Bilgisayar Mühendisliği Bölümü Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/58
Browse
Recent Submissions
Item Citation Count: Aktan Ten, Büşra (2023). Classification of darknet activities using neural networks / Sinir ağları ile darknet aktivitelerinin sınıflandırılması. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Classification of darknet activities using neural networks(2023) Aktan Ten, Büşra; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüTehditlere maruz kalmadan önce ağı karakterize ederek analiz yapmak oldukça önemlidir. Bu çalışmada darknet ağ trafiği analizi yapılarak darknet ağı 2 katmanlı yapay sinir ağı modellerinde inceleme gerçekleştirilerek tespit ve karekterize edilmiştir. İlk katmanda verinin iyi huylu mu yoksa darknet verisi trafiğimi ayırt edilmekte, ikinci katmanda ise trafiğin oluşturduğu Browsing, P2P, Chat, Email, Transfer, Audio Stream, Video Stream ve VOIP kategorilerinden hangisine ait olduğu tespiti yapılmaktadır. RNN, LSTM ve MLP veri algoritma modelleri ile deneyler yapılmıştır. GAN ile yeni veri setleri üretilerek diğer yöntemlerin eğitim verisi olarak kullanılmıştır. LSTM ve MLP algoritmaları ikinci katmanda hem çoklu kategori hem de ikili kategorili olarak tekrar kurgulanmıştır. MLP model de özellik seçimi algoritması uygulanmıştır. CICDarknet2020 veri seti kullanılmıştır. Model doğruluk değerlerine göre RNN darknet trafiği tespitinde 0.98, ikinci katmanda ise 0.86 oranında başarı elde edilmiştir. LSTM modelinde sırasıyla 0.99 ve 0.71 doğruluk değerleri elde edilmiştir. Ayrı ayrı modellenen kategorilerin ortalama doğruluk değerleri 0.92 olarak elde edilmiştir. MLP modelinde, sırasıyla 0.99 ve 0.78 değerleri gözlemlenmiştir. Özellik seçimi algoritma modeli ile aynı çıktılar elde edilmiştir. ikili kategori modelinde ortalama olarak %96 doğruluk değerleri sağlanmıştır.Item Citation Count: Fırat, Eray (2023). Stance detection in Turkish dataset on Russia-Ukraine war / Rusya-Ukrayna savaşı hakkında Türkçe verisetinde duruş tespiti. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Stance detection in Turkish dataset on Russia-Ukraine war(2023) Fırat, Eray; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüSosyal medya son yıllarda çeşitli konulardaki kamuoyu görüşlerini anlamak için temel bir bilgi kaynağı haline gelmiştir. Bu nedenle, sosyal medyadan elde edilen verilerden otomatik bilgi çıkarmanın önemi artmıştır. Doğal dil işleme alt görevlerinden biri olan duruş tespiti de, otomatik bilgi çıkarımı için önemli bir konudur. Duruş tespiti, kullanıcının belirli bir konu, olay veya kişiye karşı tutumunu otomatik olarak belirler. Bu çalışmada, Rusya-Ukrayna Savaşı'na ilişkin sosyal medya kullanıcılarının duruşlarını tespit etmeye odaklanan Türkçe etiketlenmiş veri seti oluşturulmuş ve bu veri seti üzerinde çeşitli makine öğrenimi yöntemleri test edilmiştir. Bu çalışma için Twitter'dan toplanmış Türkçe metinler içinden Rusya ve Ukrayna olmak üzere iki hedefle etiketlenmiş 8215 tane metin-hedef çifti ile yeni bir veri seti oluşturulmuştur. Bu veri setine Destek Vektör Makineleri, Rastgele Orman, k-En Yakın Komşu, XGBoost, Uzun-Kısa Süreli Bellek (LSTM) ve Kapı Özyinelemeli Geçitler (GRU) modelleri GloVe ve Fastext kelime gömme yöntemi ile uygulanmıştır. Veri seti hedefler arasında dengesiz olduğu için, bu algoritmalarla eksik örnekleme ve aşırı örnekleme yöntemleri de kullanılmıştır. Destek Vektör Makineleri yöntemi ile, Rusya için 0.73 ve Ukrayna için 0.81 F1 puanıyla en iyi sonuçlaın alındığı görülmüştür. Bu sonuçlara ek olarak, LSTM ve GRU yöntemlerinden elde edilen sonuçlar Destek Vektör Makineleri algoritmasının sonuçlarına oldukça yakındır. Yeni oluşturulan bu Türkçe veri seti, duruş tespiti araştırma alanı için değerli bir kaynak olarak değerlendirilebilir ve gelecek çalışmalarda bu veri seti ile transformer tabanlı yaklaşımlar kullanılabilir. Genel olarak, bu çalışma Türkçe metin kullanarak duruş tespiti araştırma alanını katkıda bulunmaktadır.Item Citation Count: Budak, Kadir İlker (2023). Predictive modeling for botnet detection: A new dataset and machine learning approach / Botnet tespiti için tahmin modeli: Yeni bir veri seti ve makine öğrenme yaklaşımı. