Bu tez, dijital yanlış bilginin artan tehdidini ele almak için kamu blok zinciri ve kolektif zekayı kullanan bir Deepfake Algılama Sistemi sunmaktadır. Ethereum Sepolia test ağında uygulanan sistem, insan işbirliğini ve merkezi olmayan teknolojiyi birleştirerek, üretim yöntemlerinden bağımsız olarak deepfake'leri tespit eder. Akıllı sözleşmelerin kullanılması, oylama süreçlerini otomatikleştirerek ve oylama doğruluğuna göre kullanıcı güvenilirliğini ayarlayarak şeffaflığı, adaleti ve ölçeklenebilirliği garanti eder. Sistem, kullanıcı etkisini normalleştirerek ve açık katılımı teşvik ederek güven ve doğruluk oluşturur. Bu çalışma, sistemin sağlamlığını, ölçeklenebilirliğini ve yanlış bilgiyle mücadele yeteneğini gösterirken, diğer alanlarda blok zinciri tabanlı doğrulama için temel oluşturur.

Tarih: 07.01.2025 / 14:00 Yer: A-212

Bu tez, makine öğrenmesi algoritmalarının karşılaştığı verideki değişimlerin modelin geçerliliğini ve performansını azalması sorunu olan kavram kayması problemini ele almaktadır. Araştırma, yeni konseptleri tespit eden ve her bir konsepte özel modeller geliştirerek onlara uyum sağlayan dinamik bir sistem önermektedir. Bu sistem, topluluk stratejilerinin kullanımını ve sentetik veriyle sınıf dengesizliklerinin giderilmesini de içermektedir. Bu araştırma, veri setleri arasındaki farklılıklar ve performans ölçütlerine dayalı konsept kayması tespit yöntemleri ile tahmin edilecek veri setlerinin konseptlerini dikkate alan farklı tahmin yöntemlerini kullanarak; dinamik ortamlarda model uyarlanabilirliğini artırmayı ve kavram kayması sorununa kapsamlı bir çözüm sunmayı amaçlamaktadır.

Tarih: 27.12.2024 / 14:00 Yer: A-212

Bu tez sanal gerçeklik veya karma gerçeklik ortamlarının model-tabanlı sistem mühendisliğinin icra edilmesine uygulanabilirliğini anlamaya ve bu tarz kullanımlara uygun bir çerçeve yazılım prototip geliştirmeyi hedeflemektedir. Sistem mühendisliği veya etkileşimli uygulamalar ve oyun geliştirme deneyimli kişiler ile kullanıcı testleri gerçekleştirilerek, bu ortamların bilgisayar ortamlarına karşı avantajlarını ve dezavantajlarını tanımlamaktadır. Sonuç olarak olası gelecek araştırmalara kuvvetli temel oluşturulmuş ve sanal gerçeklik veya karma gerçekliğin model-tabanlı sistem mühendisliği için uygun bir ortam olduğu tespit edilmiştir.

Tarih: 26.11.2024 Yer: A-212

Bu tez, görsel ve işitsel ipuçların birleştirildiklerinde bir yanılsama meydana getirmeyi sağlayan McGurk etkisini kullanarak, 3B model sadeleştirme algoritmalarının verimliliklerini kıyaslamaya yarayan bir yöntem sunmaktadır. Çalışma, bir insan başı modeli tasarlamayı, ağız hareketlerini canlandırmayı ve belirli hece seslerini kaydederek sanal bir sahne oluşturmayı içerir. Oluşturulan bu sanal sahne kapsamında bir kullanıcı çalışması gerçekleştirilmiştir. Bu çalışmada, canlandırma yapılan başa uygulanan üç farklı model sadeleştirme algoritması orta ve yüksek zorluk seviyelerinde her hece için ayrı ayrı icra edilmiş ve her bir algoritmanın etkinliğini test etmek ve ölçmek amacıyla bir analiz yapılmıştır. Sonuçlar, 3B modelleme ve sanal gerçeklik uygulamaları için verimlilik ile algıda doğruluk arasında olabilecek bir dengeye dair görüşler sunmaktadır.

