Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBilişim suçu türlerine ait makine öğrenmesi algoritmalarının performans değerlendirmeleri karşılaştırıldığında en iyi sonucu değeri 0.85 doğruluk oranıyla RO algoritmasından alınmıştır
📌 3 Maddede Bu Makale
Özet
Çağımız dünyasında gelişen teknolojilerle birlikte meydana gelen bilişim suçu türlerinin de hızla arttığı gözlenmektedir. İşlenmekte olan suç çeşitliliğinin artması gerek hukuki altyapıyı gerekse kolluk birimlerinin işlerini zorlaştırmaktadır. Elde edilen dijital veri miktarının artması, analiz ve raporlama gibi süreçlerin uzamasına sebep olmaktadır. Çalışmada, 2020-2023 yılları arasında Yalova Cumhuriyet Başsavcılığı’na intikal etmiş bilişim suçlarının makine öğrenmesi algoritmaları kullanılarak yorumlanmaya çalışılmıştır. Aynı zamanda sonuçlar doğrultusunda, meydana gelmesi olası bilişim suçu türleri ile olaylara müdahil olan kişi profillerinin tespiti yapılmaya çalışılmıştır. Çalışma kapsamında toplam 2500 adet veri üzerinden 11 adet öznitelik belirlenmiştir. Kullanılan veri seti üzerinde Rastgele Orman (RO), Destek Vektör Makineleri (DVM), Çok Katmanlı Yapay Sinir Ağları (Çok Katmanlı YSA), K-En Yakın Komşular (IBK) gibi makine öğrenmesi algoritmaları kullanılarak performansları karşılaştırılmıştır. Kullanılan makine öğrenmesi algoritmalarının performans değerlendirmeleri karşılaştırıldığında bilişim suçu olaylarına karışan kişilerin müşteki (mağdur) mi yoksa şüpheli mi olduğuna karar verebilmek adına en iyi sonuç 0.83 doğruluk oranı ile DVM-Sigmoid algoritmasından alınmıştır. Bilişim suçu türlerine ait makine öğrenmesi algoritmalarının performans değerlendirmeleri karşılaştırıldığında en iyi sonucu değeri 0.85 doğruluk oranıyla RO algoritmasından alınmıştır
Abstract
In today's world, it is observed that the types of cybercrimes that occur with the developing technologies are also increasing rapidly. The increase in the variety of crimes committed complicates both the legal infrastructure and the work of law enforcement units. The increase in the amount of digital data obtained causes the processes such as analysis and reporting to be prolonged. In the study, an attempt was made to interpret the cybercrimes that were transferred to the Yalova Chief Public Prosecutor's Office between 2020-2023 using machine learning algorithms. At the same time, in line with the results, an attempt was made to determine the types of cybercrimes that may occur and the profiles of the people involved in the incidents. Within the scope of the study, 11 features were determined from a total of 2500 pieces of data. The performances of machine learning algorithms such as Random Forest (RF), Support Vector Machines (SVM), Multilayer Artificial Neural Networks (Multilayer ANN), K-Nearest Neighbors (NNN) were compared on the data set used. When the performance evaluations of the machine learning algorithms used are compared, the best result in deciding whether the people involved in cybercrime incidents are complainants (victims) or suspects was obtained from the SVM-Sigmoid algorithm with an accuracy rate of 0.83. When the performance evaluations of the machine learning algorithms belonging to cybercrime types are compared, the best result was obtained from the RO algorithm with an accuracy rate of 0.85.