Search

Aim: Fundus images are very important to diagnose some ophthalmologic disorders. Hence, fundus images have become a very important data source for machine-learning society. Our primary goal is to propose a new automated disorder classification model for diabetic retinopathy (DR) using the strength of deep learning. In this model, our proposed model suggests a treatment technique using fundus images. Material and Method: In this research, a new dataset was acquired and this dataset contains 1365 Fundus Fluorescein Angiography images with five classes. To detect these disorders automatically, we proposed a transfer learning-based feature engineering model. This feature engineering model uses pretrained MobileNetv2 and nested patch division to extract deep and exemplar features. The neighborhood component analysis (NCA) feature selection function has been applied to choose the top features. k nearest neighbors (kNN) classification function has been used to get results and we used 10-fold cross-validation (CV) to validate the results. Results: The proposed MobileNetv2 and nested patch-based image classification model attained 87.40% classification accuracy on the collected dataset. Conclusions: The calculated 87.40% classification accuracy for five classes has been demonstrated high classification accuracy of the proposed deep feature engineering model

Lung breathing sounds have been used to diagnose many diseases, including Covid-19. Nowadays, Covid-19 has affected daily life worldwide, and it has caused a global pandemic. Generally, computer vision methods have been presented to classify healthy, pneumonia, and Covid-19. They achieved high classification rates on datasets with a limited number of classes without taking into consideration other lung diseases. Our main hypothesis is to detect Covid-19 automatically among other lung diseases by using lung breathing sounds. Therefore, a dataset of lung breathing sound with ten classes has been collected, and a novel lung sounds classification method has been proposed in this paper. This method presents a novel local feature generation technique, and Substitution Box (S-Box) of the present lightweight encryption method is utilized as a pattern. A novel nonlinear pattern is presented based on S-Box, named Present-SBox-Pat (present S-Box pattern). A new pooling-based transformation (maximum tent pooling (MaTP)) is proposed to generate high, middle, and low levels features. It is considered as a preprocessing method of this work. ReliefF and iterative neighbourhood component analysis (RFINCA) selector is used to select the most discriminative and informative features. Two shallow classifiers are used to obtain results. The proposed Present-SBox-Pat and MaTP feature generation network and RFINCA feature selector-based method achieved 95.43% classification accuracy using the SVM classifier. These results demonstrated the success of techniques in generating and selecting features that facilitate the task of classifiers.

Günümüzde büyük kurum ve kuruluşlara yapılan siber saldırılar gün geçtikçe artmaktadır. Meydana gelen siber saldırılar sonucunda; kurumlar maddi ve itibar kaybı gibi büyük kayıplar yaşamaktadırlar. Siber saldırıların geç tespiti, analistlerin yetkinliği ve verilerin ayrıştırılma sürecinde yaşanan aksaklıklar saldırıların zarar boyutunu arttırmaktadır. Bu sebepten dolayı meydana gelen saldırıların erken tespiti önem arz etmektedir. Bilgi güvenliğine aykırı durumların yaşanmaması ve saldırıların erken tespit edilebilmesi için kapsamlı yapılara ihtiyaç duyulmuştur. Bu ihtiyaç doğrultusunda uç nokta saldırı tespit sistemleri geliştirilmiştir. Bu çalışmada yaygın olarak kullanılan uç nokta (endpoint) tespiti ve cevaplama (response) yazılımlarının kullanım alanlarına ve özelliklerine yer verilmiştir. Sonuç olarak uç nokta tespiti ve cevaplama sistemlerinin (Endpoint Detection and Response –EDR– ) görünürlüğünün artırılmasının sağlayacağı avantajlar sunulmuştur.

