Sosyal Medya İstihbaratının Makine Öğrenmesi Çerçevesinde İncelenmesi: Terörizm Çalışmaları

Abstract

Sosyal medya günümüz dünyasında birçok kişi tarafından kullanılan ve her gün devasa veri üreten bir platformdur. Bu platformdan elde edilen verileri işleyerek daha anlamlı sonuçlar çıkarmak ise oldukça önemli bir hale gelmektedir. Gelişen teknolojilerle beraber terör örgütleri de bu değişimi takip ederek taktiklerini geliştirmektedir. Artık terör örgütleri sosyal medyadan örgüt propagandası yapmak, örgüt ideolojisini yayarak eleman temin etmek, örgüt eylemlerine mali destek sağlamak gibi çeşitli nedenlerle sosyal medyayı kullanmaktadır. Bu sosyal medya platformlarından elde edilen sosyal medya istihbaratı ise kolluk kuvvetleri için oldukça önem teşkil etmektedir. Ancak geleneksel yöntemler artan verilerin analizi için yeterli olmamaktadır. Bu makalede terörizm konularında sosyal medya istihbaratı çalışmalarının makine öğrenmesi metotları kullanarak daha hızlı, daha ucuz ve daha efektif olarak yapılabileceğini ortaya koymak hedeflenmektedir. Bunu yaparken de hem makine öğrenmesi metotları hem bu metotlarla yapılan çalışmalar hem de sosyal medyadan ne tür analizler yapılabileceği karşılaştırmalı olarak sunulmuştur. Makale sonucunda ise Türkçe literatürde terörizm konularında yapılan sosyal medya istihbaratı çalışmalarında makine öğrenmesi tekniklerinin kullanılmadığı, çalışmalarda yapılan işlemlerin ya manuel ya da yazılım programları aracılığıyla yapıldığına ancak artan veri yoğunluğunun makine öğrenmesi ve yazılım dili kullanmanın daha kapsamlı ve daha anlamlı sonuçlar için çok önemli olduğu sonucuna ulaşılmıştır.

Keywords

• Sosyal Medya İstihbaratı
• Makine Öğrenmesi
• Savunma Bilimleri
• Milli Güvenlik
• Terörizm

Examining Social Media Intelligence within The Framework of Machine Learning: Studies of Terrorism

Abstract

Social media is a platform used by many people in today's world and produces huge data every day. It becomes very important to obtain more meaningful results by processing the data obtained from this platform. With developing technologies, terrorist organizations also follow this change and improve their tactics. Nowadays, terrorist organizations use social media for various reasons such as making propaganda for the organization through social media, recruiting personnel by spreading the organization's ideology, and providing financial support for the organization's actions. Social media intelligence obtained from these social media platforms is very important for law enforcement forces. However, traditional methods are not sufficient for the analysis of increasing data. This article aims to demonstrate that social media intelligence studies on terrorism issues can be carried out faster, cheaper and more effectively by using machine learning methods. While doing this, both machine learning methods, studies carried out with these methods, and what kind of analyzes can be done from social media are presented comparatively. As a result of the article, it was concluded that machine learning techniques were not used in social media intelligence studies on terrorism issues in the Turkish literature, the operations carried out in the studies were carried out either manually or through software programs, but the increasing data density, machine learning and using software language were very important for more comprehensive and more meaningful results.

Keywords

• Social Media Intelligence
• Machine Learning
• Defence Sciences
• National Security
• Terrorism

References

1. Abanoz, E. (2018). Bir Terör Saldırısı Sırasında Sosyal Medya Reaksiyonun Duygu Analizi. Terör ve Uyuşturucu Madde Şiddeti, s. 214-232.
2. Akay, E. Ç. (2018). Ekonometride yeni bir ufuk: Büyük veri ve makine öğrenmesi. Sosyal Bilimler Araştırma Dergisi, s. 41-53.
3. Akbulut, F., & Beren, F. (2012). Terörle Mücadelede Bütüncül Yaklaşımın Sosyal Politika Uygulamaları Bağlamından Algılanması: Suruç İlçesi Örneği. Akademik İncelemeler Dergisi (Journal of Academic Inquiries), s. 257-283.
4. Aksoy, G. P., & Nisan, F. (2017). Türkiye’deki terör olayları çerçevesinde Ankara patlamaları üzerine bir içerik analizi çalışması. TRT Akademi, s. 134-158.
5. Alzubi, J., Nayyar, A., & Kumar, A. (2018). Machine Learning from Theory to Algorithms: An Overview. Second National Conference on Computational Intelligence, s. 1-16.
6. Antonius, N., & Rich, L. (2013). Discovering Collection and Analysis Techniques for Social Media to Improve Public Safety . The International Technology Management Review, s. 42-53.
7. Ataç, K. K. (2019). İstihbarat, Casusluk, Karşı Casusluk, Örtülü Operasyonlar ve Güvenlik. Güvenlik Portalı Güvenlik Yazıları Serisi, s. 1-12.
8. Atalay, M., & Çelik, E. (2017). Büyük Veri analizinde Yapay Zeka ve Makine Ögrenmesi uygulamaları. Mehmet Akif Ersoy Üniversitesi Sostal Bilimler Enstitüsü Dergisi, s. 155-172.

