Derin Öğrenme ile Büyük Veri Kumelerinden Saldırı Türlerinin Sınıflandırılması

Most of the criminal acts are performed using criminal tools. One of the most effective ways of preventing crime is to observe and detect offensive weapons by security camera systems. Deep learning techniques can show very high-performance in observing and perceiving objects. In the current study, the performances of the pre-trained AlexNet, VGG16, and VGG19 models based on convolutional neural networks, were tested for the detection and classification of criminal tools such as guns and knives. In the study, the training process was carried out using transfer learning approaches such as Fine-tuning and Training from scratch based on deep architectures. To test the deep architectures used in the proposed study, the gun and knife datasets frequently used in the literature were collected and combined with new datasets obtained originally from search engines and videos, and then their performances were tested. In the experimental results, the VGG16 model based on fine-tuning for the two and three classes achieved the highest accuracy in detecting criminal devices with a rate of 99.73% and 99.67%, respectively. As a result, the study has observed that offensive weapons could be detected with security cameras using learned weights of deep architectures.

show abstract

“…CNN applications are widely used for object detection, prediction, text detection, image detection, etc. [18][19][20][21][22][23][24].…”

Section: Figure 4 Convolutional Neural Network Layersmentioning

confidence: 99%

Deep Neural Networks Based on Transfer Learning Approaches to Classification of Gun and Knife Images

AĞDAŞ¹,

Türkoğlu²,

Gülseçen³

2021

Sakarya University Journal of Computer and Information Sciences

View full text Add to dashboard Cite

show abstract

“…Web uygulamaları güvenli değilse, yani çeşitli bilgisayar korsanlığı tekniklerinden en az birine karşı savunmasızsa, hassas bilgiler içeren veri tabanının tamamı ciddi bir web uygulaması saldırısı riski altındadır. [2].…”

Section: Introductionunclassified

Genetic Feature Selection Approach in Detection of Web Application Attacks Using Machine Learning Methods

Ahmetoglu

Daş

2021

Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi

View full text Add to dashboard Cite

Applications on the Internet have some coding-related security concerns. Weaknesses or vulnerabilities allow criminals to gain direct and public access to databases to steal sensitive data. This study proposes an approach based on heuristic feature selection and machine learning for easier and more accurate detection of web application attacks with hybrid intrusion detection systems. Web application attacks and benign flow examples in CIC-IDS2017 and CSE-CIC-IDS2018 datasets were combined after a series of data preprocessing stages, and a new dataset was created. Using Genetic Algorithm and LogisticRegression, mean square error and feature count optimization were performed, and the results were tested with five different machine learning algorithms. When the results obtained were examined, it was observed that the success rate in classification remained at the level of 99%, although the number of features was reduced by 85%

show abstract

“…Bu metodun "derinligi" ile birbirini takip eden gösterim katmanlarının sayısı kastedilmektedir. Günümüzde derin ögrenme bir çok disiplin için önemli bir araştırma konusudur[18]. Tekrarlanan yapay sinir agları (a <t> = g 1 (W aa a <t−1> +W ax x t + b a )(12)y <t> = g 2 (W ya a <t> + b y )…”

unclassified

Türkçe Otel Yorumlarıyla Eğitilen Kelime Vektörü Modellerinin Duygu Analizi ile İncelenmesi

Ahmetoğlu

Daş

2020

Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi

View full text Add to dashboard Cite

Özet: Dogal dil işlemenin ve metin sınıflandırmanın önemli araştırma alanlarından biri de duygu analizidir. Bu alanda çalışmalar hızla büyümektedir. Bu teknik dijital yaşamın her çeşit uygulama alanında kendini göstermektedir. Duygu analizi için geliştirilen birçok teknik vardır ancak son zamanlarda dogal dil işlemenin kelime vektör modeli metotları duygu analizinde yaygın olarak kullanılmaya başlamıştır. Word2Vec kelimeleri anlamlı vektörlere dönüştürebilen en kullanışlı kelime vektör modeli yöntemleri arasındadır. Bu yöntem ile kelime vektörleri oluşturabilmek için büyük kelime havuzlarına ihtiyaç vardır. Önceden egitilmiş modeller duygu analizinde daha dogru sonuçlara ulaşabilmeyi mümkün kılarlar. Bu çalışmada duygu analizinde incelenmek üzere, onaylanmış kullanıcıların Türkçe otel yorumları veri kazıma yöntemleri ile toplanmıştır. Elde edilen bu özgün veriler Word2Vec ile egitilerek kelime vektörleri oluşturulmuştur. Bu vektörler ile tekrarlanan yapay sinir agının bir çeşidi olan geçitli tekrarlayan birimler ile bir sınıflandırma modeli geliştirilmiştir. Daha geniş kelime torbalarıyla egitilmiş kelime vektörleri ile rastgele degerler atanarak oluşturulan vektörler, aynı derin ögrenme yöntemiyle yeniden incelenmiş ve elde edilen sınıflandırma başarıları karşılaştırılmıştır. Elde edilen sonuçlara göre özel alandan bagımsız, daha geniş kapsamlı kelime torbalarının sınıflandırma başarısını arttırdıgı gözlemlenmiştir.

show abstract

Derin Öğrenme ile Büyük Veri Kumelerinden Saldırı Türlerinin Sınıflandırılması

Cited by 8 publications

References 10 publications

Deep Neural Networks Based on Transfer Learning Approaches to Classification of Gun and Knife Images

Deep Neural Networks Based on Transfer Learning Approaches to Classification of Gun and Knife Images

Genetic Feature Selection Approach in Detection of Web Application Attacks Using Machine Learning Methods

Türkçe Otel Yorumlarıyla Eğitilen Kelime Vektörü Modellerinin Duygu Analizi ile İncelenmesi

Contact Info

Product

Resources

About