Doktora
https://hdl.handle.net/11421/2165
PhD2024-03-29T06:42:18ZDeveloping techniques for robustness of privacy-preserving distributed collaborative filtering
https://hdl.handle.net/11421/4388
Developing techniques for robustness of privacy-preserving distributed collaborative filtering
Yılmazel, Burcu
Ortak filtreleme sistemlerinde başarıya ulaşabilmek için yeterli ve uygun veriye sahip olmak gerekir. Internet alışverişlerindeki kullanıcı tercihleri ve e-ticaret firmalarındaki çeşitlilikten dolayı, analiz için kullanılabilecek veri birçok farklı kaynağa dağılmış durumdadır. Nitelikli verinin azlığı, özellikle yeni kurulan firmalar için, öneri hizmetlerinin sağlanmasında önemli bir sorun teşkil eder. Bu sorunun çözümü için dağıtık veri üzerinde işbirliği yapılması, bu işbirliği esnasında da gizliliğin korunması önemli bir araştırma konusu haline gelmiştir. Dağıtık ortak filtreleme üzerine yapılmış birçok çalışma bulunmaktadır. Bu çalışmalar ile online sağlayıcıların gizlilik ilkelerini ihlal etmeden işbirliğinde bulunmaları sağlanmıştır. Fakat bu çalışmalar, ataklara karşı gürbüzlük açısından değerlendirilmemiştir. Sahte profil enjeksiyonu ile gizlilik koruyan, dağıtık ortak filtreleme algoritmalarının sonuçlarına müdahale edilebilirse, shilling ataklar işbirliğine engel oluşturabilir. Shilling ataklarına karşı sistemine güven duymayan bir online sağlayıcı, daha iyi öneri hizmeti sunabilme fırsatına karşın işbirliğinden kaçınabilir. Bu tezde, gizlilik koruyan dağıtık ortak filtreleme yöntemlerinin, gelişigüzel dağıtılmış veride shilling ataklara karşı gürbüzlüğü incelenmiştir. Gelişigüzel dağıtılmış veri üzerine uygulanabilecek yeni bir atak stratejisi belirlenmiş ve bu strateji daha önceki atak modellerinin dağıtık uyarlamalarının oluşturulmasında kullanılmıştır. Deneysel çalışmalar, öne sürülen strateji ile oluşturulan atakların tahmin edilen sonuçları değiştirmede etkili olduğunu, dolayısıyla da bu sistemlerin gizliliğe rağmen saldırılara açık olduğunu göstermiştir. Mevcut shilling atak tespit yöntemlerinin, gelişigüzel dağıtık veride uygulanamamasının nedenleri açıklanmıştır. Bu algoritmaları ataklardan korumak için, çok iyi bilinen sınıflandırma tabanlı bir tespit yönteminin dağıtık versiyonu öne sürülmüştür. Gerçek veri kullanılarak yapılan deneyler, öne sürülen yöntemin atak profillerini gizlilik kuralları çerçevesinde tespit edebildiğini göstermiştir. Ayrıca, dağıtık atakların tespiti için tarafların işbirliğinin gerekliliği deneysel analizlerle kanıtlanmıştır.
Tez (doktora) - Anadolu Üniversitesi; Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı; Kayıt no: 431840
2016-01-01T00:00:00ZNew approaches to improve performance of background subtraction
https://hdl.handle.net/11421/4403
New approaches to improve performance of background subtraction
Işık, Şahin
İşlenen bir görüntüde ön planın arka plandan ayrıştırılması, adıyla arka plan modelleme, bazı bilgisayar görme uygulamalarının performansını olumlu şekilde etkiler. Hareketli cisim tanıma, kişi takibi, trafik izleme, hareket yakalama, telekonferans ve güvenlik gözetim sistemleri de içermek üzere birçok görev için ön işlem olarak düşünülür. Video arka planları statik ve dinamik olarak iki kategoride değerlendirilebilir. Bu çalışmada, arka plandaki çıkarma işleminin performansını artırmak için, test imgesi ve arka plan imgesi arasındaki uzaklığın hesaplanmasında farklı araçlar kullanılarak ve dinamik denetleyici parametrelerinin ötesinde çalışan bir geri bildirim mekanizmasının entegrasyonuyla dört farklı yöntem geliştirilmiştir. Bu yöntemler Ortak Vektör Yaklaşımı Kullanarak Arka Plan Modelleme (BMCVA), Ortak Matris Yaklaşımı Kullanarak Arka Plan Modelleme (BMCMA), Kayan Pencere Tabanlı Hareket Tanıma (SWCD) ve Ortak Vektör Tabanlı Arka Plan Çıkarma (CVABS) olarak adlandırılmıştır. CDnet2014 ve Wallflower veritabanları üzerinde dinamik arka planlarla ilgili alakalı farklı problem türleri üzerinden çeşitli deneyler yapılmıştır. Gerçek-Pozitif (TP), Doğru-Negatif (TN), Yanlış-Pozitif (FP) ve Yanlış-Negatif (FN) sayıları üzerinden hesaplanan metrikler objektif ölçümler olarak kullanılmış ve elde edilen görsel sonuçlar nesnel olarak değerlendirilmiştir. Elde edilen sonuçlar incelendiğinde, önerilen yöntemlerin farklı zorluklar için başarılı sonuçlar verdiğini gözlemlenmiştir.