Tarih: 29.11.2024 / 10:00 Yer: A-212

Active Directory (AD), günümüzde en yaygın kullanılan dizin hizmetlerinden biridir ve bir organizasyon içindeki ağ kaynaklarını organize etme ve yönetmede önemli bir rol oynar. Normal ağ trafiğiyle karışması nedeniyle tespit edilmesi zor olabilen AD saldırılarını önlemek ve tespit etmek için sağlam bir güvenlik stratejisi çok önemlidir. Bu tür saldırılardan biri, Kerberos kimlik doğrulama protokolündeki zayıflıkları istismar eden Kerberoasting saldırısıdır. Bu saldırıları tespit etmek için denetlenen makine öğrenimi algoritmaları önerilmektedir. Ayrıca, bu algoritmaların Kerberoasting saldırıları için verimliliğini ölçmek üzere herkese açık bir veri kümesi oluşturuldu ve paylaşıldı.

Tarih: 22.11.2024 / 14:00 Yer: A-108

Açık kaynak kodlu yazılım projelerinin gelişen dünyasında, etkili sorun yönetimi, proje başarısını sürdürmenin temel bir unsuru olmaya devam etmektedir. Sorun raporları, yazılım ürünleri ile ilgili hataları bildirmek, yeni özellikler talep etmek veya sorular sormak amacıyla oluşturuldukları için değerli bilgiler sağlar. Kalite açısından büyük ölçüde farklılık gösteren çok sayıda sorun raporu, çalışmaları önceliklendirmek ve kaynakları etkili bir şekilde yönetmek için doğru sorun sınıflandırma mekanizmalarını gerektirir. Doğru şekilde atanan sorun etiketleri, etkili proje yönetimi ve sorun yönetimini geliştirmek amacıyla yapılan araştırmaların güvenilirliği açısından kritik öneme sahiptir, çünkü bu araştırmalar genellikle atanmış olan sorun etiketlerini gerçek referans değer olarak varsayar. Bu çalışma, sorun yönetim süreçlerini iyileştirmek için açık kaynak kodlu yazılım geliştirme projelerindeki atanan sorun etiketlerinin güvenilirliğini değerlendirmeyi amaçlamaktadır. Araştırma, GitHub’da bulunan açık kaynak kodlu yazılım geliştirme projelerinden iki sorun raporu veri kümesi toplanmasını içermektedir. Sorun etiketi sınıflandırması kapsamında en gelişkin büyük dil modelleri ile deneyler gerçekleştirilmiştir. Ayrıca, atanan sorun etiketlerinin, sorun içeriği açısından ilgisini değerlendirmek için nitel bir analiz yapılmıştır. Sorun raporları üzerinde gerçekleştirilen deneysel çalışma, atanan etiketler ile sorunların asıl içeriği arasında önemli bir uyumsuzluk olduğunu ortaya koymuştur. Çalışma ayrıca, en gelişkin büyük dil modellerinin sorun etiketlerini sınıflandırmadaki etkinliğini göstererek açık kaynak kodlu yazılım geliştirme projelerinde sorun etiketlerinin güvenilirliğine ilişkin endişeleri vurgulamıştır.

Tarih: 06.09.2024 / 11:00 Yer: A-108

Görsel soru cevaplama (VQA), hem görsel hem de dil içeriğini anlamayı, akıl yürütmeyi ve çıkarım yapmayı gerektiren bütüncül bir yapay zeka görevi olarak tanımlanır. Son yıllarda sinirsel mimarilerdeki gelişmelere rağmen, sıfır-atış VQA, gelişmiş genelleme ve akıl yürütme becerileri gerektirdiğinden önemli bir zorluk olmaya devam etmektedir. Bu tez, yeni Büyük Dil Modellerinin (LLM) sıfır-atış görsel soru cevaplamadaki yeteneklerini keşfetmeyi amaçlamaktadır. Spesifik olarak, CogVLM, GPT-4 ve GPT-4o gibi çok modlu LLMlerin performansları, akıl yürütme yeteneğini ölçmek amacıyla çeşitli sorular içeren GQA veri setinde değerlendirilmiştir. VQA için, LLMlerden yararlanan ve ara adım olarak görüntü altyazılamayı entegre eden yeni bir çerçeve önerilmiştir. Ayrıca, farklı istem tekniklerinin VQA performansı üzerindeki etkisi incelenmiştir. Değerlendirmeler, anlamsal ve yapısal olarak farklılık gösteren sorular üzerinde gerçekleştirilmiştir. Bulgular, sıfır-atış koşullarında VQA performansını artırmak için görüntü altyazıları ve optimize edilmiş istemlerin kullanım potansiyelini vurgulamaktadır.

