Profile URL: https://hdl.handle.net/20.500.14411/6766
Job Title:Yardımcı Doçent
Email Address:arda.sezen@atilim.edu.tr
Main Affiliation:Computer Engineering
Status: Former Staff
ORCID:
0000-0002-7615-3623
0000-0002-7615-3623Scopus ID:
57271674300
57271674300Name Variants:
A., Sezen A.,Sezen
18 results
Scholarly Output Search Results
Now showing 1 - 10 of 18
Master Thesis Büyük Dil Modellerini Kullanarak Kod Örneklerinin Analizi ve Hata Ayıklama(2024) Shaıkh, Noman Ahmed; Sezen, ArdaKod hata ayıklama ve analizi zorlu bir görevdir. Özellikle otomatik olmayan hata yerelleştirme görevi kaynak tüketir ve hatanın kök nedenini belirlemek için önemli bir çaba gerektirir. Bu tezde, büyük dil modellerini kullanarak testsiz, otomatik satır seviyesi hata yerelleştirme incelenmiştir. Çalışmada, çift yönlü dikkat tabanlı mekanizma ve kod-anlama için önceden eğitilmiş büyük dil modelleri kullanıldı. Aynı zamanda büyük dil modellerinde girilen kodun satır seviyesi hatalılık puanlarını çıktı olarak vermesi için adaptör ayarlaması yapılmıştır. Ortaya çıkan model FLICoder olarak adlandırıldı. Farklı ayarlarla birden çok FLICoder modeli eğitildi ve mimarisinin çeşitli yönlerinin genel performans üzerindeki etkisi incelendi. FLICoder modeli ayrıca temel LLM tabanlı hata yerelleştirme çözümü ile karşılaştırılmış olup, FLICoder modelinin %25 - %52 iyileştirme gösterdiği tespit edilmiştir.Master Thesis Bulut Bilişim Güvenlik Sorunları ve Güvenlik Gereksinimlerine Göre Dağıtma Modeli ile Hizmet Modeli Seçimi(2015) Sezen, Arda; Yazıcı, Ali; Bostan, AtilaBu tez, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin gerekliliğini, farklı bulut hizmet modelleri ve bulut dağıtım modelleri için, bazı güvenlik çözümü yaklaşımlarıyla birlikte incelemektedir. Tezde sunulan çözüm önerileri, teknik ve teknik olmayan yaklaşımların kapsamlı çözümler üretmek için birlikte ele alınması gerektiğini göstermektedir. Altı teknik çözüm yaklaşımı, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin yerine getirilmesini değerlendirmek üzere bu çalışmaya dâhil edilmiştir. Sonunda, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin gerekliliğini, farklı bulut hizmet modelleri ve bulut dağıtım modelleri için anlamak ve anlamlı farklılaşmaları ortaya koymak adına on iki hipotez, anket verilerine dayanarak, formüle, test ve kabul edilmiştir.Conference Object Citation - Scopus: 2Semantic Interoperability and Reusability in Iot: a Systematic Mapping Study(Institute of Electrical and Electronics Engineers Inc., 2024-09-21) Alsaeh, A.; Sezen, A.Internet of Things (IoT) enables different devices, sensors, or humans to connect via the Internet. However, various IoT devices generate heterogeneous data in different formats. This hinders IoT devices from integrating and exchanging data between them. Adding semantic web technologies to the Web of Things (WoT) has greatly enabled IoT devices to be semantically interoperable. Moreover, W3C has established a Semantic Sensor Network (SSN) ontology that can be reused in different IoT applications due to difficulties in developing new ontologies. Many systematic mapping reviews in the literature have addressed semantic interoperability in IoT. Although reusability can play a vital role in enhancing semantic interoperability, none of those studies has discussed reusability and semantic interoperability together in the IoT area. In this article, we are seeking to fill this gap in the current literature by conducting a systematic mapping review for 72 articles to point out semantic interoperability as well as reusability in IoT. Five research questions have been identified regarding challenges and possible solutions about both semantic interoperability and reusability. The reviewed articles are classified into four categories. There are 47 articles about semantic interoperability, 2 of which discuss reusability, 18 of which include semantic interoperability with reusability, and the last category includes surveys. Moreover, the research questions are also assigned to the related category that answers the questions. This article highlights important insights about semantic web techniques namely, RDF, ontology, SPARQL, and OWL. Additionally, this article concludes how these techniques are enhanced in diverse domains such as healthcare, smart cities, and the energy