Saran, Ayşe Nurdan
Loading...
Profile URL
Name Variants
Saran, Nurdan Ayse
Saran, Nurdan
Saran, Ayse Nurdan
Saran, Nurdan Buz
Buz, Ayşe Nurdan
Saran, Nurdan
Saran, Ayse Nurdan
Saran, Nurdan Buz
Buz, Ayşe Nurdan
Job Title
Dr. Öğr. Üyesi
Email Address
buz@cankaya.edu.tr
Main Affiliation
Bilgisayar Mühendisliği
Status
Current Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Files
Sustainable Development Goals
16
PEACE, JUSTICE AND STRONG INSTITUTIONS
1
Research Products
17
PARTNERSHIPS FOR THE GOALS
1
Research Products
Documents
10
Citations
73
h-index
6
Documents
14
Citations
47
Scholarly Output
27
Articles
13
Views / Downloads
3369/1048
Supervised MSc Theses
4
Supervised PhD Theses
0
WoS Citation Count
47
Scopus Citation Count
77
WoS h-index
5
Scopus h-index
6
Patents
0
Projects
0
WoS Citations per Publication
1.74
Scopus Citations per Publication
2.85
Open Access Source
10
Supervised Theses
4
Google Analytics Visitor Traffic
| Journal | Count |
|---|
Current Page: 1 / NaN
Scopus Quartile Distribution
Competency Cloud
Scholarly Output Search Results
Now showing 1 - 10 of 27
Article İmge İçine Bilgi Gizlemede Kullanılan LSB Yöntemlerinin Karşılaştırması(2013) Saran, Nurdan; Olcay, CemDijital imgeleri temel olarak kayıplı sıkı¸stırılmı¸s tipte olanlar, sıkı¸stırılmamı¸slar ve kayıpsız sıkı¸stırılmı¸slar olarak ¨u¸ce ayırabiliriz. Sıkı¸stırılmamı¸s ve kayıpsız sıkı¸stırılmı¸s imgelerde bilgi gizlemek i¸cin en ¸cok kullanılan y¨ontem, imgenin son bitlerinin mesajın bitleri ile de˘gi¸stirilmesi y¨ontemidir. Son bitlerin de˘gi¸simi genellikle imgede g¨ozle g¨or¨ulebilir bir de˘gi¸sikli˘ge sebep olmamaktadır. Ort¨u imgedeki piksellerin son bitlerinin de˘gi¸simi ile ¨ veri gizleme y¨ontemlerini her renk kanalında 1 bit yada daha fazla veri gizleyenler ve birden ¸cok renk kanalında renk kanalı sayısından daha az miktarda veri gizleyenler olarak ikiye ayırabiliriz. Bu ¸calı¸smada en ¨onemsiz bite (least significant bit-LSB) gizleme y¨ontemlerinden yer de˘gi¸stirme [1], e¸sle¸stirme [2], e¸sle¸stirmenin geli¸stirilmi¸s bir hali olan Chan’ın algoritması [3], 2/3 verimli g¨omme [4], Hamming kodlarını kullanılarakBook Part Büyük Veri Mahremiyeti ve Güvenliği(Grafiker Yayınları, 2017) Saran, Ayşe NurdanBilim geliştikçe teknolojiler gelişmekte ve yeni teknolojilerde bilimin daha da gelişmesine ve bilinmezleri daha iyi anlamamıza, yeni çalışmalar yapmamıza en önemlisi çevremizi ve dünyamızı daha iyi anlamamızı kolaylaştırmaktadır. Son yıllarda “büyük veri”, “veri bilimi”, “açık veri” “büyük veri analitiği”, “bilgi ekonomisi” gibi başlıklar ülkemizde de pek çok etkinlikte tartışılmakta, çözümler geliştirilmeye çalışılmakta ve iyi örnekler oluşturulmaya çalışılmaktadır. Bu kitabın ülkemizde açık veri ve büyük veri analitiği, güvenliği ve mahremiyetinin gelişmesine katkılar sağlaması beklenmektedir. Verilerin günümüzün altın rezervleri olduğunun bilinciyle çalışmalar yapılmalıdır.Article Citation - WoS: 5Citation - Scopus: 5Vessel Segmentation in Mri Using a Variational Image Subtraction Approach(2014) Saran, Ayşe Nurdan; Nar, Fatih; Saran, MuratVessel segmentation is important for many clinical applications, such as the diagnosis of vascular diseases, the planning of surgery, or the monitoring of the progress of disease. Although various approaches have been proposed to segment vessel structures from 3-dimensional medical images, to the best of our knowledge, there has been no known technique that uses magnetic resonance imaging (MRI) as prior information within the vessel segmentation of magnetic resonance angiography (MRA) or magnetic resonance venography (MRV) images. In this study, we propose a novel method that uses MRI images as an atlas, assuming that the patient has an MRI image in addition to MRA/MRV