![\"Örnek](\"/assets/images/post/karar-agaci.png\" "\\"Örnek")
Örnek Bir Karar AğacıDoğrusal Arama Algoritması (Linear Search), bilgisayar bilimlerinde yaygın olarak kullanılan en basit arama algoritmalarından biridir ve küçük veri setlerinde etkili bir şekilde çalışır. Bu yazıda, Linear Search algoritmasının ne olduğunu, nasıl çalıştığını ve C programlama dilinde nasıl uygulanacağını öğreneceksiniz.
Linear Search (Doğrusal Arama) algoritması, bir veri yapısında (genellikle bir dizi veya liste) belirli bir elemanı aramak için kullanılan temel bir arama algoritmasıdır. Linear Search, aranan elemanı bulmak için veri yapısının tüm elemanlarını sırayla kontrol eder. Eğer aranan eleman bulunursa, elemanın konumu (indeksi) döndürülür; aksi takdirde, aranan elemanın bulunamadığı belirtilir.
Linear Search algoritmasının çalışma prensibi oldukça basittir:
Linear Search algoritmasının zaman karmaşıklığı O(n)’dir, burada n, veri yapısındaki eleman sayısını temsil eder. En kötü durumda, algoritma tüm elemanları kontrol etmek zorunda kalır, bu da O(n) zaman alır. Küçük veri setlerinde etkili olsa da, büyük veri setlerinde daha verimli arama algoritmaları tercih edilmelidir.
Bu örnekte, linear_search fonksiyonu bir dizi (arr), dizinin boyutu (size) ve aranan eleman (target) alır. Fonksiyon, dizinin her bir elemanını kontrol eder ve aranan eleman bulunduğunda elemanın indeksini döndürür. Eğer aranan eleman dizide bulunamazsa, fonksiyon -1 döndürür.
#include <stdio.h>// Linear Search fonksiyonuint linear_search(int arr[], int size, int target) { for (int i = 0; i < size; i++) { if (arr[i] == target) { return i; // Aranan eleman bulundu, indeksini döndür } } return -1; // Aranan eleman bulunamadı}int main() { // Örnek bir dizi int arr[] = {10, 20, 30, 40, 50}; int size = sizeof(arr) / sizeof(arr[0]); int target = 30; // Linear Search algoritmasını kullanarak arama yapın int result = linear_search(arr, size, target); if (result != -1) { printf(\"Eleman bulundu: %d indeksinde %d\\n\", target, result); } else { printf(\"Eleman bulunamadı\\n\"); } return 0;}Şimdi, kullanıcıdan bir dizi ve aranan elemanı alarak Linear Search algoritmasını uygulayan bir örnek yapalım.
Bu örnekte, kullanıcıdan bir dizi ve aranan elemanı girmesini istiyoruz. Kullanıcının girdiği dizi ve aranan eleman, linear_search fonksiyonuna iletilir ve sonuç ekranda gösterilir.
#include <stdio.h>// Linear Search fonksiyonuint linear_search(int arr[], int size, int target) { for (int i = 0; i < size; i++) { if (arr[i] == target) { return i; // Aranan eleman bulundu, indeksini döndür } } return -1; // Aranan eleman bulunamadı}int main() { int size, target; // Dizinin boyutunu al printf(\"Dizinin boyutunu girin: \"); scanf(\"%d\", &size); int arr[size]; // Dizinin elemanlarını al printf(\"Dizinin elemanlarını girin:\\n\"); for (int i = 0; i < size; i++) { scanf(\"%d\", &arr[i]); } // Aranan elemanı al printf(\"Aranan elemanı girin: \"); scanf(\"%d\", &target); // Linear Search algoritmasını kullanarak arama yapın int result = linear_search(arr, size, target); if (result != -1) { printf(\"Eleman bulundu: %d indeksinde %d\\n\", target, result); } else { printf(\"Eleman bulunamadı\\n\"); } return 0;}Linear Search algoritması, temel ve etkili bir arama algoritmasıdır. Linear Search, küçük veri setlerinde iyi performans gösterse de, büyük veri setlerinde daha verimli arama algoritmalarını örneğin, Binary Search kullanmak daha uygun olabilir.
