Person: DOĞAN, BUKET
Loading...
Email Address
Birth Date
Research Projects
Organizational Units
Job Title
Last Name
DOĞAN
First Name
BUKET
Name
11 results
Search Results
Now showing 1 - 10 of 11
Publication Open Access Protecting android devices from malware attacks: a state-of-the-art report of concepts, modern learning models and challenges(2023-01-01) DOĞAN, BUKET; Bayazit E. C., Sahingoz O. K., DOĞAN B.Advancements in microelectronics have increased the popularity of mobile devices like cellphones, tablets, e-readers, and PDAs. Android, with its open-source platform, broad device support, customizability, and integration with the Google ecosystem, has become the leading operating system for mobile devices. While Android’s openness brings benefits, it has downsides like a lack of official support, fragmentation, complexity, and security risks if not maintained. Malware exploits these vulnerabilities for unauthorized actions and data theft. To enhance device security, static and dynamic analysis techniques can be employed. However, current attackers are becoming increasingly sophisticated, and they are employing packaging, code obfuscation, and encryption techniques to evade detection models. Researchers prefer flexible artificial intelligence methods, particularly deep learning models, for detecting and classifying malware on Android systems. In this survey study, a detailed literature review was conducted to investigate and analyze how deep learning approaches have been applied to malware detection on Android systems. The study also provides an overview of the Android architecture, datasets used for deep learning-based detection, and open issues that will be studied in the future.Publication Open Access Bibliometric analysis of the tertiary study on agile software development using social network analysis(2020-11-24) DOĞAN, BUKET; BAYRAM E., DOĞAN B., TUNALI V.This study aims to examine the systematic literature reviews published on the Agile Software Development subject between 2013 and 2018 and to examine the citation relationships among the studies within the scope of the tertiary study with the help of social network analysis. In this study, the publications within the scope were visualized with VOSviewer and Gephi social network analysis tools, and the relations between publishing institutions, countries were revealed. In citation analysis; according to the total link strength, it is seen that UK, Spain and Slovenia are at the forefront at institution and country level. Brazil has the highest citation value and provides the link between the two large clusters obtained in the analysis. In the bibliographic coupling analysis, the five most active countries at the country level were Brazil, Germany, Finland, Malaysia and Pakistan. When the same analysis is made at the institution level, the top five institutions are in Brazil, Switzerland, Peru and Pakistan. The findings of the study indicate that developing countries have more studies on the subject and that the cited publications are mostly from developed countries; European countries seem to be more collaborative based on citation analysis yet developing countries such as Brazil and Malaysia have also relations with them; the number of publications is not directly proportional to the citations.Publication Open Access Topluluk sınıflandırma yöntemleri ve PCA kullanarak zararlı url tespiti(2021-12-01) ALTIKARDEŞ, ZEHRA AYSUN; DOĞAN, BUKET; Köksal K., Doğan B., Altıkardeş Z. A.Teknolojinin gelişmesi ve internet kullanıcı sayısındaki artışla orantılı olarak siber suçlarda da artış gözlemlenmiştir. Birçok farklı siber saldırı tekniği bulunmaktadır. Bu saldırı tekniklerinden biri olan kötü amaçlı web siteleri, siber saldırılar ve dolandırıcılık olaylarında önemli rol oynamaktadır. İnternette masum görünen bir bağlantıya tıklamak veya e-posta ve mesaj yoluyla gönderilen bir web sayfasını ziyaret etmek arka planda kimlik avı kampanyalarının başlatılmasına, kötü amaçlı yazılımların, casus yazılımların, fidye yazılımların indirilmesine ve ciddi parasal kayıplar oluşmasına yol açar. Dolayısıyla bu tehditlerin etkin bir şekilde tespit edilmesi ve önlenmesi bireyler, kurumlar ve hükümetler için oldukça önemli bir konu haline gelmiştir. Kara listeye dayalı yöntemler, kötü amaçlı URL\"leri tanımlamak için kullanılan standart yöntemlerden biridir. Ancak kara listeler hiçbir zaman kapsamlı değildir ve yeni oluşturulan URL\"leri algılama yeteneğinden yoksundur. Kara listeye dayalı yöntemlerin mevcut ihtiyacı ve eksiklikleri de göz önünde bulundurularak bu çalışmada toplulukla öğrenme yöntemleri kullanılarak bir sınıflandırma yaklaşımı önerilmiştir. Çalışmada iyi huylu ve kötü huylu URL’lerden elde edilmiş 79 sözcüksel özellik içeren Kanada Siber Güvenlik Enstitüsü\"nün URL veriseti (ISCX-URL-2016) üzerinde çalışılmıştır. Verisetinde benign, spam, phishing, malware ve defacement olmak üzere beş farklı URL türü bulunmaktadır. Toplam 7781 iyi huylu ve 28.917 tane zararlı URL kaydı üzerinde zararlı, zararsız etiketleri kullanılarak ikili sınıflandırma işlemi ve beş farklı etiket bilgisi kullanılarak çoklu sınıflandırma işlemi gerçekleştirilmiştir. Makine öğrenmesi yöntemlerinden Rastgele Orman algoritması uygulanan yöntemin başarısının sınanması için 10-katlamalı çapraz doğrulama (10-fold cross validation) ile birlikte kullanılmıştır ve 10 temel bileşen kullanılarak ikili sınıflandırma problemi için ortalama %99.42, çoklu sınıflandırma problemi için ortalama %95.68 doğruluk değeri elde edilmiştir. Böylece her gün yeni web sitelerinin katıldığı bu dinamik internet ağını kötü niyetli tasarlanmış web sitelerinden korumaya yönelik yüksek başarım oranına sahip bir model önerisi sunulmuştur.Publication Open Access Sharing Location Information in Multi-UAV Systems by Common Channel Multi-Token Circulation Method in FANETs(KAUNAS UNIV TECHNOLOGY, 2019-02-12) DOĞAN, BUKET; Ulku, Eyup Emre; Dogan, Buket; Demir, Onder; Bekmezci, IlkerUnmanned Aerial Vehicle (UAV) technology is being used increasingly for military and civilian purposes. The primary reason for this increase is that UAVs eliminate the risk to human life in difficult and dangerous missions, are cost effective, and easily are deployed. Developments in UAV technology and decreasing costs have increased UAV usage. However, when multiple UAVs are deployed, inter UAV communication becomes complicated. For this reason, communication in multi-UAV systems is the most important problem that needs to be solved. To enable communication among UAVs without infrastructure support, a Flying Ad Hoc Network (FANET) is used. A FANET provides UAVs to fly in tandem without colliding. To ensure coordinated flight, UAVs require the location information of other UAVs. In this study, we developed a common channel multi-token circulation protocol to share location information in multi-UAV systems that communicate using a FANET. The proposed method ensures that UAVs in multi-UAV systems know each other's coordinate information with minimum error.Publication Open Access Yeni Bir Yaklaşımla Genç Bireylerde Kalp Sağlığı Takibi için Web ve Mobil Uygulama Geliştirilmesi(2019-11-01) FAK, ALİ SERDAR; ZEHRA AYSUN ALTIKARDEŞ;Mensur BAJGORA;Ufuk SARIKAYA;BUKET DOĞAN;ALİ SERDAR FAKKardiyovasküler hastalık riskini tetikleyen hipertansiyon, obezite, diyabet gibi önlenebilir hastalıkların ve risk faktörülerinin sıklığı ülkemizdekigenç bireylerde hızla artmaktadır. Bu hastalıkların kontrollü bir şekilde takip edilebilmesi ve önlenebilmesi için Marmara Üniversitesiöğrencilerinin demografik ve sağlık verilerinin kayıt altına alınmasını ve izlenmesini sağlayan web ve mobil uygulamanın geliştirilmesisağlanmıştır. Böylece, Framingham risk skoruna göre öğrencilerin 10 yıllık kardiyovasküler risklerinin hesaplanarak görüntülendiğive kişiye özel hale getirilmiş tıbbi önerilerin e-posta yoluyla bildirildiği bir web platformu PHP ve MySQL kullanılarak oluşturulmuştur.Öğrencilerin ilerleyen zamandaki kardiyovasküler hastalık risklerinin takip edilebildiği bu platform, yüksek risk grubunda olan bireylerinrisk seviyelerinin normale indirilebilmesi için farkındalıklarını arttıran bir işlevselliğe sahiptir. Hazırlanan web platformunun desteklenmesiiçin, Marmara Üniversitesi öğrencilerinin kendi sağlık durumlarını takip edebilecekleri, kalp sağlığı konusunda bilinçlendirici bildirimlerledestekleneceği ve yaşam kalitelerini arttırabilmeleri için bir standart oluşturulmasına yardımcı olacak “Sağlıklı Kalpler” adındaAndroid ve iOS platformlarında kullanılmak üzere bir mobil uygulama geliştirilmiştir. Bu uygulama içerisinde adım sayar, egzersiz ekleme,listeleme, sağlıklı beslenme ve güncel sağlık durumunu izleme gibi fonksiyonlar bulunmaktadır.Publication Open Access Yazılım Projelerinde Fazla Mesainin Proje Ekibi ve Projenin Yönetimine Etkisi(2020-08-30) DOĞAN, BUKET; Merve PINAR;Büşra BÜYÜKTANIR;Şura EMANET;Buket DOĞANYazılım projelerinde, çalışma takvimine göre projenin belirlenen sürede yetişmeme durumu ortaya çıkabilir. Böyle durumlarda fazla mesai yapılması çözüm olarak görülmektedir. Fakat çalışma saatlerinin artmasının proje sonucuna etkisi belirsizdir. Bu çalışmada fazla mesainin, çalışanlar ve proje üzerindeki etkilerinin incelenmesi için çalışanların fazla mesai ile çalışma saatlerinin arttırılması konusundaki düşüncelerini almak amacıyla, çevrimiçi katılım sağlanarak cevaplanacak şekilde anket hazırlanmıştır. 