Geri Dön

Parmak izi ile kimlik doğrulamada siber güvenlik

Cyber security in authentication with fingerprint

  1. Tez No: 857096
  2. Yazar: ORHAN ŞAHİN
  3. Danışmanlar: PROF. DR. HASAN HÜSEYİN SAYAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 116

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.

Özet (Çeviri)

This thesis analyzes in depth the performance of various machine learning models to improve the effectiveness of fingerprint recognition systems in the context of cybersecurity. The main purpose of the study is to determine the most appropriate machine learning techniques that will maximize the accuracy and security of biometric data. In this context, random forest, gradient boosting, k-nearest neighbors, neural network, stochastic Gradient descent and support vector machine models were examined in detail. Training and testing times, Area Under Area, accuracy , F1 score, precision and recall rates of each model were evaluated. In particular, Random forest attracts attention with its high area under curve value (0.961) and accuracy rate (0.922). The main findings of the thesis provide significant contributions to the development of fingerprint recognition systems in the field of cyber security. Fingerprint recognition is a biometric verification method that plays a critical role in the field of cybersecurity, and the accuracy of this method depends on the algorithms used. Machine learning techniques are increasingly used to increase the effectiveness of these verification processes. This study comprehensively considers the applications of various machine learning models in fingerprint recognition systems and compares the performance of these models. The Random forest model offers faster training and testing times than other models and reaches high accuracy rates. This shows that Random Forest is an ideal option for use in fingerprint recognition systems. On the other hand, the low performance of the support vector machine model reveals that it is not suitable for sensitive applications such as fingerprint recognition. These findings of the study emphasize the importance of model selection in cyber security applications.

Benzer Tezler

  1. Development and evaluation of the authentication systems by using different palm print identificaton methods

    Farklı avuç içi tanıma yöntemleri kullanılarak kimlik doğrulama sistemlerinin geliştirilmesi ve değerlendirilmesi

    EMEL ÇOŞKUN

  2. Kalite ağırlıklandırılmış özdüzenleyici haritalar ile yüz sınıflandırma

    Face classification using quality weighted self organizing maps

    MESUT ÇEVİKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HASAN ŞAKİR BİLGE

  3. Biyometrik verilerin polinom interpolasyonu ile saklanması

    Storing biometric data via polynomial interpolation

    ASLIHAN AKPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERGÜN YARANERİ

    DOÇ. DR. ENVER ÖZDEMİR

  4. Secure and efficient biometric authentication based on advanced cryptographic primitives

    Gelismiş kriptografik öğelere dayalı güvenli ve verimli biyometrik kimlik doğrulama

    ZİYA ALPER GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Bilgisayar Ana Bilim Dalı

    DR. MEHMET SABIR KİRAZ

    DR. OSMANBEY UZUNKOL