesinde ve büyütülmesinde önemli bir etkiye sahiptir. Bu tez çalışmasının amacı, kullanılan yapay zekâ modeli ile zararlı URL adreslerini tespit edilmesi sağlanmış, bu işlemler için büyük bir veri seti ile çalışılmış ve en iyi sonucu elde etmek hedeflenmiştir. Bu tezde literatürde yapılan çalışmalar incelenmiştir, veri setlerinin büyüklüğü ile doğruluk başarı oranına katkısı görülmüştür. Yapılan çalışmada, veri setindeki URL sayısının fazla olması ve RNN model mimarisinin kullanılması performans değerlerini 2 puan oranında arttırmıştır. Çalışmada oluşturulan, 7 katmanlı RNN modeli kullanılmış, modelde çalıştırmak üzere ulusal ve uluslararası birbirine benzer iki adet veri seti birleştirilmiş, 579.112 adet URL adresinden oluşan devasa bir yeni veri seti oluşturulmuştur. Daha sonra bu yeni veri seti eğitim ve test setlerine ayrılmıştır. İlk olarak veri setimiz modelde eğitilmiş ve ardından ikinci veri seti test edilmiştir. Bu veri seti modelimizde işlendiğinde %91 doğruluk oranı elde edilmiştir. Bu çalışmamızla, zararlı URL adreslerinin tespiti için daha etkin yöntemlerin geliştirilmesine önemli katkı sağlamak hedeflenmektedir.