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Predictive modeling for botnet detection: A new dataset and machine learning approach(2023) Budak, Kadir İlker; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüTeknolojinin gelişmesiyle birlikte çevrimiçi hizmetlerin önemi giderek artmıştır. Saldırganlar, botnet'lerden oluşan zombi ağını yöneterek, sistem ve ağlara kapasitelerinden fazla istekte bulunur, böylece hizmetlerin yavaşlamasını veya kesintiye uğramasını hedefler. Bu tür saldırılara DDOS (Dağıtılmış Hizmet Reddi saldırısı) adı verilir. DDOS saldırılarının tespiti ve önlenmesi için literatür çalışması yapılmış ve birçok farklı teknikle karşılaşılmıştır. Yapılan araştırmalar sonucunda Makine Öğrenmesi ve DDOS davranış tespiti konularına ağırlık verilmiştir. Machine Learning ile Davranış tabanlı DDOS tespiti için yapılan bu çalışmada, CTU-13 veri seti ve yerel ortamda oluşturulan sanal veri seti kullanılmıştır. Veri setleri üzerine normalizasyon işlemleri uygulanarak çalışma için hazır hale getirilmiştir. Makine Öğrenemsi için 5 farklı algoritma kullanılmış ve algoritmalar üzerinde parametre ayarı yapılmıştır. Çoklu regresyon, topluluk öğrenimi ve özellik çeşitleme gibi farklı yöntemlerin sonuca etkisi değerlendirilmiştir. İyileştirmelerin sonuçlar üzerindeki etkileri tartışılmıştır. Genel olarak Random Forest ve Decision Tree başarılı algoritmalar olarak öne çıkmaktadır. Naive Bayes ve Support Vector Machine, bu senaryo için başarısız olmuştur. Topluluk öğrenim yönteminde birlikte çalışan iki algoritmanın sonuca olumlu etkisi olmuştur. Sanal veri setinin en önemli sonucu, ip adresi özelliğinin kullanımının sonuca olumlu bir katkısının olmamasıdır.Item Citation Count: Gürcan, Tarık (2023). An autoML tool for software vulnerability prediction / Yazılım güvenlik açığı tahmini için autoML aracı. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.An autoML tool for software vulnerability prediction(2023) Gürcan, Tarık; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüÖzellikle son yıllarda büyük miktarda verinin daha erişilebilir hale gelmesi ve finans, sağlık, lojistik ve teknoloji gibi sektörlere önemli faydalar sağlaması nedeniyle makine öğreniminin yaygınlaşması kaçınılmaz olmuştur. Farklı sektörlerde kullanılmaya başlayan makine öğrenmesi uygulamalarının hayata geçirilmesi ihtiyacı hızlı ve verimli bir şekilde artmaktadır. Ancak geleneksel yöntemleri kullanarak bir makine öğrenimi modeli oluşturmak için gereken derin teknik bilgi ve kodlama becerilerine herkes yetkin olmayabilir. Bu nedenden dolayı kodsuz veya az kodlu platformlar daha fazla ilgi görmeye başlamıştır. Bu platformlar, kullanıcıların veri kümelerini yüklemesine, modeli oluşturmaya yönelik özellikleri tanımlamasına ve hatta teknik olmayan arayüzlerle modeli eğitmesine ve değerlendirmesine olanak tanır. Bu sayede karmaşık kod yazma ihtiyacını ortadan kaldırarak daha geniş bir kitlenin makine öğrenimi projelerine dahil olmasını mümkün kılar. Bu tezde, diğer kodsuz platformlara ek olarak çalışma zamanı sınırlama ve model bozulma analizi gibi temel özellikleri sunan, yazılım zafiyet analizi için kodsuz makine öğrenimi tahmin modellerinin gerçekleştirilmesine olanak sağlayan bir platform geliştirilmiştir. Bu platform, PPDaaS (Prediction Platform as a Service) olarak adlandırılmıştır ve "Yazılım Güvenlik Açığı" ve "OpenML" veri kümeleriyle tahmin modellerini eğitmek için kullanılmıştır. Başlangıçta platform, AutoML platformları için kullanılan kıyaslama verileriyle test edildi. Sınıflandırma algoritmalarının performansı, makine öğrenimi algoritmaları arasında adil bir karşılaştırma yapmak için "OpenML yetişkin" veri kümesine bir zaman sınırı konularak değerlendirildi. Platform, amaçlanan AutoML işlevleri açısından test edildikten sonra Yazılım Güvenlik Açığı verilerindeki model bozulmasını bulmak için kullanıldı. Son olarak geliştirilen PPDaaS platformuna ilişkin geri bildirimler son kullanıcılardan da toplandı. Sonuçlar geliştirilen PPDaaS platformunun yazılım sektöründe kendine yer bulabileceğini göstermektedir.Item Citation Count: Derya, Doğay (2023). Multi-objective software project cost estimation using recent machine learning approaches / Güncel makine öğrenme yaklaşımları ile çok amaçlı yazılım projesi maliyet tahminlemesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Multi-objective software project cost estimation using recent machine learning approaches(2023) Derya, Doğay; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüYazılım projeleri, çeşitli sektörlerdeki şirketlerin günlük operasyonlarında dahi günden güne stratejik önem kazanmaktadır. Artan ihtiyaçla birçok şirket gerek kendi bünyesinde, gerekse farklı sektörlerin ihtiyacına yönelik olarak projeler yaratarak yazılımlar geliştirmektedir. Yazılım projeleri için ihtiyaç duyulan işgücünü doğru tahmin etmek, proje maliyetlerini doğru tahmin etmek ve zamanında tamamlanmasını sağlamak için çok önemlidir. 