Genetik algoritmalarla güvenli veri iletimi için şifreleme anahtarı üretimi
Encryption key generation for secure data transmission with genetic algorithms
- Tez No: 907744
- Danışmanlar: PROF. DR. MUSTAFA ALKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, genetik algoritmaların (GA) DES, 3DES ve AES şifreleme algoritmaları için güvenli ve rastgele anahtarlar üretme konusundaki etkinliği incelenmiştir. Çalışmanın ilk aşamasında, popülasyon büyüklüğü, nesil sayısı ve mutasyon oranı gibi parametrelerin etkileri değerlendirilmiştir. Turnuva seçilimi, elitizm ve rulet tekerleği gibi farklı seçilim yöntemlerinin performansları karşılaştırılmıştır. Çalışma boyunca iki noktalı, tek noktalı ve uniform çaprazlama yöntemleri kullanılmıştır. Sonuçlar, turnuva seçilimi ve iki noktalı çaprazlama yönteminin en yüksek entropi değerlerine ulaştığını göstermiştir. Ayrıca, adaptif mutasyon oranlarının kullanımı, genetik algoritmaların farklı evrelerinde daha etkin çalışmasını sağlamıştır. Bu yöntemle, erken evrelerde yüksek mutasyon oranı kullanılarak çeşitlilik artırılmış, ilerleyen evrelerde ise düşük mutasyon oranı ile çözüm stabil hale getirilmiştir. Literatürde yapılan çalışmalarla uyumlu olarak, yüksek mutasyon oranlarının ve küçük popülasyon boyutlarının uzun vadede daha iyi performans gösterdiği görülmüştür. Deneylerin sonucunda, genetik algoritmaların doğru parametreler ve yöntemlerle kullanıldığında, yüksek güvenlik sağlayan rastgele şifreleme anahtarları üretebileceği kanıtlanmıştır. Bu çalışma, genetik algoritmaların şifreleme anahtarı üretiminde güçlü bir araç olduğunu ve doğru parametre optimizasyonu ile şifreleme güvenliğini artırmada etkili olduğunu göstermektedir.
Özet (Çeviri)
This study examines the effectiveness of generating secure and random keys for DES, 3DES, and AES encryption algorithms using genetic algorithms (GA). The initial phase of the study evaluated the effects of parameters such as population size, number of generations, and mutation rate. The performance of different selection methods, including tournament selection, elitism, and roulette wheel, was compared. Throughout the study, two-point, one-point, and uniform crossover methods were utilized. Results indicated that tournament selection and two-point crossover methods achieved the highest entropy values, producing the most secure keys. Additionally, the use of adaptive mutation rates allowed the genetic algorithms to operate more effectively at different stages. With this method, high mutation rates were used in the early stages to increase diversity, while low mutation rates were used in later stages to stabilize the solution. Consistent with literature findings, high mutation rates and small population sizes demonstrated better long-term performance. The experiments concluded that genetic algorithms, when used with the correct parameters and methods, can produce highly secure random encryption keys. This study demonstrates that genetic algorithms are a powerful tool for generating encryption keys and can significantly enhance encryption security with proper parameter optimization.
Benzer Tezler
- Ses steganografisinde heuristik algoritmalar
Heuristic algorithms in audio steganography
SAZEEN ABDULRAZZAQ
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ECİR UĞUR KÜÇÜKSİLLE
- Görüntü steganografisi için genetik algoritma ve blok tabanlı yeni bir yöntem
Genetic algorithm and block based a new method for image steganography
ZEYNEP SARI
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET YILDIRIM
- Comparative next generation sequencing data analysis
Karşılaştırmalı yeni nesil dizileme verisi analizi
MEHMET ARİF ERGÜN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BAYSAN
- XAU/USD prıce predıctıon usıng deep learnıng: hyperparameter optımızatıon wıth bayesıan, grey-wolf and genetıc algorıthms
Derin öğrenme kullanarak XAU/USD fiyat tahmini: bayes, gri kurt ve genetik algoritmalarla hiperparametre optimizasyonu
MELİS KÜÇÜK
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Nesne tespiti ve görüntü sınıflandırmada derin öğrenme modellerine dayalı yeni yöntemlerin geliştirilmesi
Development of novel deep learning-based methods for object detection and image classification
MALIKI MOUSTAPHA
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÖZTÜRK