DERİN ÖĞRENME YÖNTEMLERİ KULLANARAK DİJİTAL DELİLLER ÜZERİNDE ADLİ BİLİŞİM İNCELEMESİ

Abstract

Teknolojinin gelişmesi ile elektronik cihazların depolama alanlarının boyutları üzerinde etkisi son yıllarda devasa boyutlara ulaşmış oldu. Bu durum adli bir olayda elde edilen dijital materyaller içerisinde çıkartılacak bilgi ve belgelerin doğal olarak çok fazla veri içermesi ile sonuçlanmaktadır. Bu verilerin analiz edilmesi ve işlenip rapor haline getirilmesi için uzman kişiler adli bilişim yazılımlarının yanı sıra o ana kadar var olan bilgi ve tecrübelerinden faydalanmaktadır. İnceleme sonucunda ortaya çıkartılan raporlar delilin yeterince incelenmediğini ve yazılımlar vasıtası ile sadece verilerin üst bilgileri üzerinde index araması işlemine gidildiği görülmektedir. Ayrıca yapılan işlemlerin insan yordamı ile gerçekleşmesi de ortaya çıkan raporların kabul edilebilirliği, inceleme yapan uzmanın dikkat ve bilgi derecesi ile doğru orantılı olduğu gözükmektedir. Tüm bu bahsi geçen konular düşünüldüğünde verilerin derinlemesine inceleme işleminin yapılmadığı ve veri sayısının devasa boyutta olması da bu işlemlerin imkânsız hal aldığı görülmektedir. Tez çalışmamızın konusu olarak adli bilişim delillerinden çıkan görüntü verileri üzerinde inceleme yapılması için geçmişi çok yeni olan makine öğrenmesinin bir alt dalı olarak Konvolüsyonel Sinir Ağları ile görüntü verilerinin sınıflandırması işlemi gerçekleştirilmiştir. Yapılan çalışmalarda kurulan yapay sinir ağının eğitim işlemi için 20 bin, doğrulama işlemi için ise 5 bin adet bıçak ve silah görüntüleri kullanılmıştır. Yapılan uygulama sonunda doğrulama verileri üzerinde % 93.59 değerinde başarı elde edilmiştir. Devam eden uygulamalar sonucunda yapay sinir ağlarında kullanılan hiper parametreler üzerinde değişiklikler yapılarak doğruluk oranları üzerinde karşılaştırmalar gerçekleştirilmiş ve ağın daha başarılı bir sonuç verebilmesi için öneriler sunulmuştur. Görüntü verileri haricinde dijital materyallerden elde edilecek dosyaların farklılıklarına göre yapay sinir ağlarının uygulanma alanları ile alakalı yapılacak öneriler sunularak tez çalışması sonlandırılmıştır.

The impact of technology on the size of storage areas of electronic devices has reached enormous size in recent years. This results in the fact that the information and documents to be included in the digital materials obtained in a dijital forensic naturally contain a lot of data. In order to analyze and process these data, specialists benefit from forensic software as well as the knowledge and experience so far be obtained. As a result of the case result, it is seen that the reports which are revealed in the examinations are not sufficiently examined and the index search is performed on the top information of the data only through the software. In addition, it is observed that the reports that are produced when the transactions are done with human procedure are directly proportional with the level of attention and information of the examining expert. Considering all these subjects, it is seen that if the data are not examined in depth and the number of data is large enough, these operations become impossible. As a topic of our thesis study, classification of image data with Convolutional Neural Networks was performed as a subdivision of machine learning, which is very new in history, in order to examine the image data from the forensic data evidence. 20K pieces of knife and weapon images for artificial neural network training, 5K for testing. At the end of the implementation, 93.59% success was achieved on the verification data. As a result of ongoing applications, the hyperparameters used in artificial neural networks have been modified to compare the accuracy rates and suggestions have been made so that the network can give a more successful result. Apart from the image data, the thesis work was ended by presenting suggestions to be made related to the fields of application of artificial neural networks according to the differences of files obtained from digital materials.