Adli Bilişim İncelenme Süreçlerinde Yapay Zeka Kullanımı: VGG16 ile Görüntü Sınıflandırma
Abstract
Son yıllarda teknolojide meydana gelen gelişmelerle beraber başta internet ve sosyal medya olmak üzere bulut bilişim, akıllı telefon ve navigasyon sistemleri gibi uygulamaların kullanım oranları artmıştır. İnternet ve bilişim cihazlarının yoğun kullanımı, beraberinde depolanan veya aktarılan veri miktarını arttırmış ve bu artış aynı zamanda dijital dünya ile ilişkilendirilen suç oranının da yükselmesine neden olmuştur. İşlenen suçlara ilişkin elde edilen delil boyutu da paralel olarak artmış ve artan veri miktarı, adli bilişim uzmanlarının mevcut imkânlarla veriyi analiz edebilmesini zorlaştırmıştır. Adli bilişim veri inceleme süreçlerinde yaşanan aksamalar nihai olarak adli yargılama süreçlerini de olumsuz etkilemiştir. Söz konusu sorunların giderilmesi kapsamında makalede, elde edilen görüntü verilerinin hızlı ve doğru olarak analiz edilmesini sağlayan bir model önerilmiştir. Önerilen model, VGG16 ağ yapısı ile görüntü sınıflandırma için özel tasarlanan ağ katmanlarından oluşmaktadır. Çalışmada, 2085’i Kaggle platformundan 915’i farklı kaynaklardan oluşturulan 300*300 piksel çözünürlüklü resimlerden oluşan veri seti kullanılmıştır. Model, FloydHub ortamında Keras ve TensorFlow kütüphaneleri ile test edilmiştir. Test sonuçlarına göre modelde %97.8 doğruluk oranı elde edilmiştir. Elde edilen sonuç, benzer çalışmalarla kıyaslanmış ve önerilen modelin diğer çalışmalara oranla ortalama %5 oranında performans artışı sağladığı görülmüştür.
Keywords
Adli bilşim, Yapayzeka, Derin öğrenme, Evrişimsel sinir ağları, ESA
References
- [1] V. Ganesh, “Artificial intelligence applied to computer,” International Journal of Advance Research in Computer Science and Management Studies, vol. 5, no. 5, pp. 21-29, 2017.
- [2] R.M.A. Mohammad, M. Alqahtani, “A comparison of machine learning techniques for file system forensics analysis,” Journal of Information Security and Applications, vol. 46, pp. 53-61, 2019.
- [3] W.D. Ferreire, C.B.R. Ferreire, G.C. Junior and F. Soares, “A review of digital image forensics,” Computers and Electrical Engineering, vol. 85, no. 106685, 2020.
- [4] Y. Başar, “Siber suç soruşturmalarında adli bilişim incelemeleri,” Yüksek Lisans tezi, Fen Bilimleri Enstitüsü, Afyon Kocatepe Üniversitesi, Afyon, Türkiye, 2015.
- [5] N. Kansagara and S. Singh, “Thematically clustering in digital forensics text string searching: A survey,”International Journal of Advanced Research in Computer Science, vol. 8, no. 3, pp. 1128-1130, 2017.
- [6] Y. Korkmaz ve B. Aytuğ, “Adli bilişim açısından ses incelemeleri,” Science and Engineering Journel of Fırat University, c. 30, s. 1, ss. 329-343, 2018.
- [7] A.L.S. Orozco, C.Q. Huaman, D.P. Alvarez and L.J.G Villalba, “A machine learning forensics technique to detect post-processing in digital videos,” Future Generation Computer Systems, vol. 111, pp. 199–212, 2020.
- [8] D. Chaves, E. Fidalgo, E. Alegre, R.A. Rodriguez, F.J. Martino and G. Azzopardi, “Assessment and estimation of face detection performance based on deep learning for forensic applications,” Sensors, vol. 20, no. 16, pp. 4491, 2019.
- [9] G. Sreenu and M.A.S. Durai, “Intelligent video surveillance: A review through deep learning techniques for crowd analysis,” J Big Data, vol. 6, no. 48, 2019.
- [10] K. Fernandes, J.S. Cardoso and B.S. Astrup, “A deep learning approach for the forensic evaluation of sexual assault,” Pattern Analysis and Applications, vol. 21, pp. 629–640, 2018.