9. Ateş, E. C., Bostancı, E., & Güzel, M. S. (2021). Veri Madenciliği Teknikleri İle Açık Kaynak İstihbaratı: Sosyal Medya İle Bbc, Cnn, Al Jazeere Ve Reuters Haber Ajanslarına Ait Gündemin Mukayesesi. Uluslararası Hitit Güvenlik Çalışmaları Kongresi, s. 329-338.
10. Atsa’am, Douglas, D., Wario, R., & Okpo, F. E. (2020). A new terrorism categorization based on casualties and consequences using hierarchical clustering. Journal of applied security research, s. 369-384.
11. Balaban, M. E., & Kartal, E. (2015). Veri Madenciliği ve Makine Öğrenmesi. İstanbul: Çağlayan Kitapevi.
12. Bartlett, J., & Reynolds, L. (2015). The State of the Art 2015: A Literature Review of Social Media Intelligence Capabilities for Counter-Terrorism. Demos.
13. Benes, L. (2013). OSINT, New Technologies, Education: Expanding Opportunities and Threats. A New Paradigm. Journal of Strategic Security, s. 22-37.
14. Bural, E. B. (2021). Açık Kaynak istihbaratında Yeni Bir Boyut Sosyal Medya İstihbaratı. Ankara: Yeditepe Akademi Yayıncılık.
15. Bural, E. B. (2022). Terörizmle Mücadelede Sosyal Medya İstihbaratı: Fetö/Pdy Terör Örgütü Sosyal Ağ Analizi Örneği. İstihbarat Çalışmaları ve Araştırmaları Dergisi, s. 60-83.
16. Clark, J. R. (2007). Intelligence and national security: A reference handbook. Wetsport: Bloomsbury Publishing USA.
17. Dereli, C., Adıgüzel, F., & Karagöz, P. (2022). Erişime Açık Terörizm Veri Kümeleri Kullanarak Makine Öğrenmesi ve Büyük Veri Mimarileri ile Terörle Mücadeleye Yönelik Tahminleme Yaklaşımları. Savunma Bilimleri Dergisi, s. 119-151.
18. Ergil, D. (1992). Uluslararası terörizm. Ankara Üniversitesi SBF Dergisi, s. 139-143.
19. Evans, R. (2013). Social media intelligence: Current approaches & emerging opportunities. IHS White Paper.
20. Gruters, P. C., & Gruters, K. T. (2018). Publicly available information: Modernizing defense open source intelligence. Special Operations Journal, s. 97-102.
21. Gültepe, Y. (2019). Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme. European Journal of Science and Technology, s. 8-15.
22. Hassan, N. A., & Hijazi, R. (2018). Open source intelligence methods and tools. New York: NY: Apress.
23. Hoffman, B. (2006). Inside Terrorism. New York: Columbia University Press.
24. Hribar, G., Iztok, P., & Teodora, I. (2014). OSINT: a “grey zone”? International Journal of Intelligence and CounterIntelligence, s. 529-549.
25. Huamaní, E. L., Alva, M. A., & Gonzalez, A. R. (2020). Machine learning techniques to visualize and predict terrorist attacks worldwide using the global terrorism database. International Journal of Advanced Computer Science and Applications.
26. İşte Türkiye'de bu yıl kullanıcı sayısını en fazla artıran sosyal medya platformu. (2023). In Business: https://www.inbusiness.com.tr/sektorler/is-dunyasi/2023/08/16/iste-turkiyede-bu-yil-kullanici-sayisini-en-fazla-artiran-sosyal-medya-platformu adresinden alındı
27. Ivan, A. L., Iov, C. A., Lutai, R. C., & Grad, M. N. (2015). Social media intelligence: opportunities and limitations. CES Working Papers, s. 505-510.
28. Joseph, A. C., Maher, S., & Neumann, P. R. (2014). #Greenbirds: Measuring Importance and Influence in Syrian Foreign Fighter Networks. International Center for the Study at Radicalisation, s. 1-28.
29. Kent, S. (1949). Strategic Intelligence for American World Policy. Oxford: Oxford University Press.
30. Kırıcı, P., & Gülbak, E. (2020). Instagram Verileri ile Duygu Analizi. Avrupa Bilim ve Teknoloji Dergisi, s. 360-364. Kozinets, R. V. (1997). ''I want to believe'': a netnography of the X-Philes' subculture of consumption. Advances in consumer research, s. 470-475.
31. Lai, L. S., & To, W. M. (2015). Content analysis of social media: A grounded theory approach. Journal of electronic commerce research, s. 138-152.
32. Laqueur, W. (1977). Terrorism. Boston: Little Brown and Company.
33. Lowenthal, M. M. (2004). Open Source Intelligence: New Myths, New Realities. National Defence University Press, s. 1-6.
34. Mahesh, B. (2018). Machine Learning Algorithms-A Review. International Journal of Science and Research, s. 380-386.
35. Mahood, L. E. (2014). SOCMINT: Following And Liking Social Media Intelligence. Makine Öğrenmesi (Machine Learning) Nedir? (2021). turhost.com: https://www.turhost.com/blog/makine-ogrenmesi-machine-learning-nedir/ adresinden alındı
