Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: Türkçe
Öğrenci: Rukiye Karakış
Danışman: İNAN GÜLER
Özet:Günümüzde, medikal veriler İnternet ve açık ağlarda tehlike altındadır. Medikal verilerin ele geçirilmesi veya değiştirilmesi, hasta haklarının ihlal edilmesine ve hastaların hayatlarının tehlikeye girmesine sebep olabilir. Bu nedenle, medikal verilerin ve özellikle medikal görüntülerin güvenliği sağlanmalıdır. Medikal verilerin güvenliği için kriptoloji ya da steganografi teknikleri kullanılmaktadır. Bu çalışmada, medikal verilerin tek bir ortamda birleştirilerek güvenliğinin sağlanması için iki yeni steganografi yöntemi önerilmiştir. Bu sebeple, Elektroensafolagram (EEG) gizlenecek mesaj olarak, Manyetik Rezonans (MR) görüntüleri taşıyıcı görüntü olarak kullanılmıştır. EEGnin yanısıra mesaj, doktor yorumu ve görüntülerin başlık kısmında yer alan hasta kişisel bilgilerinden oluşturulmuştur. En az ağırlıklı bite (Least Significant Bit-LSB) veri gizleme, literatürde en çok kullanılan yöntemdir. Aynı zamanda, bu yöntem basit ve oldukça hızlıdır. Bu çalışmada, benzerlik tabanlı (Similarity-SM) ve bulanık mantık tabanlı (Fuzzy Logic-FL) iki yeni steganografi yöntemi önerilmektedir. Bu yöntemler, piksellerin LSBlerini sıralı olmadan seçmektedir ve seçilen piksellerin LSBleri ile mesaj bitlerini yer değiştirmektedir. Mesaj gizlemek için piksellerin gri seviyelerinin benzerlik değerleri kullanılmaktadır. SM-LSB algoritması, mesaj gizlemek için piksellerin LSBlerini deneme-yanılma ile belirlenen bir eşik değerine göre seçmektedir. FL-LSB algoritması, sıralı olmadan seçilen piksellerin LSBlerinde bir eşik değeri olmaksızın mesaj gizlemektedir. Mesaj, saldırıları engellemek için kayıpsız sıkıştırma ve simetrik şifreleme algoritmaları kullanılarak korunmaktadır. Taşıyıcı ve gömülü görüntülerin performansı, istatistiksel analiz yöntemleri olan hataların kareleri ortalaması (Mean Square Error-MSE), sinyalin tepe değerinin gürültüye oranı (Peak Signal to Noise Ratio-PSNR), evrensel kalite indeksi (Universal Image Quality Index-UQI), yapısal benzerlik (Structural Similarity-SSIM) ve korelasyon katsayısı (R) ile ölçülmüştür. Elde edilen analiz sonuçlarına göre FL-LSB yöntemi, LSB algoritmasını güçlendirmiş ve medikal verileri tek bir ortamda birleştirerek güvenliğini sağlamıştır. Aynı zamanda, MR görüntüleri ve EEG sinyallerinin iletim kapasitesi ve kayıt alan miktarları azaltılmıştır ve MR görüntülerinin başlık kısımlarındaki hastaların kişisel bilgilerinin güvenliği de sağlanmıştır.