Günümüzde gelişmiş kalıcı tehdit gruplarının (APT) yaptığı saldırılar gerek kurumları gerekse özel şirketleri hedef almaktadır. Bu tür APT gruplarının yaptığı saldırılar birçok farklı amaca hizmet edebilmektedir. Özellikle kamu kurumlarına karşı yapılan saldırılarda devletlere ait gizli bilgilerin elde edilmesi gibi hedefleri olduğu bilinmektedir. Bu tür atakların tespit edilmesi için kurumlarda var olan tüm uç noktaların merkezi bir yerden sürekli olarak takip edilmesi ve kurum/kuruluş içerisindeki tüm aktivitelerin kontrol edilmesi ihtiyacını ortaya çıkarmaktadır. Böyle bir sistem kurum veya kuruluşlarda kurulsa dahi sistemler üzerinde gerekli inceleme ve analiz işlemlerinin yapılması için insan kaynağı ihtiyacı ortaya çıkmaktadır. Ayrıca bu sistemler genellikle Windows odaklı çalışmaktadır ve Linux destekleyenlerin verimi oldukça düşüktür. Linux sistemler bu yapıda kör kalmaktadır. İzleme yapılsa dahi bahsedilen türde bir saldırıya maruz kaldığının tespit edilmesi ve incelenmesi mevcut kullanılan kurumsal çözümlerle başarılı olmamaktadır. Bu sebeplerle Linux sistemlerde olay müdahale süreçlerinin işletilmesinde bir zorluk olduğu değerlendirilmiştir. Bu makalede tespit edilen zorluğa çözüm sunulmaktadır. Olay Müdahale süreçlerinde Linux işletim sistemine sahip cihazlarda veri elde edilmesine yönelik çalışmalar yapılmış ve çıktıları açıklanmıştır. Özetle bu makalede sunulan çözüm yöntemi kullanılarak Linux tabanlı çoğu işletim sisteminde hızlı ve doğru sonuçlarla olay müdahale süreçleri tamamlanmıştır., Nowadays, Advanced Persistent Threat (APT) groups target different types of companies. Their purposes are to obtain confidential data of organizations. In order to detect such attacks, all endpoints in organizations should be monitored and analyzed from Security Operation Center Team. At the same time, human resources are required for the management of these systems. In addition, these systems generally work on Windows and solutions that support linux are less successful. For these reasons, it is considered that there is a difficulty in the operation of incident response processes in Linux systems. This article proposes a solution to the identified difficulty. In Incident Response processes, studies were carried out to obtain data on devices with Linux operating system and their outputs were announced. In summary, incident response processes were completed with fast and accurate results in most Linux-based operating systems using the solution method presented in this article.

Sualtı akustiği, gelişmiş sinyal işleme için önemli ve karmaşık araştırma alanlarından biridir. Bu çalışmada, su altı araçlarının yön tespiti için derin öğrenme ve makine öğrenmesi tabanlı bir yöntem önerilmiştir. Sualtı robotu kullanılarak yeni bir veri seti toplandı. Veri setini oluşturmak için su altına bir mikrofon yerleştirildi. Su altında hareket eden Uzaktan Kumandalı Sualtı Aracının (ROV) pervanelerinin sesleri toplandı. Önce su altında hareketsiz bir ses kaydı yapıldı. Sualtı robotu x, y ve z eksenleri boyunca hareket etti ve bir ses veri seti oluşturuldu. Bu veri seti toplamda dört sınıftan oluşmaktadır. Bu sesler üzerinde özellik çıkarımı için NASNetLarge ve NASNetMobile derin öğrenme modelleri uygulanmıştır. Bu iki derin öğrenme modelinin özellikleri birleştirilmiştir. Elde edilen öznitelikler arasından en ağırlıklı öznitelikleri seçmek için chi2 yöntemi kullanılmıştır. Ardından, seçilen özellikleri sınıflandırmak için Destek Vektör Makinesi (SVM) algoritması kullanılır. Sınıflandırmada Doğrusal SVM algoritması ile %77,66 doğruluk hesaplanmıştır., Underwater acoustics is one of the important and complex research areas for advanced signal processing. In this study, a deep learning and machine learning-based method are proposed for direction detection of underwater vehicles. A new dataset was collected using the underwater robot. A microphone was placed underwater to create the dataset. The sounds of the propellers of the Remotely Operated Underwater Vehicle (ROV) moving underwater were collected. First, a still sound recording was made underwater. The underwater robot moved along the x, y, and z axes, and a sound dataset was created. This data set consists of four classes in total. NASNetLarge and NASNetMobile deep learning models have been applied for feature extraction on these sounds. The features of these two deep learning models are combined. The chi2 method was used to select the most weighted features among the obtained features. Then, the Support Vector Machine (SVM) algorithm is used to classify the selected features. In classification, 77.66% accuracy was calculated with the Linear SVM algorithm.

Audio forensics applications and methods are very crucial to clarify crimes. To accelerate audio analysis process and classify audios with high accuracy, machine learning (ML) methods must be used in audio forensics. An automated gunshot audios classification method is presented in this study. To implement our automated gunshot classification method, a novel gun audios dataset was collected from YouTube with 8 classes in the first phase. A novel ML method is presented in the second phase and the proposed ML method contains three fundamental phases. These phases are a novel finger pattern (finger-pat), statistical moments and discrete wavelet transform (DWT) based feature generation network, informative/distinctive feature selection with iterative ReliefF (IRF) feature selector and classification with a k nearest neighbors (kNN) classifier (shallow) to show success of the generated and selected features by using the proposed finger-pat based feature generation network and IRF feature selector. These methods and kNN achieved 94.48% classification accuracy. These results demonstrate that our proposed method can be used in gunshot audio analysis.