domain. On top of that, this systematic mapping shows how reused ontology plays a remarkable role in the IoT domain Finally, results that answer the research questions are figured out and deeply analyzed in the tables and graphs. © 2024 IEEE.Article Citation - WoS: 2Citation - Scopus: 3A Hybrid Approach for Semantic Image Annotation(Ieee-inst Electrical Electronics Engineers inc, 2021) Sezen, Arda; Turhan, Cigdem; Sengul, GokhanIn this study, a framework that generates natural language descriptions of images within a controlled environment is proposed. Previous work on neural networks mostly focused on choosing the right labels and/or increasing the number of related labels to depict an image. However, creating a textual description of an image is a completely different phenomenon, structurally, syntactically, and semantically. The proposed semantic image annotation framework presents a novel combination of deep learning models and aligned annotation results derived from the instances of the ontology classes to generate sentential descriptions of images. Our hybrid approach benefits from the unique combination of deep learning and semantic web technologies. We detect objects from unlabeled sports images using a deep learning model based on a residual network and a feature pyramid network, with the focal loss technique to obtain predictions with high probability. The proposed framework not only produces probabilistically labeled images, but also the contextual results obtained from a knowledge base exploiting the relationship between the objects. The framework's object detection and prediction performances are tested with two datasets where the first one includes individual instances of images containing everyday scenes of common objects and the second custom dataset contains sports images collected from the web. Moreover, a sample image set is created to obtain annotation result data by applying all framework layers. Experimental results show that the framework is effective in this controlled environment and can be used with other applications via web services within the supported sports domain.Article Görüntülerden Bilgi Elde Etmek İçin Görüntü Açıklama Çalışmalarının Sistematik Haritalandırma İncelemesi(2020) Sezen, Arda; Turhan, ÇiğdemÇeşitli görüntü türlerinden görüntü meta verilerini elde etmeyi, işlemeyi ve anlamlı sonuçlar çıkarmayı amaçlayan görüntü açıklaması kavramı, bilgi toplumunda görüntülerden bilgi edinme konusunda daha kritik hale gelmiştir. Bu konuda literatürde önerilen birçok yaklaşım vardır, ancak en uygun olanı seçmek kolay değildir. Bu çalışmada, görüntü açıklamalarındaki kilit yaklaşımlar, kapsamlı bir literatür taraması ve sistematik haritalama yoluyla incelenmiştir. Çalışmamızın yeniliği, literatürdeki görüntü açıklama çalışmalarını araştırmak, haritalamak ve analiz etmek ve seçilen çalışmaları sınıflandırmak, araştırma boşluklarını ortaya çıkarmak ve bu makalede sunulan araştırma soruları için görsel özet hazırlamak adına ilk denemeyi temsil etmesidir. Literatürde, ilgi alanını farklı açılardan araştırmak için sistematik haritalama yaklaşımı önerilmektedir. Bu amaçla, tespit edilen toplam 404 çalışma içerisinden 95 çalışma seçilmiştir. Alandaki literatürün incelenmesi, mevcut yöntemlerin / tekniklerin, araçların, metriklerin, süreçlerin veya diğer teknik yaklaşımların kendi başlarına eksiksiz bir çözüm üretmek için yeterli olmadığını göstermektedir. Önerilen teknikleri birleştirerek ve disiplinlerarası yaklaşımları dikkate alarak yeni çözümler üretmenin gerekliliği de önerilmiştir.Article Security Issues of Remote Work Environments and Alternative Solution Approaches(2024) Sezen, Arda; Kılıç, Can; Uzun, İsmail Berk; Saleem, Wardah; Ardoğan, Abdullah TahaAlong with the pandemic, the number of employees working remotely has significantly increased. With this increase, also the cyberthreats related to remote workers greatly increased. So, the main question of how remote working affects the cybersecurity tried to be explained via analyzing common threats and mitigations in this study. Throughout the analysis it is found that two more aspects should be investigated; The threats affecting the remote workers and the mitigations affecting the related threats. To provide sufficient answers to these questions, well-known cyber-attacks