Domain free deep learning based security models for cyberphysical systems
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: İngilizce
Öğrenci: DİLARA GÜMÜŞBAŞ
Danışman: Tülay Yıldırım
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dijital çağdaki gelişmeler ve IoT'a yönelik artan ilgiyle, çeşitli kurum ve kuruluşlar kendi sistemlerini dijitallestirmeye baslamışlardır. Bu dijitalleştirmelerin sonucunda, büyük miktarlardaki kişisel verilerin internet yoluyla toplanması, ulaşılması ve iletilmesi önemli bir konu haline gelmiştir. Özellikle de, güvenlik sistemleri gibi siberfiziksel sistemler (SFS) üzerinde toplanan, iletilen ve kaydedilen verilerin güvenliği çok büyük önem kazanmıştır. Son zamanlarda, güvenlik sistemleri için yapılan çoğu çalışma en gelişkin Derin Öğrenme (DÖ) metodları kullanılarak gerçeklenmiştir. Lakin, çığır açıcı sonuçlara rağmen, bu çalışmaların çoğu ya belirli veri setlerine meyilli olacak şekilde öğrenmiştir ya da gerçek zamanlı kullanmak için çok karışık ve hesapsal yükü fazladır. Dahası, DÖ algoritmaları giriş verisinden en anlamlı özellikleri çıkarabilmek için çok sayıda giriş veri örnegine ihtiyaç duyar bunun sonucunda sınıflar arası verinin dengesiz olduğu yada sınıflanmamış veri örneklerinin olduğu gerçek durumlar için dezavantaj haline gelir. Bu sebeple, bu tezin ilk amacı kapsamlı bir araştırma yürütmek ve AI-tabanlı yeni yaklaşımları güvenlik temalı sistemlerdeki iki farklı çalışma alanı -biyometrik sistemler ve siber güvenlik sistemleri- için analiz etmektir. Özellikle de, yeni kapsül-tabanlı elde edilmiş özellikler ayrıntılı bir şekilde incelenmiş ve bu özellikler ilk kez bu iki çalışma alanı için eşdeğer en-gelişkin algoritma tabanlı özellikler ile kıyaslanmıştır. İkinci amaç ise özelliklerin görüntü uzayında değil, zaman uzayında olduğu ve referans veri setlerinin görüntü veri setleri gibi birbiriyle yeterli miktarda ortak özellik uzayının olmadığı siber güvenlik sistemleri için Transfer Öğrenme (TÖ) üzerine çalışma yapmaktır. Buna ek olarak, güvenlik sistemlerini farklı özellik uzaylarına uyarlayabilmek ve varolan farklı şekilde toplanmış ve ayrı özellik uzaylarına sahip referans veri setlerini kullanarak genelleştirebilmek için muhtemel senaryolar incelenmiştir.