Browsing by Author "Poyraz, Ahmet Gökhan"

Now showing 1 - 2 of 2

Derin öğrenme tabanlı adli analiz uygulamaları
(Bursa Uludağ Üniversitesi, 2019-07-05) Poyraz, Ahmet Gökhan; Dirik, Ahmet Emir; Bursa Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı.
Günümüzde sayısal resimler üzerinde oynama yapabilmek oldukça kolay bir işlem haline gelmiştir. Bu oynama işlemleri genellikle kötü bir niyet taşımaksızın yapılmaktadır. Fakat bazı durumlarda bir resmin oynanıp oynanmadığı oldukça önem arz etmektedir. Özellikle siyasi kişilere karşı manipülasyon yapabilmek için sahte resimler oluşturulmaktadır. Bu bağlamda resimlerin güvenilirliği günümüzde adli kanıt olması açısından oldukça önem arz etmektedir. Mevcut adli analiz yöntemleri bazı durumlarda iyi sonuçlar üretebilmektedir. Ancak çoğu oynama çeşidinde mevcut yöntemler yetersiz kalmaktadır. Literatürdeki PRNU tabanlı kaynak cihaz tanıma yöntemi, adli bilişim alanında çalışanlar tarafından kabul görmüş ve eşdeğer yöntemler arasındaki en iyi yöntem olarak kabul edilir. Ayrıca son zamanlarda bu alana farklı bir açıdan çözüm getiren derin öğrenme tabanlı kamera model sınıflandırıcısı yöntemi de adli bilişim alanında başarısını kanıtlamaktadır. Bu çalışmada PRNU tabanlı yöntem ile derin öğrenme tabanlı yöntem irdelenmiş ve özel bir yaklaşımla birleştirilerek yeni bir yöntem önerilmiştir. Bu yöntem ile sayısal resimler üzerindeki oynanan bölgeler, eşdeğer yöntemlere göre daha doğru bir şekilde tespit edilebilmektedir. Hatta 100 x 100 piksel boyutundaki müdahalelerde dahi iyi derecede çalışmaktadır.
Sayısal imgeler için PRNU ve CNN tabanlı bölgesel müdahale tespiti
(Bursa Uludağ Üniversitesi, 2019-05-30) Poyraz, Ahmet Gökhan; Bursa Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı.
Sayısal resimler üzerinde yapılan çeşitli oynamaları tespit edebilmek, gelişen yazılımların karmaşıklığından ötürü oldukça zorlaşmaktadır. Bu karmaşıklığa çözüm olarak klasik müdahale tespiti yöntemlerine ek olarak son yıllarda evrişimsel sinir ağı tabanlı yöntemler geliştirilmiştir. Böylelikle çok karmaşık müdahaleleri bile tespit edebilen ağlar eğitilebilmiştir. Bu makalede, küçük boyutlarda pencere kullanarak bölgesel müdahale tespiti yapabilen klasik yöntemlerden olan, kameranın kendisine ait olan sensörlerinden elde edilen parmakizini kullanan sensör tabanlı PRNU(Photo Response Non Uniformity) yöntemi ile yeni bir yaklaşım olan evrişimsel sinir ağı(CNN) tabanlı kamera model sınıflandırıcısı yöntemi karşılaştırılmıştır. Böylelikle hangi yöntemin daha başarılı olduğu detaylıca ortaya koyulmuştur. Toplamda 26 adet kamera modeli ve bu kamera modellerinden seçilen 96 x 96’lık piksel blokları ile eğitilen CNN modeli, hem 96 hem de 128’lik pencere boyutu kullanılarak çalışan PRNU yöntemi ile kıyaslanmıştır. Bu kıyaslama sonucunda bölgesel müdahale tespiti probleminde CNN tabanlı kamera model sınıflandırıcısının PRNU yöntemine göre daha başarılı olduğu gösterilmiştir.