explained using various studies with countermeasures in the third section. Then we focused on effective security practices and tools as well as how to make those practices and tools more effective. To provide sufficient guidance about how to use these mitigation ways for which attack types, a complete guideline provided for the remote workers. Also, a questionnaire is conducted among some university students to understand the awareness of phishing attacks using wrong URLs and website and email scams from many organizations and the results are showing that for the URL part the accuracy is 84.61% and for the email scams accuracy is 75.64%.Conference Object Latent Space Analysis, Visualization, and Interpretability in Deep Learning: Systematic Review(Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Sezen, Arda; Ardogan, Abdullah TahaLatent space representations play a key role in modern machine learning models. This systematic review focuses on latent space research with emphasis on analysis methods, dimension reduction, visualization approaches, data types, and study objectives. Both supervised and unsupervised experimental settings are considered. The reviewed studies report diverse outcomes, including performance improvement, accuracy gains, and the discovery of meaningful latent structures. In addition, deep clustering methods are shown to be widely used across various application domains. © 2026 IEEE.Conference Object A Comparative Study of Deep Learning Models for Log Anomaly Detection Using the HDFS Dataset(Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Sezen, Arda; Kavlak, YesimIn this paper, we examine log-based anomaly detection based on four deep learning models: Autoencoder, Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Transformer. We take the Hadoop Distributed File System (HDFS) dataset, train and test all models using an identical preprocessing pipeline to ensure fair comparison. We perform the log parsing, session formation, and sliding-window generation to convert raw logs into sequential representations suitable for learning. Empirical results demonstrate the capacity that LSTM and Transformer can capture long-term dependencies on log sequences, and CNN and Autoencoder have a moderate detection performance, but they are not able to handle rare or complicated abnormal patterns. The results provide the significance of sequential modeling on log anomaly detection, and they also show that contemporary deep learning approaches substantially surpass reconstruction-based or convolution-based counterparts in standardized environments. © 2026 IEEE.Master Thesis Veri odakli ve açiklanabilir saldiri tespiti: Shaprehberli özellik mühendisli̇ği ve dayaniklilik testlerikullanilarak kapsamli bir çerçeve(2026) Varlı, Buğra; Sezen, ArdaSiber tehditlerin karmaşıklığı arttıkça, geleneksel imza tabanlı Saldırı Tespit Sistemleri (IDS) yetersiz kalmaktadır. Anomali tabanlı yaklaşımlara geçiş zorunlu olsa da mevcut makine öğrenmesi modelleri genellikle aşırı yanlış alarmlar, 'kara kutu' karar mekanizmaları ve sıfırıncı gün saldırılarını tespit etmede yetersizlik gibi sorunlar yaşamaktadır. Bu tez, UNSW-NB15 veri setini kullanarak yanlış negatifleri (kaçırılan saldırıları) azaltmayı ve operasyonel güvenilirliği sağlamayı önceliklendiren veri odaklı bir IDS çerçevesi sunmaktadır. Metodolojimiz, model seçiminden ileri düzey dayanıklılık testlerine kadar sistematik bir ilerleme izlemektedir. Yirminin üzerinde algoritmanın değerlendirilmesinin ardından, Rastgele Orman (Random Forest), Karar Ağacı (Decision Tree) ve Uzun Kısa Süreli Bellek (LSTM) temel modeller olarak seçilmiştir. Çalışmanın önemli bir katkısı, istatistiksel çıkarımları SHAP analizi ile birleştiren hibrit bir özellik mühendisliği stratejisidir. Bu yaklaşım, gizli saldırı örüntülerini ortaya çıkarmamızı ve özellik uzayını 230 niteliğe genişletmemizi sağlamıştır. Sistemin dayanıklılığı ayrıca Maliyet Duyarlı Öğrenme, Kavram Kayması (Concept Drift) ve Açık Küme Tanıma (Open-Set Recognition) senaryoları ile doğrulanmıştır. Deneysel sonuçlar, önerilen çerçevenin operasyonel güvenilirliği önemli ölçüde artırdığını göstermektedir. Derin mimariler, özellikle LSTM modeli, yanlış negatif oranlarını neredeyse sıfıra indirerek kaçırılan saldırıları büyük ölçüde minimize etmiştir. Rastgele Orman modeli 