Tez (doktora) - Anadolu Üniversitesi; Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı; Kayıt no: 469267
2018-01-01T00:00:00ZRF based indoor positıoning system
https://hdl.handle.net/11421/4401
RF based indoor positıoning system
Bozkurt Keser, Sinem
Küresel Konumlama Sistemi, dış ortamlarda konumlandırma için herkes tarafından kabul gören bir teknoloji olmasına karşın iç ortamlarda etkisiz kalmaktadır. Bu nedenle, araştırmacıların iç ortamlarda konum belirlemek için etkili çözüm arayışları devam etmektedir. Bu tez çalışması kapsamında, parmak izi yöntemini temel alan radyo frekansı (RF) tabanlı, yüksek doğruluğa sahip ve düşük maliyetli iç ortam konumlandırma yaklaşımları geliştirilmesi hedeflenmiştir. Bu doğrultuda, literatürde var olan iç ortam konumlandırma veri kümelerine ilave olarak yeni bir veri kümesi oluşturulmuş ve araştırmacıların kullanımına sunulmuştur. Seçilen performans kriterleri açısından üç farklı iç ortam için en uygun algoritma, çok-kriterli optimizasyon tekniği ile belirlenmiştir. WiFi alınan sinyal gücü ve manyetik alan ölçümleri bir arada kullanılarak hibrid parmak izleri tanımlanmıştır. Önerilen hibrid parmakizi veri kümesi, farklı sınıflandırma algoritmalarıyla birlikte kullanıldığında konumlandırma doğruluğunun iyileştiği görülmüştür. WiFi alınan sinyal gücü ve manyetik alan ölçümlerini bir araya getiren F-skor ağırlıklı iç ortam konumlandırma algoritması önerilmiştir. Önerilen algoritmanın sağladığı doğruluğun geleneksel algoritmalardan daha yüksek olduğu gözlenmiştir. Ayrıca, daha hassas konum belirleme amacıyla, WiFi alınan sinyal gücü ve manyetik alan parmak izlerini kullanan, geliştirilmiş bir iç ortam konumlandırma yaklaşımı önerilmiştir. Bu yaklaşım ile yüksek hassasiyette konum tahmini yapılabilmiştir.
Tez (doktora) - Anadolu Üniversitesi; Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı; Kayıt no: 480272
2017-01-01T00:00:00ZOn the robustness of privacy-preserving collaborative filtering schemes
https://hdl.handle.net/11421/4371
On the robustness of privacy-preserving collaborative filtering schemes
Güneş, İhsan
Gizlilik-tabanlı ortak filtreleme artan ilgi görmektedir. Gizliliği ihlal etmeden doğru öneriler üreten değişik algoritmalar vardır. Ortak filtreleme algoritmalarında olduğu gibi gizlilik-tabanlı ortak filtreleme algoritmaları da şilin ataklarına maruz kalabilir. Bu atakların amacı belli ürünlerin popüleritesini artırmak veya azaltmaktır. Bunlar sistemin genel performansını etkileyebilir. Bu nedenle, bu tür atakların gizliliği koruyarak nasıl tasarlanacağı, gizlilik-tabanlı ortak filtreleme algoritmalarının ne kadar gürbüz oldukları, şilin profillerin nasıl tespit edileceği ve bunların analizlerinin yapılması önemlidir. Bu tezde öncelikle gizlilik endişeleri olduğunda şilin atakların nasıl tasarlanacağı çalışılmıştır. Ayrıca gizliliği koruyan hafıza-tabanlı, model-tabanlı ve hibrit ortak filtreleme algoritmalarının gürbüzlük analizleri yapılmıştır. Şilin atakların maskelenmiş profiller içeren veri tabanlarında nasıl tespit edilebilecekleri araştırılmıştır. Varolan şilin profil tespit etme metotlarına ek olarak, yeni bir şilin atak tespit algoritması önerilmiştir. Genel performansın analizi için gerçek verilerle deneyler yapılmıştır. Bu deney sonuçları gizliliği koruyarak etkili şilin ataklarının tasarlanabileceğini göstermiştir. Ayrıca mevcut şilin profil tespit metotlarının maskelenmiş veri tabanlarında şilin ataklarını etkili şekilde tespit edebildiklerini göstermiştir. Bunlara ek olarak, yeni metodun şilin profilleri başarılı şekilde tespit ettiği gözlenmiştir. Son olarak, hafıza-tabanlı ve hibrit algoritmalara göre model-tabanlı gizliliği koruyan ortak filtreleme algoritmalarının şilin ataklarına karşı daha gürbüz oldukları görülmüştür.
Tez (doktora) - Anadolu Üniversitesi; Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı; Kayıt no: 383938
2015-01-01T00:00:00Z