36. McIntyre, K. E. (2014). The evolution of social media from 1969 to 2013: A change in competition and a trend toward complementary, niche sites. The Journal of Social Media in Society, s. 5-25.
37. Meral, M., & Diri, B. (2014). Twitter Üzerinde Duygu Analizi. 2014 IEEE 22nd Signal Processing and Communications Applications Conference (SIU 2014), s. 690-693.
38. Nabiyev, V. (2012). Yapay Zekâ. Ankara: Seçkin Yayıncılık.
39. Omand, D., Miller, C., & Bartlett, J. (2014). Towards the Discipline of Social Media intelligence. Hobbs, C., Moran, M. ve Salisbury, D. (Ed.). Open source Intelligence in the twenty-first century: new approaches and opportunities. London: Palgrave Macmillan.
40. Omand, D.-J. B., & Miller, C. (2012a). Introducing Socail Media Intelligence (SOCMINT). Intelligence and National Security, s. 801-823.
41. Omand, D.-J. B., & Miller, C. (2017). Introducing Social Media Intelligence. The Palgrave Handbook of Security, Risk and Intelligence, s. 355-371.
42. Oruç, M. A. (2022). İstihbarat ve Yapay Zekâ İlişkisi. Social Sciences Studies Journal (SSSJournal), s. 4224-4234.
43. Özgür, A., & Erdem, H. (2012). Saldırı Tespit Sistemlerinde Kullanılan Kolay Erişilen Makine Öğrenme Algoritmalarının Karşılaştırılması. Bilişim Teknolojileri Dergisi, s. 41-48.
44. Pelzer, R. (2018). Policing of terrorism using data from social media. European Journal for Security Research, s. 163-179.
45. Saral, C. (2016). Terörün Gizli Efendileri (Dünyayı Armageddona Zorlayanlar). Ankara: Kripto Yayınları.
46. Saran, M., & Bitirim, S. (2010). Terörle mücadelede sosyal pazarlama ve iletişim stratejileri. Uluslararası Güvenlik ve Terörizm Dergisi, s. 87-109.
47. Sarker, I. H. (2021). Machine Learning: Algorithms, Real World Applications and Research. SN Computer Science, s. 1-21.
48. Sayli, A., & Basarir, S. (2022). Sampling Techniques and Application in Machine Learning in order to Analyse Crime Dataset. European Journal of Science and Technology, s. 296-310.
49. Schmid, A. P. (2011). Prevention of Terrorism: Towards A Multi-Pronged Approach. The Routledge Handbook of Terrorism Research, s. 86-113.
50. Schmid, A. P. (2011). The Routledge handbook of terrorism research. Wales: Taylor & Francis.
51. Scott, D. M. (2010). The new rules of marketing and PR: How to use social media, blogs, news releases, online video, and viral marketing to reach buyers directly. New Jersey: John Wiley & Sons.
52. Somvanshi, M., Chavan, P., Tambade, S., & Shinde, S. V. (2016). A Review of Machine Learning Techniques using Decision Tree and Support Vector Machine. 2016 international conference on computing communication control and automation (ICCUBEA). IEEE, s. 1-7.
53. Son 50 Yılda Meydana Gelen Sansasyonel Terör Olayları. (2020). Terör Olayları Takvimi: https://terortakvimi.wordpress.com/2001/09/11/200111-eylul-saldirilari/ adresinden alındı
54. Stemler, S. (2001). An overview of content analysis. Practical Assessment. Research & Evaluation, s. 1-6.
55. Stottlemyre, S. A. (2015). HUMINT, OSINT, or something new? Defining crowdsourced intelligence. International Journal of Intelligence and CounterIntelligence, s. 578-589.
56. Şimşek, M. (2016). Terörizm: Kavramsal Bir Çalişma. Akademik Bakış Uluslararası Hakemli Sosyal Bilimler Dergisi, s. 319-335.
57. Şuşnea, E., & Iftene, A. (2018). The significance of online monitoring activities for the social media intelligence (SOCMINT). In Conference on mathematical foundations of informatics, s. 230-240.
58. TrojAI. (2019). Intelligence Advanced Research Projects Activity (IARPA): https://www.iarpa.gov/research-programs/trojai adresinden alındı
59. Ünver, H. A. (2019). Türkiye’deki Rus Dijital Medya Ve Bilgi Ekosistemi. Siber Politikalar ve Dijital Demokrasi, s. 1-47. Wang, Y., Cui, X., & He, P. (2022). Winning the War On Terror: Using “Top-K” Algorithm And CNN To Assess The Risk Of Terrorists. International Journal of Information Technology and Web Engineering (IJITWE), s. 1-15.
60. We Are Social 2023 Global ve Türkiye Raporu. (2023). #WEAREOMGTEAM: https://omgiletisim.com/we-are-social-dijital-2023-global-ve-turkiye-raporu-yayinlandi/ adresinden alındı
61. Wilkinson, P. (1974). Political terrorism. London: Macmillan. Yayla, A. (1990). Terör ve terörizm kavramlarına genel bakış. Ankara Üniversitesi SBF Dergisi, s. 335-385. Yılmaz, A. (2017). Yapay Zekâ. İstanbul: Kodlab Yayınları.