Mobile device identification via sensor fingerprinting based on user behavior analysis
Kullanıcı alışkanlıklarına dayalı sensör tabanlı parmak izi sistemi ile akıllı cihaz tanıma
- Tez No: 591851
- Danışmanlar: DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Bu yüksek lisans tez çalışması akıllı cihazlarda yer alan sensörleri kullanarak, kullanıcı alışkanlıklarına göre değişen sensör hareketlerindeki farklılıkları tespit edip cihazların tanımlanmasını sağlayan bir çalışma sunmaktadır. Akıllı cihaz sensörleri, kullanıcı hareket tanılama, sağlık koçluğu, ani hareketlerin tespit edilmesi gibi birçok farklı alanda hali hazırda kullanılmaktadır. Bunların dışında, sensör verilerine dayanarak cihaz tanılama ile daha akıllı ve kullanışlı bir sistem tasarlanabilir. Klasik kullanıcı tanılama teknolojileri, web/mobil üzerinde kullanıcının tekilliğini ifade eden, donanım ya da yazılım tarafından üretilmiş kimlik bilgisini kul- lanmaktadır. Örneğin, tarayıcılarda yer alan çerez bilgisi, akıllı cihazlarda bulunan seri numarası mevcut sistemler tarafından kullanılmaktadır. Fakat, bu yöntemler gizlilik ve kalıcılık barındırmaması nedeniyle cihaz tanılama problemine çözüm getirmemektedir. Akıllı cihaz sensörleri ile kullanıcı tanılama çalışması kapsamında 25 farklı kullanıcı için 140 GB dan fazla sensör verisi kullanıldı. Veri içerisinde yer alan farklı sensörler arasından ivmeölçer, jiroskop, basınç, yer çekimi ve ışık sensörleri tercih edildi. Sensör verilerinden çıkarılan öznitelikleri değerlendirmek için Rastgele Orman, Gradyan Artırma, Genelleştirilmiş Lineer Model ve Yapay Sinir Ağı algoritmaları kullanıldı. Sonuç olarak, ivmeölçer ve jiroskop sensörleri birlikte kullanıldığında, Rastgele Orman algoritması ile %96 gibi bir başarı oranı elde edildi.
Özet (Çeviri)
Modern mobile devices are capable of sensing a large variety of changes, ranging from users' motions to environmental conditions. Context-aware applications utilize the sensing capability of these devices for various purposes, such as human activity recognition, health coaching or advertising, etc. Identifying devices and authenticating unique users is another application area where mobile device sensors can be utilized to ensure more intelligent, robust and reliable systems. Traditional systems use cookies, hardware or software fingerprinting to identify a user but due to privacy and security vulnerabilities, none of these methods propose a permanent solution, thus sensor fingerprinting not only identifies devices but also makes it possible to create non-erasable fingerprints. In this thesis, we focus on distinguishing devices via mobile device sensors. To this end, a large dataset, larger than 140 GB, which consists of accelerometer, gyroscope, pressure, light and gravity sensor data from 25 distinct devices is utilized. We employ different classification methods on extracted features based on various time windows from mobile sensors. Namely, we use random forest, gradient boosting machine, generalized linear model and artificial neural network. In conclusion, we obtain the highest accuracy as 96% from various experiments in identifying 25 devices using random forest on the data from accelerometer and gyroscope sensors.
Benzer Tezler
- Calibration of mobile device microphones and their use for sound source identification
Mobil cihaz mikrofonlarının kalibrasyonu ve ses kaynağı tespiti için kullanılması
GÜNER BERKER RAHTUVAN
Yüksek Lisans
İngilizce
2020
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. OSMAN TAHA ŞEN
- A distributed human identification system for indoor environments
Kapalı ortamlar için dağıtık mimarili insan tanıma sistemi
EMRE SERCAN ASLAN
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE
- Step length estimation using sensor fusion for indoor positioning
İç mekan konumlandırması için sensor füzyonu ile adım uzunlugu tahmini
HASBİ SEVİNÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Sorting single wall carbon nanotubes by electronic structure using gel chromatography
Tek duvarlı karbon nanotüplerin elektronik yapılarına göre jel kromatografi yöntemi ile ayrılması
FERESHTEH ORDOKHANI
Yüksek Lisans
İngilizce
2016
Kimyaİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. NİLGÜN KARATEPE YAVUZ
- Dokunma dinamiği ile mobil kullanıcılar için kimlik doğrulama
Mobile user authentication using touch dynamics
RIDVAN ÖZGÜVENİR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. MUHAMMED OĞUZHAN KÜLEKCİ