Tarih: 04.09.2024 / 13:30 Yer: A-212

Bu araştırma, Makine Öğrenimi (ML) projelerindeki Teknik Borç (TD) olgusunun çok yönlü doğasını ele almaktadır. ML tabanlı projeler ile geleneksel yazılım projeleri arasında yapısal farklılıklar olması sebebiyle teknik borç olgusunun yeniden ele alınması ihtiyacı doğmuştur. Çalışma, TD’nin ML projelerinde nasıl ortaya çıktığını, kök nedenleri, etkileri, geçici çözümleri ve ideal çözümleri sistematik olarak incelemektedir. ML'ye özgü TD, endüstri profesyonelleriyle yapılan yarı yapılandırılmış görüşmelerin kodlama analizi yoluyla kategorize edilmiştir. Bulgular, akademik uzmanlar tarafından birden çok iterasyonda değerlendirilmiştir. Bu çalışma, ML bağlamında teknik borcun özgün doğasını vurgulayarak ve yönetimi için yapılandırılmış yaklaşımlar önererek literatüre katkıda bulunmaktadır.

Tarih: 06.09.2024 / 09:30 Yer: A-212

Atmosferik türbülans, sıcaklık, rüzgar hızı ve nem gibi faktörlerden kaynaklanır ve atmosferin kırılma indeksinde rastgele dalgalanmalara yol açar. Bu fenomen, uzun menzilli gözlem sistemlerinin görüntü kalitesini geometrik bozulmalar ve mekansal-zamansal değişen bulanıklık ile düşürür. Türbülans, görünür ve termal bantlar da dahil olmak üzere çeşitli görüntüleme spektrumlarını etkileyebilir. Bu tez, termal görüntülerdeki atmosferik türbülans sorununu ve bunun nesne tespit modellerine etkisini ele almaktadır. Bu zorluğun üstesinden gelmek için, değişen şiddet seviyelerine sahip türbülanslı görüntüleri eğitim verisi olarak kullanarak nesne modellerinin performansını artıran bir veri artırma yöntemi öneriyoruz. Geometrik bir türbülans simülatörü kullanarak eğitim örnekleri üretiyor ve Geometrik, Zernike tabanlı ve P2S tabanlı simülatörleri kullanarak türbülanslı test setlerini oluşturuyoruz. Bu sayede, artırma yöntemimizin farklı türlerdeki simüle edilmiş türbülanslar arasında etkinliğini doğruluyoruz. Sonuçlarımız, bu veri artırma yaklaşımının hem türbülanslı hem de türbülanssız termal test görüntüleri için performansı önemli ölçüde artırdığını göstermektedir.

Tarih: 03.09.2024 / 13:30 Yer: B-116

Sinir ağlarının nicelemesi, gerçek zamanlı gereksinimleri karşılamak için gerekli bir tekniktir. Eğitim verileri mevcut olmadığında, veri gerektirmeyen niceleme önemli bir yaklaşımdır. Bildiğimiz kadarıyla, kızılötesi alanda veri gerektirmeyen niceleme daha önce araştırılmamıştır. Bu tez, kızılötesi görüntülerle eğitilen modellerde, toplu normalizasyon istatistiklerine dayalı veri gerektirmeyen niceleme performansını inceler. RGB görüntülerle önceden eğitilmiş modelleri, kızılötesi görüntülerle yeniden eğittik. RetinaNet ve YOLOv8 için en iyi sonuçları elde etmek amacıyla veri üretme sürecini kapsamlı bir şekilde araştırdık. Sonuçlarımız, veri gerektirmeyen nicelemenin kızılötesi alanda daha etkili olduğunu göstermektedir.

Tarih: 03.09.2024 / 11:00 Yer: B-116