images. The proposed approach intends to increase vessel segmentation accuracy by using the available MRI image as prior information. We use a rigid mutual information registration of the MRA/MRV to the MRI, which provides subvoxel accurate multimodal image registration. On the other hand, vessel segmentation methods tend to mostly suffer from imaging artifacts, such as Rician noise, radio frequency (RF) inhomogeneity, or partial volume effects that are generated by imaging devices. Therefore, this proposed method aims to extract all of the vascular structures from MRA/MRI or MRV/MRI pairs at the same time, while minimizing the combined effects of noise and RF inhomogeneity. Our method is validated both quantitatively and visually using BrainWeb phantom images and clinical MRI, MRA, and MRV images. Comparison and observer studies are also realized using the BrainWeb database and clinical images. The computation time is markedly reduced by developing a parallel implementation using the Nvidia compute unified device architecture and OpenMP frameworks in order to allow the use of the method in clinical settings.Master Thesis Gizliliği Koruyan Federated Öğrenme ile Giriş Tespitini Geliştirme: Farklı Mahremiyet ve Artırımlı Öğrenme Entegrasyonu(2025) Asal, Ali Sadeq Hussein; Saran, Ayşe NurdanSiber güvenlikte, Saldırı Tespit Sistemleri (IDS), ağları ve sistemleri kötü niyetli faaliyetleri tespit etmek için tarar ve hassas veriler tehlikeye girmeden tehditleri tanımlamaya yardımcı olur. Makine öğreniminin (ML) tanıtılması, IDS'yi otomatik ve akıllı tehdit algılama mekanizmaları sağlayarak geliştirmiştir. Ancak, Federated Learning (FL) gibi dağıtılmış ortamlarda ML modellerinin eğitimi, model parametrelerinin analizi yoluyla hassas bilgileri açığa çıkarabilir. FL, verileri yerelleştirerek belirli gizlilik sorunlarını hafifletir, ancak gerçek bir gizlilik koruması için yeterli değildir ve geliştirilmesi gereklidir. Özellikle, Artırımlı Öğrenme (IL), IDS'yi yeniden eğitime ihtiyaç duymadan yeni siber güvenlik tehditlerine uyum sağlama yeteneği sunarak iyileştirir. Bu, hesaplama açısından maliyeti düşük tutar ve yeni saldırı davranışlarına hızla uyum sağlar. Özellikle, Federated Differential Privacy Enhanced Model Aggregation adlı bir yöntem öneriyoruz; bu yöntem, federated ML bağlamında hem gizliliği hem de doğruluğu artırmayı hedeflemektedir. Bu yöntem, bir global modelin başlatıldığı ve istemci tarafında eğitimle daha da geliştirildiği bir sunucu-istemci mimarisi kullanır ve güncellemeler güvenli bir şekilde birleştirilir. Ayrıca, veri gizliliğini artırmak için gradyanlara gürültü ekleyen DP-SGD optimizasyonuyla eğitilmiş çok katmanlı bir algılayıcı (MLP) kullandık. Performansı değerlendirdik ve deneysel sonuçlar, önerdiğimiz yaklaşımda sınıf artımlı öğrenmenin doğruluğunun %92,4'e ve özellik artımlı öğrenmenin %99,4'e ulaştığını göstermektedir. Bu sonuçlar, modelimizin yeni verileri iyi bir şekilde öğrenebildiğini ortaya koymaktadır. Süreç, gizliliği koruyucu ve verimli kalmakta olup farklı veri kümesi türleri üzerinde iyi performans sergilemektedir. Bu nedenle, modern çağda bir saldırı tespit sistemi (IDS) için geçerli bir aday olduğuna inanıyoruz.Master Thesis Bir Seyahat Öneri Sisteminde Modeller, Veri Stratejileri ve Hiperparametre Ayarını Keşfetmek(2024) Erkal, Necati; Saran, Ayşe NurdanÖneri sistemlerinin önemi son dönemde giderek artmaktadır. Verilerin karmaşıklığı nedeniyle kullanıcıların beğenebileceği bir öneride bulunmak giderek zorlaşıyor. Özellikle seyehat öneri sistemlerinde bir sonraki şehri önermek önemli ve zor bir görevdir. Çeşitli çalışmalara göre derin öğrenmeyi öneri sistemlerinde kullanmak önerilerin doğruluğunu arttırmaya ve karmaşık verileri ele almaya yardımcı olmaktadır. Bu tez