Parmak izi ile kimlik doğrulamada siber güvenlik
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Bilişim Enstitüsü, Adli Bilişim, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: ORHAN ŞAHİN
Danışman: Hasan Hüseyin Sayan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez, siber güvenlik bağlamında parmak izi tanıma sistemlerinin etkinliğini artırmak için çeşitli makine öğrenmesi modellerinin performansını derinlemesine analiz eder. Çalışmanın temel amacı, biyometrik verilerin doğruluğunu ve güvenliğini maksimize edecek en uygun makine öğrenmesi tekniklerini belirlemektir. Bu bağlamda, rastgele orman (random forest), gradient boosting, k-en yakın komşu, neural network, stokastik gradyan iniş ve destek vektör makinesi modelleri detaylı bir şekilde incelenmiştir. Her bir modelin eğitim ve test süreleri, alan altında kalan alan, doğruluk (mevcut doğruluk), F1 skoru, kesinlik (precision) ve hatırlama (recall) oranları değerlendirilmiştir. Özellikle rastgele orman, yüksek alan altında kalan alan değeri (0.961) ve doğruluk oranı (0.922) ile dikkat çekmektedir. Tezin temel bulguları, siber güvenlik alanında parmak izi tanıma sistemlerinin geliştirilmesinde önemli katkılar sağlamaktadır. Parmak izi tanıma, siber güvenlik alanında kritik bir rol oynayan biyometrik doğrulama yöntemidir ve bu yöntemin doğruluğu, kullanılan algoritmalara bağlıdır. Makine öğrenmesi teknikleri, bu doğrulama süreçlerinin etkinliğini artırmak için giderek daha fazla kullanılmaktadır. Bu çalışma, çeşitli makine öğrenmesi modellerinin parmak izi tanıma sistemlerindeki uygulamalarını kapsamlı bir şekilde ele alarak, bu modellerin performansını kıyaslamaktadır. Rastgele orman modeli, diğer modellere göre daha hızlı eğitim ve test süreleri sunmakta ve yüksek doğruluk oranlarına ulaşmaktadır. Bu, rastgele orman'ın parmak izi tanıma sistemlerinde kullanımı için ideal bir seçenek olduğunu göstermektedir. Öte yandan, destek vektör makinesi modelinin düşük performansı, parmak izi tanıma gibi hassas uygulamalar için uygun olmadığını ortaya koymaktadır. Çalışmanın bu bulguları, siber güvenlik uygulamalarında model seçiminin önemini vurgulamaktadır.