1970'lerden bu yana, yazılım efor tahmini alanı, literatürde kapsamlı araştırmaların konusu olmuştur. Başlangıçta uzman görüşü gibi algoritmik olmayan yöntemler kullanılırken, sorunlar karmaşıklaştıkça, teknoloji ve donanım özellikleri çeşitlendikçe farklı çözüm yaklaşımlarına olan ihtiyaç da ortaya çıkmıştır. Bu zorlukların üstesinden gelmek için regresyon ve model tabanlı tahmin gibi algoritmik yöntemler geliştirilmiştir. Son yıllarda ise, özellikle son on yılda olmak üzere teknolojideki gelişmelerle birlikte, Makine Öğrenimi tabanlı modelleri ve Yapay Zekayı yazılım maliyet tahminine uygulamaya yönelik artan bir ilgi olmuştur. Bu çalışmanın odak noktası, yazılım projeleri bağlamında Makine Öğrenimi tabanlı tahmin yöntemlerini keşfetmektir. Amaç, bu yöntemlerin yazılım maliyet tahminini nasıl iyileştirebileceğini araştırarak, etkinliklerini analiz etmektir.Item Citation Count: Derya, Osman Berkcan (2023). Analyzing multi-objective software test effort estimation techniques / Çok yönlü yazılım test eforu tahminleme tekniklerinin analizi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Analyzing multi-objective software test effort estimation techniques(2023) Derya, Osman Berkcan; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüYazılım test efor tahmini, bir mühendisin yazılım projesinin test aşamasında ihtiyaç duyduğu yaklaşık süre ve kaynakların tahminidir. Yazılım test efor tahmini, yazılım projesinin test eforunu belirlemek için yazılım geliştirme sürecindeki en önemli aşamalardan birisidir. Gerçek efora en yakın efor tahminini yapmak yazılım test sorumluları başta olmak üzere hem bu hizmeti veren firma hem de hem de müşteriler için çok önemlidir. Çünkü yanlış yapılan yazılım test efor tahminleri projelerin tamamlanamamasına ya da geniş bir zaman dilimine yayılmasına neden olmaktadır.Bu yüzden yazılım test efor tahmini için literatürde farklı yöntemler geliştirilmiştir. Bu tez çalışmasında, yazılım test projelerinin eforu, Makine Öğrenmesi (MÖ) algoritmaları kullanılarak ve farklı methodlarla öznitelik seçimi yapılarak tahmin edilmeye çalışılmıştır. Yazılım test eforunun tahmini, WEKA (Waikato Environment for Knowledge Analaysis – Bilgi Analizi için Waikato Ortamı) veri madenciliği aracında bulunan algoritmaların çalıştırlması sonucu bulunmuştur. Algoritmalar 10 kat çapraz doğrulama tekniği ile PROMISE (Yazılım Mühendisliğinde Tahmin Modelleri) veri deposundan alınan 3 adet veri setine (CocomoNasa, CocomoNasa-2, Cocomo-81) uygulanmıştır. Performans ölçütü olarak korelasyon katsayısı, Ortalama Mutlak Hata ve Bağıl Mutlak Hata, baz alınarak sonuçlar değerlendirilmiştir.Item Citation Count: Yıldırım, Ufuk (2023). Exploring the trends, challenges, and opportunities of regulatory technology (RegTech) in the financial industry: A systematic literature review / Finans sektöründe düzenleme teknolojisinin (RegTech) eğilimlerini, zorluklarını ve fırsatlarını keşfetmek: Sistematik literatür incelemesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Exploring the trends, challenges, and opportunities of regulatory technology (RegTech) in the financial industry: A systematic literature review(2023) Yıldırım, Ufuk; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüBu sistematik literatür incelemesi, düzenleyici teknolojinin (RegTech) finans sektöründe artan önemini keşfederken, araştırmaları ve gelişmeleri sentezleyerek eğilimlerin, zorlukların ve fırsatların kapsamlı ananilizini sunmayı amaçlamaktadır. RegTech, Fintech'in bir alt kategorisi olarak, yapay zeka, makine öğrenimi ve block-chain gibi gelişmiş teknolojileri kullanarak, sektör düzenlemelerine uyum süreçlerini kolaylaştırmayı ve ilişkili maliyetleri azaltmayı hedeflemektedir. 2016 ve 2023 yılları arasında yayınlanan ilgili makaleleri belirlemek için Scopus ve Web of Science verita-banlarında sistemli bir arama yapılmıştır. Titiz bir tarama ve seçim sürecinden sonra, inceleme için 48 makale uygun bulunmuştur. RegTech, finansal sektör için birçok fırsat sunmaktadır. İnceleme, gelişmiş düzenleyici verimlilik, azaltılmış maliyetler ve iyileştirilmiş risk yönetimi potansiyeline dikkat çekmektedir. RegTech'nin benimsen-mesi, finansal katılımı teşvik edebilir ve düzenleyici zorlukları ele almak için daha yenilikçi çözümler sağlayabilir. RegTech'in merkezi olmayan finans (DeFi) gibi yükselen teknolojileri desteklemedeki rolünü keşfetmek ve finansal istikrar ve tüketici koruması üzerindeki etkisini anlamak için daha fazla araştırma önerilmektedir.Item Citation Count: Karakaynak, Samet (2009). Development of tool for managing semantic text content / Metinde anlamsal içeriği yönetmek için araç geliştirilmesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Development of tool for managing semantic text content(2009) Karakaynak, Samet; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüBu çalışma çoklu dokümanlardan saklı anlamsal analiz yöntemi kullanılarak sanal merkeze dayalı özet çıkarılması amacıyla gerçekleştirilmiştir. İlk olarak saklı anlamsal analiz yöntemi kullanılarak anahtar terimler çıkarılır. Anahtar terimler cümle çıkarmaya başlamadan önce anlama katkısı olmayan cümlelerin filtrelenmesi için kullanılır. Daha sonra özet cümleler, anahtar terimleri barındıran cümlelerden sırasıyla saklı anlam indeksleme ve kümeleme ile sanal merkeze dayalı yöntem kullanılarak çekilir.Item Citation Count: Erciyes, Necdet Eren (2022). Deep learning methods with pre-trained word embeddings and pre-trained transformers for extreme multi label text classification / Çoklu etiket sınıflandırması için önceden eğitilmiş kelime vektörleri ve önceden eğitilmiş transformer modelleri ile derin öğrenme yöntemleri. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Deep learning methods with pre-trained word embeddings and pre-trained transformers for extreme multi label text classification(2022) Erciyes, Necdet Eren; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüSon yıllarda, çevrimiçi metin belgelerinde dikkat çekici sayısal bir artış olduğu görülmektedir. Bu artış, metni birçok farklı alanda sınıflandırmak için oldukça gelişmiş makine öğrenimi yöntemlerinin oluşturulmasını gerektiriyor. Bu makine öğrenimi yöntemlerinin etkinliği, yapılandırılmamış verilerin karmaşık doğasını ve var olan özelliklerin ilişkilerini anlamak için model kapasitesine bağlıdır. Metin sınıflandırma problemlerini çözmek için uzun süredir SVM, kNN, Rocchio sınıflandırması gibi birçok farklı makine öğrenmesi yöntemi önerilmiştir. Bu sığ öğrenme yöntemleri, pek çok farklı alanda şüphesiz başarıya ulaşmıştır. Metin gibi büyük ve yapılandırılmamış veriler için, herhangi bir özellik çıkarma yöntemi kullanmadan giriş verilerinden temsilleri ve özellikleri öğrenebilen derin öğrenme yöntemleri önemlil çözümlerden biri olarak gösterilmiştir. Bu çalışmada, basit RNN, CNN modellerinden önceden eğitilmiş transformer modellerine kadar çok etiketli metin sınıflandırması için son önerilen derin öğrenme yöntemlerinin doğruluğunu araştırıyoruz. Bu yöntemlerin performanslarını çok etiketli değerlendirme ölçütlerini hesaplayarak değerlendirdik ve sonuçları önceki çalışmalarla karşılaştırdık.Item Citation Count: Akel, Sedat (2022). Optimization the training algorithms of machine learning using GAN networks / Çekişmeli üretici ağlar için makine öğrenmesi eğitim algoritmalarında optimizasyon. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Optimization the training algorithms of machine learning using GAN networks(2022) Akel, Sedat; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüYapay zekâ, son birkaç on yılda hayatımızda çok farklı yönleriyle yer bulmaya başladı. Bazı özelliklerinde yapay zekanın yer almadığı yeni bir ürün, günümüz dünyasında pek yer edinemez durumdadır. Bu, makine öğrenmesi algoritmalarında derin öğrenme tekniklerinin kullanılması ile mümkün olmuştur. Geleneksel makine öğrenmesi, ham veriyi algoritmalarda kullanılabilecek özelliklere çevirebilmek için insan akılının yer aldığı tasarım ve kodlamalara ihtiyaç duymaktadır. Fakat derin öğrenme ile doğrudan ham veriyi kullanarak özellikleri öğrenmek mümkündür. Bu da makine öğrenmesi sırasında alan uzmanı ihtiyacını oldukça azaltmaktadır. GANlar derin öğrenme alanında oldukça yeni bir ilerleme alanıdır. GANlar 2014'ten önce yoklardı. Onların makine üretmesi alanındaki kapasiteleri ve üretimdeki kaliteleri diğer üretici makine öğrenmesi tekniklerinden çok daha iyi durumdadır. Felsefeleri, verideki özellikleri tanımlamayı otomatik olarak öğrenen ve kendi kendini eleştirerek bunu yapan bir mantığa dayanmaktadır. GANlar, fotoğraf kalitesinde resimler üretmek, siyah-beyaz resimleri renklendirmek, basit bir çizimi gerçekçi bir resime dönüştürmek, resimlerin çözünürlüğünü artırmak, resimlerdeki hatalı-eksik yerleri onarmak, videolarda sonraki kareyi tahmin etmek, makine öğrenmesinde kullanmak üzere veri üretmek, geçekçi yazılar üretmek, gerçekçi müzik ve sesler üretmek için kullanılabilmektedir. GANların mimarisi derin öğrenme teknikleri arasında oldukça orijinaldir. Temel olarak birbiriyle yarışan iki sinir ağından oluşmaktadır. Yapıları oldukça zeki tasarlanmış ve oldukça ilginçtir. Fakat bu durum makine öğrenmesini oldukça zorlu ve kırılgan yapmaktadır. GANlar oldukça zor öğretilen, hataya açık ve optimizasyonu oldukça zor olarak tanınmaktadır. Bu tezde GANların optimizasyonuna odaklandık. GANların felsefeleri zorluklarda anahtar konumdadır. Bu sebeple öncelikle GANların eğitimindeki potansiyel zorlukları açıkladık. Daha sonra iyi olarak bilinen bazı GAN mimarilerini, bazı veri setleri ile eğitim sonuçlarını karşılaştırdık. Son olarak bazı temel yapısal öneriler ve optimizasyon parametreleri önerdik.Item Citation Count: Eyerci, Tarkan (2022). Defect product estimation using customer reviews, Amazon use case / Amazon örneği ile müşteri incelemelerinden kusurlu ürün tahmini. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Defect product estimation using customer reviews, Amazon use case(2022) Eyerci, Tarkan; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüTeknoloji her alanı etkilediği gibi ticareti de çok etkiledi. Günümüzde artık, üreticiler, perakendeciler, hizmet sağlayıcılar gibi son kullanıcıya hitap eden tüm işletmeler e-ticaret siteleri ve mobil uygulamaları gibi yöntemlerle internet üzerinden müşterilerine hızlıca ulaşabiliyorlar. Diğer yandan, müşteriler ise artık birçok seçenek arasından seçim yapma şansına sahipler. Kullanıcılar genellikle seçimlerini yaparken daha önce aynı tecrübeyi paylaşmış diğer kullanıcıların yorumlarından faydalanırlar. Bu açıdan kullanıcı yorumları çok değerli bilgiler içerir. Fakat yoğun kullanılan sitelerde bir insanın tek tek inceleyemeyeceği kadar çok yorum birikir. Biz bu çalışmada, ürünlerin belli bir özelliğine, yani kusurlu özelliklerine odaklandık. Kusur bilgisi içeren milyonlarca yorum içinden ilgili yorumları filtre edebilmek için bir yöntem öneriyoruz. Kusur ile ilgili kelimeleri sözlük yardımı ile elle oluşturup bu kelimeler geçen yorumları filtrelemek bir çözüm önerisi olabilir. Fakat bu kelime listesini elle oluşturmak verimli olmayacaktır. Bunun için sadece ilgili ürün gruplarına ait yorumları kullanarak kendi kelime temsil modelimizi eğitip, bu modelle birlikte kelime yakınlıklarını kullanarak daha verimli bir kusur kelimeleri listesi oluşturduk. Kullanıma hazır önceden eğitilmiş bir kelime temsil modelini indirip, bu modelle kendi modelimizi kıyasladık. Genel konularda hazır modelin daha başarılı olurken, özel bir konuda kendi modelimizin kelime listesi oluşturmada daha başarılı olduğunu gördük.Item Citation Count: Türeli, Engin (2022). Evaluation of cryptocurrency investment with fuzzy logic in on-chain analysis / On-chain analizinde kripto para yatırımının bulanık mantık ile değerlendirilmesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Evaluation of cryptocurrency investment with fuzzy logic in on-chain analysis(2022) Türeli, Engin; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüSon zamanlarda herhangi bir otorite ya da merkeze ihtiyaç duymayan bir teknoloji olan kripto para birimlerinin, benzeri görülmemiş bir ilgiyle her boyutta incelemesi artmaktadır. Özellikle Covid-19 pandemisi ile kripto para birimlerinin aktif olarak işlem görme hacmi arttığı gözlemlenmiş ve literatürde de bu bağlamda çalışmaların nitel ve nicel uygulamaları da tespit edilmiştir. Bu nedenle bu çalışma piyasada aktif olarak işlem gören 4 kripto varlığın (Bitcoin, Ethereum, Chainlink, Maker) iki blok arasında yapılan matematiksel işlemlerin yorumlanması diğer bir deyişle on-chain analizinin literatürden bilindiği kadarıyla henüz çalışılmamış bir karar problemi olarak ele almaktadır. Önerilen metodoloji kripto para birimlerinin bir dizi karşılaştırma ile veri setinin tahmin hatasında olağanüstü performans sergileyen "Random Forest Regression" algoritmasının bulanık mantıkta karar biliminin çok kriterli karar verme dalında güçlü ve geniş ölçek sunan Pisagor bulanık setlerle kombinasyonunu içermektedir. Bu kavramsal çerçevede yatırım kararına etki edecek metrikleri önceliklendirirken bulanık mantık yöntemi kullanılmasının yanı sıra bu metriklerin güçlü sıralamasının TOPSIS algoritması ile elde edilmesi de sağlanmaktadır. Buna ek olarak stabil sıralamalar elde etmek için yapılan duyarlılık analizleri piyasalarda işlem gören kripto varlıkların yatırımcılar tarafındaki yüksek belirsizliği, rasyonel kılarak literatüre önemli projeksiyon sunacaktır. Elde edilen sonuçlar göstermektedir ki nispeten yeni olan veya analiz yapacak kadar geçmiş verisine ulaşılamayan bir kripto varlık için yatırım tercihi yapılması gerektiğinde bile kripto varlığa ait Borsa Rezervi metriği borsa akış verileri arasındaki en önemli ölçüttür.Item Citation Count: Bastem, Tevfik Uğur (2022). Deep learning based phishing web page detection / Derin öğrenme tabanlı kimlik avı web sayfası tespiti. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Deep learning based phishing web page detection(2022) Bastem, Tevfik UğurE-ticaret, sosyal medya ve dijital hizmetlerin kullanımının artmasıyla birlikte oltalama faaliyetlerinde muazzam bir artış yaşanmaktadır. Bu çalışmada, oltalama faaliyetlerinin gözlemlenmesinden yola çıkarak, transfer öğrenme yöntemleri ile sahte web sitelerinin tespitini yapacak bir çalışma gerçekleştirilmiştir. Çalışma kapsamında, adobe, amazon, apple, microsoft gibi web sitelerinin gerçek ve sahte ekran görüntülerinden oluşsan toplam 2852 ekran görüntüsü içeren bir veri setinden yararlanılmıştır. AlexNet, VGG16, RESNET50 transfer öğrenme yöntemleri yanı sıra kendi geliştirdiğimiz çok girişli CNN modelini kullanarak, elde edilen sonuçlar analiz edilmiştir. Elde edilen bulguların gelecekte yapılabilecek diğer çalışmalara etkisi tartışılmıştır.Item Citation Count: Atlıhan, Adalı Deniz (2022). Human activity recognition with convolutional and multi-head attention layer based neural network / Evrişimli ve çok kafalı dikkat katmanlı sinir ağlarıyla insan aktivitelerini tanıma. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.Human activity recognition with convolutional and multi-head attention layer based neural network(2022) Atlıhan, Deniz Adalıİnsan Aktivitesi Tanıma (HAR), sensörler tarafından oluşturulan zaman serisi verileriyle insan aktivitelerinin sınıflandırılmasını ifade eder. HAR için birçok farklı algılama tekniği olmasına rağmen, bu tezde, mobil giyilebilir algılama cihazlarındaki son gelişmeler nedeniyle, HANDY veri seti tarafından sağlanan bileğe takılan ivmeölçer verileri kullanılmıştır. Önerilen modelde, öznitelik çıkarma katmanı sırasıyla dikkat katmanına bağlanmıştır ve bu bağlam girdileri sınıflandırmak için tam bağlantılı katmana bağlanmıştır. Öznitelik çıkarımdaki başarılarından dolayı öznitelik çıkarma katmanında Evrişimsel Sinir Ağı (CNN), ivme sensöründen gelen 3B zaman serisi verilerinin her boyutunu değerlendirmek için CNN'den sonra Çok Kafalı Dikkat Katmanı kullanılmıştır. Öznitelik çıkarma ve dikkat katmanından sonra SoftMax sınıflandırıcı ile tam bağlantılı katman ile sonlanan bu model, kategorik çapraz entropi kaybı ile değerlendirildiğinde 0,935 doğrulama oranına ulaşmıştır.Item Citation Count: Aydan, Ufuk (2016). An interactive learning approach to teach ISO/IEC 12207 software life cycle processes / ISO/IEC 12207 yazılım yaşam döngüsü süreçleri öğretimi için etkileşimli öğrenme yaklaşımı. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü.An interactive learning approach to teach ISO/IEC 12207 software life cycle processes(2016) Aydan, Ufuk; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüYazılım mühendisliği alanında özellikle yazılım projesi geliştirme kapsamında literatür dahilinde birçok iş ve çalışma olmasına karşın ISO/IEC 12207 Yazılım Yaşam Döngüsü Süreçleri temellerini ve etkileşimli öğrenme sürecini kapsayan uygun bir ciddi oyun örneği eksikliği bulunmaktadır. Ciddi oyunlar belirli konularda eğitici ve belirli beceri alanlarında yetkinlik kazanılmasını sağlayan uygulamalar olup oyun ve oyunlaştırma literatüründe önemli bir yere sahiptir. "Floors", bir ciddi oyun olmakta ve etkili bir şekilde öğrenme sürecini etkileşimli ve ilerlemeli bir tasarım ile sunmaktadır. Oyunun sahip olduğu ve kullanıcılara edindirdiği esas avantaj ISO/IEC 12207 yazılım yaşam döngüsü süreçlerinin temel presipleri hakkında aşinalık kazandırmak, aynı zamanda ilerlemeli yapısı sayesinde belirli süreçlerin akışını etkileşimli diyaloglarla 3 boyutlu sanal bir ortamda birleştirmesidir. Tüm bunları amaç kapsamı için adanmış görsel bir ofis ortamında gerçekleştirmesidir Floors özellikle öğrencilerin ISO/IEC 12207'nin belirli süreçlerinin kapsamında temel bir eğitim sunan, yardımcı bir araç olarak kullanılabilir. Oyunun katılımcılar tarafında oynanması itibariyle belirtilen kavramların ve konseptin hakkında ve ayrıca yazılım geliştirme yaşam döngüsünün izlenmesi ve devam ettirilmesi ile ilgili kullanıcılarda belirli bir farkındalığın sağlanması temel amaçlardandır. Araştırma sonuçları katılımcı popülasyonundan elde edilen veriler ile yapılan anket çalışması ile belirli derecede farkın ortaya çıktığı belirlenmiştir. Çalışmanın sonuçları dikkate alındığında Floors ile tecrübe edinen katılımcıların standart hakkında daha olumlu bir bakış açısı edindiği ve temel kavramları kazandığı gözlemlenmiştir.Item Citation Count: Yaseen, Nawfal (2015). Performance comparison of routing algorithms used in packet switching computer networks / Paket anahtarlamalı bilgisayar ağlarında kullanılan rotalama algoritmalarının performans karşılaştrırması. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Performance comparison of routing algorithms used in packet switching computer networks(2015) Yaseen, NawfalBu tez ağ üzerindeki trafik mühendisliğinin daha iyi sağlanabilmesi için kullanılan Çok Protokollü Etiket Anahtarlama (MPLS) mimarisi tabanlı rotalama algoritmalarının incelenmesini ve karşılaştırılmasını içermektedir. Ağlar üzerinde yapılan bu çalışmada sürekli olarak büyüyen internet servislerinin Trafik Mühendislği üzerine etkilerine odaklanılmaktadır. MPLS, ağ üzerinde kullanılan yönlendiricilerin hızını arttıracak ve gerçek zamanlı çoklu ortam verilerinin aktarılacak şekilde ağ servislerini sağlayan modern bir teknik kullanır. Ayrıca, MPLS mimarisi ağ üzerinde bulunan farklı yönlendiricileri tanımlar ve trafik yönetiminin sağlanmasını garanti altına alır. MPLS'in günümüzde en kısa yoldan gönderim yapılacak yulu seçen birçok protokol içinden en iyier inden birisidir. Bir diğer önemli nokta ise, İnternet Servis Sağlayıcılarının (ISP) MPLS yönlendiricileri üzerinde çalıştırılan rotalama algoritmalarını geliştirme gereksinimlerinin olmasıdır. Bu algoritma sade ve yönlendiricilerde uygulanabilecek nitelikte olmalıdır. Gelişmiş rotalama algoritmaları, MPLS ağının rotalama algoritmalarını geliştirme avantajlarını da kullanırlar. MPLS üzerinde araştırılmaya devam edilen ve kuuanılan birçok gelişmiş rotalama algoritması bulunmaktadır. Bunlardan en önemlileri ise, trafik durumuna göre karar vererek bloke olma olasılığını azaltan rotalama teknikleri ile her türlü etiket anahtarlamalı yol (LSP) isteği için çözüm sunan trafik tabanlı algoritmalardır. Bu nedenle bu tezde, bilgisayar ağlarında iyi bilinen bir protokol MATLAB ile benzetim yoluyla çalışılmış ve daha sonra bazı farklı rotalama teknikleri bu protokol üzerinde uygulanmıştır. Son olarak, simulasyon sonuçları incelenmiş ve farklı bakış açılarından analiz edilmiştir. Çalışmanın sonunda, farklı ağ koşulları için; incelenen rotalama algoritmalarından bazıları önerilmiştir. Bu benzetim sonuçları, paket anahtarlamalı bilgisayar ağlarında entegre edilerek kullanılan rotalama algortimalarının avantajlarını göstererek ortaya koymaktadır.Item Citation Count: İssam, Yaser (2012). Sensor networks / Algılayıcı ağları. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Sensor networks(2012) İssam, Yaser; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüYirmi yıldan uzun süredir, pek çok yeni iletişim teknolojisinin ortaya çıkışına şahit olunmaktadır. Bunlar arasında, ağ ,optik, kızılötesi ve bluetooth örnek gösterilebilir. Pekçok araştırmacı bu konuya , bu teknolojilerin acil durumlarda kullanılması ile alanlara, özellikle de ev, ofis, klinik, fabrika, ulaşım araçları, küresel çevre ve yangın istasyonları gibi fiziksel ve çevresel parametrelerin ele alınabileceğinden ötürü, bugünler de odaklanmaktadır. Bu uygulamalar gelecekte özel ve bölgesel sektörde emniyetin ve güvenliğin gözlemlenmesinde kullanılabilir. Bu araştırma algılayıcı ağları teknolojisinin daha az enerji tüketimini daha fazla işlevsellikle sağlayan küçük cihazlarda kullanımına odaklanmaktadır. Bu araştırma ağ iletişimini ve pekçok sayısal ve analog algılayıcı içeren düşük güç mikrokontroledicilerini, geniş alandan veri toplamayı sağlayan pille çalışan algıyacı modüllerini içeren ağları ve düşük enerji kullanımı veya gerçek zamanlı işlem veya sorunsuz iletişim gibi kısıtlara göre gerçek zamanlı kararları destekleyen işletim sistemini ele almaktadır. Bu tez geleneksel, tarihi(conventional) ve fabrikalarda yangın gözlemleme ve yangını kontrol altında tutma ve de algılayıcı ağlarının uygulanabilirliği ve güvenilebilirliği konularda bir ilk adımdır.Item Citation Count: Nawfal, Yaseen (2015). Performance comparison of routing algorithms used in packet switching computer networks / Paket anahtarlamalı bilgisayar ağlarında kullanılan rotalama algoritmalarının performans karşılaştrırması. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Performance comparison of routing algorithms used in packet switching computer networks(2015-08) Yaseen, Nawfal; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüThis thesis investigates and compares some of the routing algorithms based on multi-protocol label switching (MPLS) architecture to provide better Traffic Engineering (TE) for the networks. The main issue here is focusing on the dependency on the rapidly growing internet service on Traffic Engineering. The MPLS is a modern technique which provides the real time communications of the multimedia data on the network service in such a way that it enhances and increases the speed of the routers. Furthermore, the MPLS architecture allows defining explicit routers in the network and ensures the Traffic Engineering