önerilen derin öğrenme destekli seyehat öneri sistemi için yeni mimarileri, veri ve hiperparametre ayarlama tekniklerini ortaya koymaktadır. NVIDIA ekibinin WSDM WebTour 2021 yarışmasında kazanan öneri sistemi bu çalışmada kullanıldı. Kazanan çözümü anlamak için algoritma ve veri seti analiz edilip, çalışmayı geliştirmek için yeni çözümler önerilmiştir.Article Modified Attribute-Based Authentication for Multi-Agent Systems(2023) Öztürk, Gülnihal; Doğanaksoy, Ali; Saran, Ayşe NurdanAttribute-Based Encryption (ABE) is a type of authentication mechanism that validates both the users and their attributes. It is practical for the systems that need authorization according to credentials. In a multi-agent system, specifying an access policy within the user groups is crucial to enable authentic and confidential communication. This paper proposes an attribute-based authentication framework based on elliptic curves to provide privacy in multi-agent systems. In this system, we aim to alleviate the required burden of verification by ensuring that each unit verifies only a small amount of messages. Inspired by Zhang et al. [1], we use ABE for the multi-agent system to authenticate more than one user at a time; our scheme uses elliptic curve groups, unlike Zhang et al. We have thoroughly evaluated the various security attributes and discussed computational overheads for our proposed scheme.Article Enhancing Session-Based Trip Recommendations Using Matrix Factorization: a Study on Algorithm Efficiency and Resource Utilization(Springer, 2025) Mat, Abdullah Ugur; Saran, Ayse NurdanAs the impact and usefulness of recommendation systems continue to grow, their importance becomes more and more pronounced. Therefore, it is crucial to design and implement recommendation systems that are both efficient and highly accurate to meet the increasing demands and expectations. This study focuses on a model awarded first place in a travel forecasting recommendation system competition. This study aims to enhance matrix factorization-based recommender systems by conducting a comprehensive analysis of various factors. This includes examining the effects of resource utilization and recurrent neural network (RNN) algorithms on session-based factorization, as well as evaluating the influence of embeddings and optimization techniques concerning their efficiency and accuracy. The gated recurrent unit (GRU) algorithm has produced more accurate results for reduced datasets than long short-term memory (LSTM). Some modifications have been made on the embedding layers, and the results have been observed. In addition, the model's optimizer is changed, and the performance of different optimizers is evaluated. While random reduction of the dataset has led to a decrease in the success rate, methodical reduction has significantly increased the success rate. The highest and most reliable success rate (0.6654) was achieved by applying the selection method, which reduced the dataset to 1 M records from 1.5 M records. Optimizers have shown a wide range of effects on hardware.Article İmge içine bilgi gizlemede kullanılan lsb yöntemlerinin karşılaştırması(Çankaya University, 2013) Olcay, Cem; Saran, NurdanDijital imgeleri temel olarak kayıplı sıkıştırılmış tipte olanlar, sıkıştırılmamışlar ve kayıpsız sıkıştırılmışlar olarak üçe ayırabiliriz. Sıkıştırılmamış ve kayıpsız sıkıştırılmış imgelerde bilgi gizlemek için en çok kullanılan yöntem, imgenin son bitlerinin mesajın bitleri ile değiştirilmesi yöntemidir. Son bitlerin değişimi genellikle imgede gözle görülebilir bir değişikliğe sebep olmamaktadır. Ortü imgedeki piksellerin son bitlerinin değişimi ile veri gizleme yöntemlerini her renk kanalında 1 bit yada daha fazla veri gizleyenler ve birden çok renk