Yapay sinir ağları ile klasik kriptografi algoritmalarının şifreli veriler üzerinden sınıflandırılması

dc.contributor.authorTürk, Sevtap
dc.contributor.authorŞamlı, Rüya
dc.date.accessioned2020-09-17T11:32:29Z
dc.date.available2020-09-17T11:32:29Z
dc.date.issued2020-05-07
dc.descriptionBu çalışma, İstanbul Üniversitesi Fen Bilimleri Enstitüsünde Rüya Şamlı'nın danışmanlığında Sevtap Türk tarafından hazırlanan "Yapay sinir ağları kullanılarak şifreleme yöntemlerinin performans analizlerinin gerçekleştirilmesi" adlı yüksek lisans tezine dayanılarak hazırlanmıştır.
dc.description.abstractŞifreleme bilimi olarak ifade edilebilecek olan kriptoloji için kullanılan algoritmaların temel amacı bir noktadan bir noktaya iletilen, ya da herhangi bir ortamda saklanan verilere izinsiz kişilerin erişmesini engellemek ve bu veriler ele geçirilse dahi verilerin anlaşılmasını imkânsız hale getirmektir. Günümüzde, birçok farklı tipteki şifreleme algoritmalarının temeli klasik simetrik şifreleme yöntemlerine dayanmaktadır. Gelişen teknolojiyle ortaya çıkan veri güvenliği sorununu çözmek için daha karmaşık matematiksel altyapıya sahip yöntemler denense de donanımsal gerçekleme zorlukları araştırmacıları farklı arayışlara yöneltmiştir. Bunlardan biri de YSA (Yapay Sinir Ağları – Artificial Neural Networks)’dır. Kriptoloji ve YSA’nın birleşimi ile oluşan ve “Nöral Kriptografi” olarak adlandırılan çalışma alanında hem şifreleme hem de kriptanaliz aşamalarında YSA modellerinden faydalanılmaktadır. Bu çalışmada, bir Nöral Kriptografi uygulaması ile klasik simetrik şifreleme yöntemlerinden birkaçıyla şifrelenen verilerin, YSA yöntemi ile klasik şifreleme algoritmalarından hangisine ait olduğu tahmin edilmeye çalışılmıştır.
dc.description.abstractThe main aim of cryptography algorithms is to prevent unauthorized people from attaining data that transmitted from one node to another or stored in any environment, even if it is captured, making it impossible to decrypt. Today, basis of many different types of encryption methods is based on classical encryption algorithms. Although many methods which have more complex mathematical infrastructure are tried to solve the data security problem become important by the advancement of technology. The hardware implementation difficulties of these complex methods have led the researchers to the different areas. One of these areas is ANN (Artificial Neural Networks). In the study area called "Neural Cryptography" which is formed by the combination of cryptology and ANN, ANN models are used in both encryption and cryptanalysis phase. In this study, we prepared a Neural Cryptography application and have tried to determine which data is encrypted by which classical method with using ANN.
dc.identifier.citationTürk, S. ve Şamlı, R. (2020). "Yapay sinir ağları ile klasik kriptografi algoritmalarının şifreli veriler üzerinden sınıflandırılması". Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 25(2), 651-664.
dc.identifier.endpage664
dc.identifier.issn2148-4147
dc.identifier.issn2148-4155
dc.identifier.issue2
dc.identifier.startpage651
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/984367
dc.identifier.urihttp://hdl.handle.net/11452/12729
dc.identifier.volume25
dc.language.isotr
dc.publisherBursa Uludağ Üniversitesi
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineering
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi
dc.relation.tubitak118E682
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectKlasik şifreleme
dc.subjectSimetrik şifreleme algoritmaları
dc.subjectYapay sinir ağları
dc.subjectClassical encryption
dc.subjectSymmetric cipher algorithms
dc.subjectArtificial neural networks
dc.titleYapay sinir ağları ile klasik kriptografi algoritmalarının şifreli veriler üzerinden sınıflandırılması
dc.title.alternativeClassification of classical cryptography algorithms through encrypted data with using artificial neural networks
dc.typeArticle

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
25_2_3.pdf
Size:
1.18 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Placeholder
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: