52 results
Search Results
Now showing 1 - 10 of 52
Article Citation - WoS: 11Citation - Scopus: 15A Study on the Performance Evaluation of Wavelet Decomposition in Transient-Based Radio Frequency Fingerprinting of Bluetooth Devices(Wiley, 2022) Almashaqbeh, Hemam; Dalveren, Yaser; Kara, AliRadio frequency fingerprinting (RFF) is used as a physical-layer security method to provide security in wireless networks. Basically, it exploits the distinctive features (fingerprints) extracted from the physical waveforms emitted from radio devices in the network. One of the major challenges in RFF is to create robust features forming the fingerprints of radio devices. Here, dual-tree complex wavelet transform (DT-CWT) provides an accurate way of extracting those robust features. However, its performance on the RFF of Bluetooth transients which fall into narrowband signaling has not been reported yet. Therefore, this study examines the performance of DT-CWT features on the use of transient-based RFF of Bluetooth devices. Initially, experimentally collected Bluetooth transients from different smartphones are decomposed by DT-CWT. Then, the characteristics and statistics of the wavelet domain signal are exploited to create robust features. Next, the support vector machine (SVM) is used to classify the smartphones. The classification accuracy is demonstrated by varying channel signal-to-noise ratio (SNR) and the size of transient duration. Results show that reasonable accuracy can be achieved (lower bound of 88%) even with short transient duration (1024 samples) at low SNRs (0-5 dB).Article Citation - WoS: 9Citation - Scopus: 12On the Performance of Energy Criterion Method in Wi-Fi Transient Signal Detection(Mdpi, 2022) Mohamed, Ismail; Dalveren, Yaser; Catak, Ferhat Ozgur; Kara, AliIn the development of radiofrequency fingerprinting (RFF), one of the major challenges is to extract subtle and robust features from transmitted signals of wireless devices to be used in accurate identification of possible threats to the wireless network. To overcome this challenge, the use of the transient region of the transmitted signals could be one of the best options. For an efficient transient-based RFF, it is also necessary to accurately and precisely estimate the transient region of the signal. Here, the most important difficulty can be attributed to the detection of the transient starting point. Thus, several methods have been developed to detect transient start in the literature. Among them, the energy criterion method based on the instantaneous amplitude characteristics (EC-a) was shown to be superior in a recent study. The study reported the performance of the EC- a method for a set of Wi-Fi signals captured from a particular Wi-Fi device brand. However, since the transient pattern varies according to the type of wireless device, the device diversity needs to be increased to achieve more reliable results. Therefore, this study is aimed at assessing the efficiency of the EC-a method across a large set ofWi-Fi signals captured from variousWi-Fi devices for the first time. To this end, Wi-Fi signals are first captured from smartphones of five brands, for a wide range of signalto-noise ratio (SNR) values defined as low (3 to 5 dB), medium (5 to 15 dB), and high (15 to 30 dB). Then, the performance of the EC-a method and well-known methods was comparatively assessed, and the efficiency of the EC-a method was verified in terms of detection accuracy.Master Thesis 77 Ghz Radar Sistemleri için Mikroşerit Anten Tasarımı ve Analizi(2023) Yılmaz, Selen; Dalveren, Yaser; Kara, AliBu tez, 77 GHz otomobil radarı için seri beslemeli mikroşerit yama dizi antenin tasarımı ve operasyonel davranışına yönelik kapsamlı araştırmasını takdim etmektedir. Öncelikli olarak, mikroşerit anten, yama dizi anten, frekans taramalı dizi anten ve Chebyshev dizi anten teorisi hakkında teorik altyapı bilgisi temin edilmiştir. Antenleri tasarlamak ve boyutlarını hassas bir şekilde ayarlamak için sonlu eleman metoduna dayalı tam dalga simülasyon aracı kullanılmıştır. İlk aşamada, 76.5 GHz rezonans frekansında çalışan seri beslemeli doğrusal Chebyshev dizi anten bir verici kanalını temsil etmesi üzerine tasarlanmıştır. Kazancı geliştirmek için toprak-sinyal-toprak geçiş yapısında kullanılmak üzere kısa devre pinlerinden yararlanılmıştır. Pinsiz ve pinli tasarımların bant genişliği ve kazanç bakımından karşılaştırmalı analizi yapılmıştır. Son aşamada, 76.5 GHz doğrusal dizi yama anten 79 GHz doğrusal dizi yama antene GSG geçiş yapısı boyutları optimize edilerek ve her bitişik iki yama elemanı arasındaki aralıklandırma ve yama elemanı uzunlukları ölçeklenerek dönüştürülmüştür. Ölçeklendirme yönteminin etkisini değerlendirebilmek adına bu aşamada iki tasarım sunulmuştur. Bu iki dizi yama anten tasarımının operasyonel özelliklerinin ana kulak yönlendirilme açısı, empedans bant genişliği, total kazanç ve yan kulak baskılanması bakımından karşılaştırmalı analizi yapılmıştır.Article Citation - WoS: 14Citation - Scopus: 26Deep Learning-Based Vehicle Classification for Low Quality Images(Mdpi, 2022) Tas, Sumeyra; Sari, Ozgen; Dalveren, Yaser; Pazar, Senol; Kara, Ali; Derawi, MohammadThis study proposes a simple convolutional neural network (CNN)-based model for vehicle classification in low resolution surveillance images collected by a standard security camera installed distant from a traffic scene. In order to evaluate its effectiveness, the proposed model is tested on a new dataset containing tiny (100 x 100 pixels) and low resolution (96 dpi) vehicle images. The proposed model is then compared with well-known VGG16-based CNN models in terms of accuracy and complexity. Results indicate that although the well-known models provide higher accuracy, the proposed method offers an acceptable accuracy (92.9%) as well as a simple and lightweight solution for vehicle classification in low quality images. Thus, it is believed that this study might provide useful perception and understanding for further research on the use of standard low-cost cameras to enhance the ability of the intelligent systems such as intelligent transportation system applications.Doctoral Thesis Düşük Çözünürlüklü Görüntülerde Araç Tespiti ve Siniflandirmasi için Birden Fazla Aşamali Modüler Bir Yöntem(2025) Maiga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Doctoral Thesis Düşük Çözünürlüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüler Bir Yöntem(2025) Maıga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Doctoral Thesis Düşük Çözünürlülüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüller Bir Yöntem(2025) Maiga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Article Mükemmel İletken Silindir Modeli ile 28 Ghz’de İç Mekân Linklerini Bloke Eden İnsanların Etkilerinin İrdelenmesi(2020) Dalveren, Yaser; Kara, AliLiteratürde, kısa mesafe iç mekân haberleşme linklerinde insan vücudu blokajının sebep olduğu kaybıntahmininde matematiksel olarak sade bir yapıya sahip olması sebebiyle Çift Bıçak Kenarlı Kırınım (ÇBKK)modeli sıklıkla kullanılmaktadır. Fakat modelde insan vücudu benzetimi için kullanılan dikdörtgensel ekran,insan vücudu fiziğini temsil etmek için yeterli olmayabilir. Bu durum, özellikle çoklu insan vücudu blokajıolması durumunda, modelin tahmin doğruluğunu olumsuz etkileyebilir. Öte yandan, insan vücudu benzetimindeGeometrik Kırınım Teorisi (GKT) temelli mükemmel iletken silindir modeli, literatürde sıklıkla kullan bir diğermodeldir. Ancak bu modelin, çoklu insan vücudu blokajı durumunda, yayılım kaybını tahmin etmedeki etkisihenüz çalışılmamıştır. Bu nedenle, sunulan bu kısa çalışmadaki amaç, iletken silindir modelinin, 5G için tahsisedilmesi en muhtemel frekans bantlarından biri olan 28 GHz’de, çoklu insan vücudu blokajının neden olduğukısa mesafe iç mekân linklerindeki yayılım kaybını tahmin etmedeki doğruluğunu irdelemektir. Bu amaçla,öncelikle, kısa mesafe iç mekân linki bir insan vücudu ile tamamen bloklanmış; aynı anda, link yakınındakibaşka bir insan vücudu linke yaklaştırılarak ölçümler yapılmıştır. Sonrasında, yayılım kaybını tahmin etmek içinGKT ve ÇBKK modelinden faydalanılmıştır. Tahmin doğruluğu analizi için simülasyon ve ölçüm sonuçlarıkarşılaştırılmıştır. Sonuç olarak deneysel çalışmalar ile literatürde ilk defa, çoklu insan vücudu blokajının GKTmodeli ile tahmin doğruluğunun arttığı gözlemlenmiştir.Article Citation - WoS: 8Citation - Scopus: 9Propagation Measurements for Iqrf Network in an Urban Environment(Mdpi, 2022) Bouzidi, Mohammed; Dalveren, Yaser; Mohamed, Marshed; Dalveren, Yaser; Moldsvor, Arild; Cheikh, Faouzi Alaya; Derawi, Mohammad; Dalveren, Yaser; Department of Electrical & Electronics Engineering; Department of Electrical & Electronics EngineeringRecently, IQRF has emerged as a promising technology for the Internet of Things (IoT), owing to its ability to support short- and medium-range low-power communications. However, real world deployment of IQRF-based wireless sensor networks (WSNs) requires accurate path loss modelling to estimate network coverage and other performances. In the existing literature, extensive research on propagation modelling for IQRF network deployment in urban environments has not been provided yet. Therefore, this study proposes an empirical path loss model for the deployment of IQRF networks in a peer-to-peer configured system where the IQRF sensor nodes operate in the 868 MHz band. For this purpose, extensive measurement campaigns are conducted outdoor in an urban environment for Line-of-Sight (LoS) and Non-Line-of-Sight (NLoS) links. Furthermore, in order to evaluate the prediction accuracy of well-known empirical path loss models for urban environments, the measurements are compared with the predicted path loss values. The results show that the COST-231 Walfisch-Ikegami model has higher prediction accuracy and can be used for IQRF network planning in LoS links, while the COST-231 Hata model has better accuracy in NLoS links. On the other hand, the effects of antennas on the performance of IQRF transceivers (TRs) for LoS and NLoS links are also scrutinized. The use of IQRF TRs with a Straight-Line Dipole Antenna (SLDA) antenna is found to offer more stable results when compared to IQRF (TRs) with Meander Line Antenna (MLA) antenna. Therefore, it is believed that the findings presented in this article could offer useful insights for researchers interested in the development of IoT-based smart city applications.Article Citation - WoS: 8Citation - Scopus: 15Distributed denial-of-service attack mitigation in network functions virtualization-based 5G networks using management and orchestration(Wiley, 2021) Koksal, Sarp; Dalveren, Yaser; Maiga, Bamoye; Kara, AliThe fifth generation (5G) technology is expected to allow connectivity to billions of devices, known as Internet of Things (IoT). However, IoT devices will inevitably be the main target of various cyberattack types. The most common one is known as distributed denial-of-service (DDoS) attack. In order to mitigate such attacks, network functions virtualization (NFV) has a great potential to provide the benefit of elasticity and low-cost solutions for protecting 5G networks. In this context, this study proposes a new mechanism developed to mitigate DDoS attacks in 5G NFV networks. The proposed mechanism utilizes intrusion prevention system's (IPS) virtual machines (VMs) to intercept the queries. Based on the volume of DDoS traffic, IPS's VMs are dynamically deployed by means of management and orchestration (MANO) in order to balance the load. To evaluate the effectiveness of the mechanism, experiments are conducted in a real 5G NFV environment built by using 5G NFV environment tools. To our best knowledge, this is the first time that NFV-based mechanism is experimentally tested in a real 5G NFV environment for mitigating DDoS attacks in 5G networks. The experimental results verify that the proposed mechanism can mitigate DDoS attacks effectively.