kanalında renk kanalı sayısından daha az miktarda veri gizleyenler olarak ikiye ayırabiliriz. Bu çalı şemada en önemsiz bite (least signi cant bit-LSB) gizleme yöntemlerinden yer değiştirme [1], eşleştirme [2], eşleştirmenin geliştirilmiş bir hali olan Chan' n algoritması [3], 2/3 verimli gömme [4], Hamming kodları n kullanılarak matris gömme [5], imge kareleri [6] ve piksel fark [7]- [8] yöntemleri karşılaştırılmıştır.Conference Object Citation - WoS: 5Citation - Scopus: 8Choosing Parameters To Achieve a Higher Success Rate for Hellman Time Memory Trade Off Attack(Ieee, 2009) Saran, Nurdan; Doganaksoy, AliIn 1980, Hellman proposed the Time Memory Trade Off (TWTO) attack and applied it on block cipher DES (Data Encryption Standard). Time Memory Trade Off attack is one of the methods that inverts a one way function. The resistance to TWO attacks is an important criterion in the design of a modern cipher Unlike the exhaustive search and table lookup methods, TWO is a probabilistic method, that is, the search operation may not find a preimage even if there exists one. Up to now, there are some approximate bounds for success rates of Hellman table by Hellman and Kusuda et al. In this study, we give a more precise approximation for the coverage of a single Hellman table. There is no precise guideline in the literature that points out how to choose parameters for Hellman TWO. We present a detailed analysis of the success rate of Hellman table via new parameters and also show how to choose parameters to achieve a higher success rate. The results are experimentally confirmed. We also discuss the Hellman's TMTO Curve.Master Thesis Matris Çözümlemesi Tabanlı Öneri Sistemlerinin Geliştirilmesi: Seyahat Öneri Sistemleri Üzerine Karşılaştırmalı Bir Çalışma(2024) Mat, Abdullah Uğur; Saran, Ayşe NurdanÖneri sistemlerinin etkisi ve yararlılığı artmaya devam ettikçe, çeşitli uygulamalardaki önemi giderek daha belirgin hale gelmektedir. Bu nedenle, artan talep ve beklentileri karşılayacak hem verimli hem de yüksek doğruluğa sahip öneri sistemlerinin tasarımı ve uygulanması hayati önem taşımaktadır. Bu çalışma, bir seyahat tahmini öneri sistemleri yarışmasında birincilik ödülü alan bir modele odaklanmaktadır. Amacı, kullanılan modelin veri seti ile olan korelasyonu ve uygulanan azaltılmış veri setinin başarı oranı üzerindeki etkisinin model performansını etkileyip etkilemediğini araştırmaktır. Kaynak kullanımını azaltmak amacıyla veri setinde değişiklikler yapılmıştır. Genelde kullanılan yöntemlerin aksine, veri seti rastgele ve seçici azaltma yöntemleri kullanılarak beşte bir oranına kadar azaltılmış ve sonuçlar gözlemlenmiştir. Veri setinin rastgele azaltılması başarı oranında düşüşe neden olurken, yöntembilimsel azaltma yani seçimli azaltma başarı oranını önemli ölçüde artırmıştır. Orijinal modelde kullanılan derin öğrenme algoritmaları yerine, aynı ilkeleri kullanan başka bir algoritma olan Long Short-Term Memory (LSTM) kullanılmıştır. Gated Recurrent Unit (GRU) ve LSTM algoritmalarının veri seti üzerindeki etkileri de araştırılmıştır. Bu veri setleri için GRU algoritması, LSTM'den daha doğru sonuçlar üretmiştir. Embedding katmanlarında yeni modeller geliştirilmiş ve sonuçlar gözlemlenmiştir. Ayrıca, model tarafından kullanılan optimizatör değiştirilmiş ve diğer optimizatörlerin performansı değerlendirilmiştir. Optimizatörler, donanım üzerinde geniş bir yelpazede etkiler göstermiştir. Orjinal modelin elde ettiği başarı 0.5664 iken bu çalışmada yapılan deneylerde en yüksek ve en muteber 0.6654 başarıma ulaşılmıştır. Modellerde, optimizatörlerde ve özellik mühendisliğinde yapılan değişikliklerin etkili öneri sistemlerinin sürdürülebilirliği açısından yararlı olabileceğini savunuyoruz.
- «
- 1 (current)
- 2
- 3
- »