Management. MPLS is developed and researched as one of the most important protocols among the protocols of today which have been built depending on the algorithms designed to get shortest path in the network for packet transmission. Another essential point are the internet service providers (ISP) which are needed to improve routing algorithm used on MPLS routers . Thus, the algorithm should be clarified and developed to suit the router devices. The advanced routing algorithms also use the advantage of MPLS network. There are many advanced routing algorithms that have been researched and used with MPLS protocol. The most important types support finding solutions according to the demand of label switching path (LSP) by use of traffic based routing, to decrease the blocking probability in the future. Therefore, in this thesis a well- known MPLS protocol network is studied using Matlab implementation. Then, it is applied with some routing algorithms. Finally, the simulation results are investigated and analyzed from different point of views. At the end of the work, some investigated routing algorithms are suggested for different kind of network conditions. These simulation results also demonstrate the advantages of integrated routing algorithms used in packet switching computer networks.Item Citation Count: Shakir Shakir, Ahmed Nashaat (2016). A robust encryption and data hiding technique by using hybrid des and lsb algorithm / Hibrid des ve lsb algoritma kullanarak sağlam şifreleme ve veri gizleme tekniği. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.A robust encryption and data hiding technique by using hybrid des and lsb algorithm(2016-08) Shakir Shakir, Ahmed Nashaat; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüInformation hiding is the process of hiding the details of a function, object or both. On the other hand, information hiding represents an important method that is used in data security. Another name of information hiding is the steganography which hides data inside other data, such as embedding text inside an image or an image inside another image. Steganography techniques have been used from ancient times through the use of many different mechanical ways, such as writing in invisible ink in the Greek Testament. On the other hand, Cryptography is the process of hiding information by encrypting data using a complex algorithm. It is used when collaborating over an untrusted intermediary, such as the Internet. Steganography and cryptography work similarly but in different contexts. In this study, we have presented an integration of cryptography and steganography to produce an efficient and robust model. In terms of cryptography, the Data Encryption Standard (DES) algorithm has been implemented, whereas in steganography, the Least Significant Bit (LSB) algorithm has been used. Our results show efficient time implementation and a robust algorithm mechanism in terms of Peak Signal-to-Noise Ratio (PSNR), Signal-to-Noise Ratio (SNR), and Mean Square Error (MSE).Item Citation Count: Sarhan, Khalid Jamel (2014). Design, implementation and evaluation of a low energy consumption method for wireless sensor networks / Kablosuz algılayıcı ağlar için düşük enerji tüketimi tasarımı, uygulaması ve değerlendirmesi yöntemi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.Design, implementation and evaluation of a low energy consumption method for wireless sensor networks(2014-09) Sarhan, Khalid Jamel; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği BölümüThe aim of this thesis is to save the energy of the nodes. The first goal of this thesis is to reduce the total energy consumption of the wireless sensor network. The second goal is to increase the reliability of the protocol along with improving the network latency as compared with previous cluster-based protocols. The network area is divided to four region. First region send information directly to base station. Second region has cluster heads and this cluster heads collect information and then send to rechargeable sensor and then this sensor send to base station. These cluster heads are selected on the basis of a probability. The third region has rechargeable node and this sensor collect information and then send to base station. Fourth region (same second region) has cluster heads and this cluster heads collect information and then send to rechargeable sensor and then this sensor send to base station. Proposed protocol performance is compared with LEACH (Low Energy Adaptive Clustering Hierarchy). The performance of proposed method is overcome than the previous works.