Elektroensefalogram (EEG) sinyallerinin çeşitli beyin ve nörolojik bozuklukları teşhis ettiği düşünülmektedir. Ayrıca beyin duruma göre karakteristik EEG sinyalleri üretir. Bu nedenle, duygusal durumu tespit etmek için EEG sinyalleri kullanılmış ve literatürde birçok EEG tabanlı otomatik duygu algılama modeli sunulmuştur. Bu çalışmada, çok düzeyli ayrık dalgacık dönüşümü, yerel ikili desen, komşuluk bileşen analizi ve k en yakın komşu sınıflandırıcı kullanılarak yeni bir otomatik EEG duygu algılama modeli sunulmuştur. Sunulan EEG sınıflandırma modelinin aşamaları; (i) kullanılan EEG sinyalleri beş eşit örtüşmeyen bölüme bölünmüştür, (ii) frekans katsayıları çok düzeyli ayrık dalgacık dönüşümü kullanılarak üretilmiştir, (iii) yerel ikili desen ham EEG bölümü ve frekans katsayılarından özellikler üretir, (iv) komşuluk bileşen analizi kullanarak özellik seçimi, (v) sınıflandırma ve (vi) katı çoğunluk oylaması. Yöntemimizi test etmek için GAMEEMO veri kümesini kullandık. Bu EEG duygu veriseti 14 kanal içerir ve kanal bazında sonuçlar hesaplanmıştır. Önerimiz, GAMEEMO veri kümesinde mükemmel sınıflandırma oranına (% 100.0) ulaştı. Bu sonuçlar, modelimizin duygu sınıflandırması için EEG sinyalleri üzerindeki yüksek sınıflandırma yeteneğini açıkça gösterdi., Electroencephalogram (EEG) signals have been considered to diagnose several brain and neurologic disorders. Moreover, the brain generated characteristic EEG signals according to the situation. Therefore, EEG signals have been used to detect emotional state and several EEG-based automated emotion detection models have been presented in the literature. In this work, a new automated EEG emotion detection model presented using multilevel discrete wavelet transform, local binary pattern, neighborhood component analysis, and k nearest neighbor classifier. The phases of the presented EEG classification model are; (i) the used EEG signals are divided into five equal non-overlapping segments, (ii) frequency coefficients are generated using multilevel discrete wavelet transform, (iii) local binary pattern generates features from raw EEG segment and frequency coefficients, (iv) feature selection using neighborhood component analysis, (v) classification and (vi) hard majority voting. We used the GAMEEMO dataset to test our proposal. This EEG emotion corpus contains 14 channels and channel-wise results were calculated. Our proposal reached perfect classification rate (100.0%) on the GAMEEMO dataset. These results clearly denoted the high classification ability of our model on the EEG signals for emotion classification.

Geleneksel karyotip çalışmaları, bitki sistematiğinde türlerin konumlarını değerlendirmek için yaygın olarak kullanılmaktadır. Ancak çalışmalar bazen sistematik sorunları çözememektedir. Son yıllarda bilgisayar tabanlı sistemler taksonomik problemlerin çözümüne katkı sağlamada önem kazanmıştır. Bu çalışmanın amacı, mitozdaki kromozom görüntülerine dayalı yerel ikili örüntü doku operatörünü kullanarak üç Lallemantia türünü belirlemektir. Yerel ikili örüntü, yerel görüntü modellerini tanımlamak için en güçlü ve kolay uygulanabilir araçlardan biridir. Bu çalışmada mitozun metafaz evresindeki 641 hücrenin mikrofotoğrafları kullanılmıştır. Yerel ikili örüntü, ön işleme, özellik çıkarma, özellik seçme ve sınıflandırmayı içerir. Sınıflandırma aşamasında DT, LD, SVM, KNN, BT ve SNN kullanılmıştır. Bu çalışma, başarı oranı yüzde yüz olduğu için en iyi sınıflandırıcının SNN olduğunu buldu. Ayrıca, üç tür arasındaki benzerliği ölçmek için bir dendrogram oluşturulmuştur. Sonuç olarak, LBP, kromozom görüntülerini kullanarak bitkileri sınıflandırmak için bir araç olarak kabul edilebilir., The traditional karyotype studies are widely used in plant systematics to evaluate the positions of species. However, studies sometimes can not solve systematic problems. In recent years, computer-based systems have gained importance in contributing to the solution of the taxonomical problems. The aim of this study was to identify three Lallemantia species by using the LBP (local binary pattern) texture operator based on chromosome images in mitosis. LBP is the one of the most powerful and easily applicable tool for identifying local image patterns. In this study, microphotographs of 641 cells in the metaphase stage of mitosis were used. The LBP involves preprocessing, feature extraction, feature selection, and classification. Decision tree (DT), linear discriminant (LD), support vector machine (SVM), K-nearest neighbor (KNN), bagged tree (BT) and ensemble subspace nearest neighbor (SNN) were used in the classification stage. This study found that the best acting classifier was SNN because achievement rate was one hundred percent. Also, a dendrogram was formed to measure the similarity among the three species. As a result, LBP can be accepted as a tool for classifying plants by using chromosome images.