0.9870 AUC-PR skoru ile en kararlı sınıflandırıcı olarak öne çıkarken, LSTM modeli bilinmeyen tehditleri tespit etmede üstünlük sağlamış ve açık küme testlerinde görülmemiş saldırı türlerinin %93.18'ini yakalamıştır. Ayrıca, maliyet duyarlı öğrenme yanlış negatif oranını %0.05'in altına düşürerek 'sıfır sızdırma' seviyesine yaklaşmış, ancak bunun kesinlik (precision) değerinden ödün verilmesini gerektirdiği de ortaya konmuştur. Bu çalışma, etkili yeni nesil IDS'lerin inşasında rafine veri temsilinin en az algoritmik karmaşıklık kadar hayati olduğu sonucuna varmaktadır.Conference Object A Multimodal Synthetic Dataset for Multi-Camera Human Detection and Occlusion Analysis in Indoor Environments(Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Kocabas, Ifagat Buse; Sezen, Arda; Ustun, Tutku Irem; Bakal, Mahmut Furkan; Turkmen, Guzin; Sengul, GokhanSynthetic data has become an essential component in modern computer vision and robotics research, particularly in applications where collecting large, diverse, and fully annotated real world datasets are impractical or impossible. This study presents a high resolution, multimodal, and multi camera synthetic dataset specifically developed for human detection and partial visibility analysis in indoor environments. Two distinct scenarios were designed within NVIDIA Isaac Sim, involving a total of eleven cameras positioned across separate residential spaces. The use of 120 FPS animations and synchronized multimodal annotation generation enabled detailed capture of human motion, occlusion, and scene variability. Diverse human models, including variations in appearance, clothing, accessories, and behavior, were incorporated to replicate real world heterogeneity and challenge vision algorithms under complex conditions. Despite the benefits of precise annotation and full environmental control, the study also revealed clear constraints related to computational load and real time simulation performance, particularly when generating dense annotation sets. The resulting dataset nonetheless provides a rich and comprehensive foundation for research in human tracking, multi camera fusion, behavior understanding, and security oriented computer vision systems. The expanded analysis concludes that synthetic data, when produced through high fidelity simulation workflows, offers a practical, ethical, and scalable alternative that can significantly advance both methodological and applied research. © 2026 IEEE.
Research Topics
Domains
Physical Sciences
Fields
Computer Science
Subfields
Computer Vision and Pattern RecognitionArtificial IntelligenceInformation SystemsComputer Networks and Communications
Specific Research Areas
Human Pose and Action Recognition
Topic Modeling
Software Engineering Research
IoT and Edge/Fog Computing
Video Surveillance and Tracking Methods
Sustainable Development Goals
11SUSTAINABLE CITIES AND COMMUNITIES
1
Research Products
3GOOD HEALTH AND WELL-BEING
1
Research Products
Documents
11
Citations
42
h-index
3
This researcher does not have a WoS ID.
Publication Collaboration
| Affiliation Name | Count |
|---|---|
| Atilim University | 6 |
| Ankara University | 1 |
| Software Research and Development Consulting | 1 |
| Ostim Technical University | 1 |
1 / 1
Data obtained from OpenAlex
| Journal | Count |
|---|---|
| International Journal of Computational and Experimental Science and Engineering | 3 |
| Proceedings - 5th International Conference on Informatics and Software Engineering, IISEC 2026 -- 5th International Conference on Informatics and Software Engineering, IISEC 2026 -- 5 February 2026 through 6 February 2026 -- Ankara -- 221523 | 3 |
| DergiPark (Istanbul University) | 1 |
| Evolutionary Intelligence | 1 |
| 8th International Artificial Intelligence and Data Processing Symposium, IDAP 2024 -- 8th International Artificial Intelligence and Data Processing Symposium, IDAP 2024 -- 21 September 2024 through 22 September 2024 -- Malatya -- 203423 | 1 |
Current Page: 1 / 2
Scholarly Output
18
Articles
7
Views / Downloads
723/74
Supervised MSc Theses
5
Supervised PhD Theses
1
WoS Citation Count
7
Scopus Citation Count
42
Patents
0
Projects
1
WoS Citations per Publication
0.39
Scopus Citations per Publication
2.33
Open Access Source
6
Supervised Theses
6
Scopus Quartile Distribution
Competency Cloud