2019 Kasım ayı boyunca, çevrimiçi ortamda aktif olan ve 34 sorudan oluşan ankete, yazılım projelerinde görev alan 180 kişi katılmıştır. Çalışmanın sonucunda, fazla mesaiden dolayı çalışanların dinlenemedikleri, fiziksel sağlık sorunlarının ortaya çıktığı vesosyal yaşamlarının olumsuz etkilendiği ortaya çıkmıştır. Ayrıca art arda yapılan fazla mesailerin, çalışanların mesai saatleri içerisindeki üretkenliğini de olumsuz etkilediği belirlenmiştir.Publication Open Access Deep learning based malware detection for android systems: A comparative analysis(2023-04-01) DOĞAN, BUKET; Bayazit E. C., Sahingoz O. K., DOĞAN B.Nowadays, cyber attackers focus on Android, which is the most popular open-source operating system, as main target by applying some malicious software (malware) to access users\" private information, control the device, or harm end-users. To detect Android malware, security experts have offered some learning-based models. In this study, we developed an Android malware detection system that uses different machine\deep learning models by performing both dynamic analyses, in which suspected malware is executed in a safe environment for observing its behaviours, and static analysis, which examines a malware file without any execution on the Android device. The benefits and weaknesses of these models and analyses are described in detail in this comparative study, and directions for future studies are drawn. Experimental results showed that the proposed models gave better results than those in the literature, with 0.988 accuracy for LSTM on static analysis and 0.953 accuracy for CNN-LSTM on dynamic analysis.Publication Open Access Neural network based Android malware detection with different IP coding methods(2021-06-30) DOĞAN, BUKET; ÇALIK BAYAZIT E., ŞAHİNGÖZ Ö. K. , DOĞAN B.Publication Open Access Tactile paving surface detection with deep learning methods(GAZI UNIV, FAC ENGINEERING ARCHITECTURE, 2020-04-07) AKTAŞ, ABDULSAMET; Aktas, Abdulsamet; Dogan, Buket; Demir, OnderImage processing applications in real-time systems have become a popular topic in recent years. Deep learning methods, one of the sub-branches of artificial intelligence, and image processing algorithms used in the field of object detection from images can be used together. In this way, applications are developed in many areas such as autonomous cars, autonomous unmanned aerial vehicles, assist robot technologies, assistant technologies for disabled and elderly individuals. This study aims to detect the tactile paving surfaces with deep learning methods in order to design an assistive technology system that can be used by visually impaired individuals, autonomous vehicles and robots. Contrary to traditional image processing algorithms, deep learning methods and image processing algorithms are used together in this study. The YOLO-V3 model, which is one of the best methods of object detection, is combined with the DenseNet model to create the YOLOV3-Dense model. YOLO-V2, YOLO-V3 and YOLOV3-Dense models were trained on the Marmara Tactile Paving Surface (MDPY) dataset, which was created by the researchers and included 4580 images and their performances were compared with each other on the test dataset. It was observed that YOLOV3-Dense model is better than other models in detecting tactile paving surface with 89% F1-score, 92% mean average Precision(mAP) and 81% IoU values.Publication Open Access A deep learning based android malware detection system with static analysis(2022-01-01) DOĞAN, BUKET; Bayazit E. C. , Sahingoz O. K. , DOĞAN B.© 2022 IEEE.In recent years, smart mobile devices have become indispensable due to the availability of office applications, the Internet, game applications, vehicle guidance or similar most of our daily lives applications in addition to traditional services such as voice calls, SMSs, and multimedia services. Due to Android\"s open source structure and easy development platforms, the number of applications on Google Play, the official Android app store increased day by day. This also brig some security related issues for the end users. The increased popularity of Android operating system on mobile devices, and the associated financial benefits attracted attackers for developing some malware for these devices, which results a significant increase in the number of Android malware applications. To detect this type of security threats, signature based detection (static detection) in generally preferred due to its easy applicability and fast identification ability. Therefore in this study it is aimed to implement an up-to-date, effective, and reliable malware detection system with the help of some deep learning algorithms. In the proposed system, RNN-based LSTM, BiLSTM and GRU algorithms are evaluated on CICInvesAndMal2019 data set which contains 8115 static features for malware detection. Experimental results show that the BiLSTM model outperforms other proposed RNN-based deep learning methods with an accuracy rate of 98.85 %.