Gerçek hayattaki bazı problemler,klasik matematiksel yöntemler kullanarak çözülememektedir. Bu sebeple, buproblemlerin çözümünde genellikle meta-sezgisel optimizasyon yöntemlerikullanılmaktadır. Meta-sezgisel optimizasyon yöntemlerinin başarı düzeyiniartırmak için kullanılan yöntemlerden birisi de kaotik haritalardır. Bumakalede yeni bir hibrit kaotik harita önerilmiş ve önerilen hibrit kaotikharita kullanılarak yeni bir kaotik optimizasyon yöntemi geliştirilmiştir.Önerilen hibrit kaotik harita, lojistik ve gauss haritalarını kullanmaktadır.Optimizasyon aşamasında parçacıkların değerlerini güncellemek içinlojistik-gauss haritası kullanılmıştır. Önerilen optimizasyon yöntemi delojistik-gauss tabanlı kaotik sürü algoritması olarak adlandırılmıştır. Yenioptimizasyon yönteminin performansını test etmek için ise literatürde sıklıklakullanılan 6 sayısal kıyaslama fonksiyonu tercih edilmiştir. Ve elde edilendeğerler yine literatürde yer alan 3 farklı sürü tabanlı optimizasyonyöntemiyle karşılaştırılmıştır. Önerilen yöntem hemen bütün fonksiyonlar içindaha optimum sonuçlar üretmiştir. Bu sayede sürü optimizasyon yönteminin,tuzaklı lokal optimum değerlerden uzak durması sağlanmaya çalışılmıştır.

Bu makalede Goldbach sanısıkullanılarak yeni bir sayısal damgalama yöntemi önerilmiştir. Goldbach sanısınagöre 2’den büyük tüm çift sayılar iki asal sayının toplamından oluşmaktadır. Bumakalede elde edilen asal sayıların oranları kullanılarak sayısal damgalamaişlemi gerçekleştirilmiştir. Bu yöntemde imge bloklara ayrılmış ve verigizlenecek piksel rastgele sayı üreteci kullanılarak seçilmiştir. Önerilenyöntemi test etmek için görsel kalite, dayanıklılık ve çalışma zamanıkullanılmıştır. Bu yöntem Çin Kalan Teoremi tabanlı sayısal damgalamaalgoritmalarıyla karşılaştırılmıştır. Deneysel sonuçlar, goldbach sanısıtabanlı sayısal damgalama yöntemini doküman, video ve imge içeriğini korumakiçin kullanılacak pratik ve başarılı bir yöntem olduğunu göstermiştir.

İkiliimgelere veri gizlemek gri seviyeli ve renkli imgelere ver gizlemekten daha zorbir işlemdir çünkü ikili imgelerin piksel değerleri 0 ve 1’dir. Bundan dolayıgri ve renkli imgeler için önerilen Steganografik yöntemler ikili imgeler içinkullanılamamaktadır ancak ikili imgeler için önerilen Steganografik yöntemlergri ve renkli imgeler için kullanılabilmektedir. Bu makalede ikili imgeler içinkaos tabanlı yeni bir Steganografik yöntem önerilmiştir. Önerilen yöntem bloktabanlıdır ve 2 x 2, 3 x 3 veya M x N boyutunda örtüşmeyen bloklarkullanılabilmektedir. Kaotik haritalardan olan lojistik harita kullanılarakgizli verinin bloğun hangi noktasına gömüleceği tespit edilmektedir ve böyleceönerilen Steganografik yöntemin gizliliği sağlanmaktadır. Deneysel sonuçlarda,önerilen yöntemin veri gizleme kapasitesi, görsel kalitesi, gizliliği veçalışma zamanı ölçülmüştür. Elde edilen sonuçlar, önerilen yöntemin başarılıolduğunu göstermektedir.

İmgelerde kimlik doğrulamak için sıklıkla kullanılan yöntemlerden biriside kırılgan damgalama yöntemleridir. Bu makalede lojistik harita fonksiyonunu kullanan yeni bir imge kimlik doğrulama (LİK) yöntemi önerilmiştir. Önerilen yöntem damga üretme, damga gizleme, damga çıkarma ve saldırı tespit aşamalarından oluşmaktadır. LİK yönteminde pikseller 3 gruba ayrılır. En anlamlı 2 grup damga üretmek için kullanılır. En anlamsız grup ise damga gömme işleminde kullanılmaktadır. Bu çalışmada, damga gömmek için LSB (Least Significant Bit, En anlamsız bit) ve 2LSBs kullanılmıştır. LİK yönteminin performansını test edebilmek için çalışma zamanı, görsel kalite ve saldırı tespiti yetenekleri kullanılmıştır. Saldırı tespiti yeteneğini ölçmek için, medyan filtre, JPEG sıkıştırma, ortalama filtre, döndürme atakları, gürültü ekleme, kolaj saldırıları kullanılmıştır. Elde edilen sonuçlar, deneysel sonuçlarda sunulmuştur. Deneysel sonuçlar, önerilen yöntemin hızlı ve başarılı bir yöntem olduğunu göstermektedir., One ofthe most used methods for image authentication is fragile watermarking. In thisarticle, a novel logistic image authentication (LIA) method is proposed thatuses the logistic map function. The proposed method consists of watermarkgeneration, watermark embedding, watermark extraction and tamper detectionstages. In the LIA method, the pixels are divided into 3 groups. The mostsignificant 2 groups are used to generate watermark. The most meaningless groupis used for watermark embedding. In this study, LSB (Least Significant Bit) and2LSBs data hiding functions are used to watermark embedding. Execution time, visualquality and tamper detection capabilities are used to test the performance ofthe proposed LIK method. Median filter, JPEG compression, average filter,rotation attacks, noise addition, collage attacks are used to measure tamperdetection capacity. The obtained results are presented in experimental resultsby using LIK. Experimental results show that the proposed method is a fast andsuccessful method.

Karnaugh haritası (K-Map)mantıksal ifadeleri sadeleştirmek için kullanılan en yaygın yöntemlerden birisidir.K-Map’ in sağladığı en önemli avantaj, bir elektronik devreyi minimum fizikselkapı sayısıyla gerçekleştirmektir. K-Map konusu elektronik ve mantıkderslerinin en önemli konularından birisidir ancak öğrenciler K-Map kullanaraksadeleştirme yaparken bazen grupları tespit edememektedir. Bu çalışmada K-Map’te bulunan büyük grupları kolayca tespit edebilmek için eleman eklenmiştir.Eleman ekleme sayesinde büyük gruplar rahatlıkla tespit edilebilmektedir. Büyükgruplar tespit edildikten sonra gerçek ifadeyi elde etmek için eklenen elemanlarçıkarılmıştır. K-Map üzerinde sadeleştirme yaparken sadece mantıksal toplama (VEYA)ve mantıksal çarpma (VE) işlemleri kullanılmaktadır. Bu makale K-Maplerdeçıkarma işleminin yapılabileceği gösterilmiş ve önerilen yöntem De-Morganteoremi kullanılarak ispat edilmiştir. Bu çalışmada, literatürde ilk kez K-Mapüzerinde çıkarma işlemi gerçekleştirilmiştir ve K-Mapler için çıkarma tabanlıefektif bir sadeleştirme yöntemi önerilmiştir. De- Morgan teoremi ve deneyselsonuçlar önerilen yöntemin doğruluğunu göstermektedir.

Öz

Bir Steganografik metodun değerlendirme kriterlerindenbiri de dayanıklılıktır. Bu çalışmada, iletim hattı boyunca örtü verininuğrayabileceği saldırılara karşı gizlenmiş veriyi korumak hedeflenmiştir.Resmin parlaklık değişimlerine karşı gizlenmiş mesajı korumak için yerel ikiliörüntü (LBP) operatörünün kullanılması önerilmiştir. Daha önceden damgalamatekniklerinde kullanılan bu metodun, daha farklı bir yaklaşımla steganografidekullanılması önerilmiştir. Resme LBP operatörü uygulandıktan sonra LBP haritasınınüzerinde, LSB metodu kullanılarak veri gizlenecektir. Önerilen algoritmanınsaldırılara karşı dayanıklılığı, kapasitesi ve taşıyıcıdaki değişimölçülecektir.