", "url": "https://hakan.io/dogrusal-arama-algoritmasi-linear-search-algorithm-c-ornek-kod/", "tags": ["dogrusal arama algoritmasi","linear search algorithm","c örnek kod"], "date_published": "2023-02-09T12:00:00+03:00", "date_modified": "2023-02-09T12:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/annoy-kutuphanesi-ile-yaklasik-en-yakin-komsu-arama/", "title": "ANNOY Kütüphanesi İle Yaklaşık En Yakın Komşu Arama", "summary": null, "content_text": "ANNOY, büyük veri setlerinde hızlı ve verimli bir şekilde en yakın komşu arama işlemi gerçekleştirmek için geliştirilmiş bir kütüphanedir. Bu yazıda, ANNOY’un ne olduğunu, neden kullanıldığını ve uygulamalı bir örnekle nasıl kullanılabileceğini ele alacağız.ANNOY Nedir?ANNOY (Approximate Nearest Neighbors Oh Yeah), Spotify tarafından geliştirilmiş ve büyük veri setlerinde hızlı ve verimli en yakın komşu aramayı sağlayan bir kütüphanedir. ANNOY, özellikle yüksek boyutlu veri setlerinde benzer vektörleri bulmak için kullanılır. “Approximate” ifadesi, kütüphanenin kesin sonuçlar yerine yaklaşık sonuçlar sunduğunu belirtir, bu da arama işlemlerinin çok daha hızlı olmasını sağlar.ANNOY’un Temel Özellikleri Hız ve Verimlilik: ANNOY, büyük veri setlerinde ve yüksek boyutlu vektörlerde hızlı arama yapabilir. Yaklaşık Sonuçlar: Kesin sonuçlar yerine yaklaşık sonuçlar sunarak arama süresini azaltır. Düşük Bellek Kullanımı: Bellek dostu yapısı sayesinde büyük veri setlerini bellekte verimli bir şekilde tutar. Kolay Kullanım: Basit ve anlaşılır bir API sunar, bu da veri bilimciler ve mühendisler için kullanımını kolaylaştırır.ANNOY’un Kullanım AlanlarıANNOY, çeşitli alanlarda kullanılabilir. Bazı yaygın kullanım alanları aşağıdaki gibidir: Öneri Sistemleri: Kullanıcılara benzer ürünler veya içerikler önermek için. Veri Keşfi: Büyük veri setlerinde benzer veri noktalarını keşfetmek için. Görüntü ve Ses Tanıma: Görseller veya sesler arasında benzer olanları bulmak için. Doğal Dil İşleme: Kelime veya cümle vektörleri arasında en yakın olanları bulmak için.ANNOY ile Uygulamalı Örnek: Film Öneri SistemiANNOY’un nasıl çalıştığını anlamak için bir film öneri sistemi oluşturalım. Bu örnekte, IMDb veri setini kullanarak benzer filmleri bulan bir script geliştireceğiz. Örnek veri setinde her bir film 2 boyutlu bir vektörle ifade edilmekte ve filmler arasındaki benzerliği vektörlerin birbirine olan uzaklığını ANNOY hesaplayarak bulacak. ANNOY’un tam olarak yaptığı şey zaten bu olduğu için, örneğimizde 2 boyutlu vektörler arasında elbette çok hızlı arama yapacaktır. Ancak özelliklerin çok daha yüksek boyutlu vektörlerle ifade edildiği durumlarda bile ANNOY hızlı bir şekilde arama yapabilmektedir.ANNOY mesafe ölçümü için 5 farklı metrik kullanabilmektedir. Mesafe metrikleri ayrı bir yazının konusu olacağı için ANNOY’da ölçüm için kullanılabilecek metrikler; Öklid Mesafesi, Manhattan Mesafesi, Kosinüs Benzerliği, Hamming Mesafesi ve Nokta Çarpımdır.Annoy indexi oluşturulurken “angular”, “euclidean”, “manhattan”, “hamming” veya “dot” parametrelerini kullanabilirsiniz. Aşağıdaki örnekte index öklid mesafesi kullanılarak oluşturulmuştur.Gerekli Kütüphaneleri Yüklemeİlk olarak, gerekli kütüphaneleri yükleyelim:pip install annoypip install annoy pandasVeri HazırlığıFilm veri setimizi yükleyip ön işleme tabi tutalım:import pandas as pdfrom annoy import AnnoyIndex# Örnek film veri setidata = { 'id': [0, 1, 2, 3, 4], 'title': ['Movie1', 'Movie2', 'Movie3', 'Movie4', 'Movie5'], 'features': [[0.1, 0.3], [0.2, 0.6], [0.4, 0.1], [0.6, 0.7], [0.9, 0.2]]}movies = pd.DataFrame(data)# Özellikleri ve film id'lerini hazırlıyoruzfeatures = movies['features'].tolist()movie_ids = movies['id'].tolist()ANNOY Modeli Oluşturma ve EğitmeANNOY modelimizi oluşturup, veri setimizle eğitelim:# Vektör boyutu (örnek veri setinde 2)vector_length = 2# ANNOY index oluşturmaannoy_index = AnnoyIndex(vector_length, 'euclidean')# Veri setindeki filmleri ekliyoruzfor i, feature in enumerate(features): annoy_index.add_item(movie_ids[i], feature)# Index'i inşa ediyoruzannoy_index.build(10) # 10 ağaç kullanarakBenzer Filmleri BulmaŞimdi, belirli bir film için benzer filmleri bulalım:# Belirli bir film id'si için en yakın komşuları buluyoruzmovie_id = 0 # İlk filmnum_neighbors = 3 # 3 benzer film bulsimilar_movies = annoy_index.get_nns_by_item(movie_id, num_neighbors)print(f'Film {movie_id} için benzer filmler: {similar_movies}')Sonuçları GörüntülemeBenzer filmleri daha okunabilir hale getirelim:# Benzer film isimlerini görüntülemesimilar_movie_titles = movies[movies['id'].isin(similar_movies)]['title'].tolist()print(f'Film {movie_id} için benzer filmler: {similar_movie_titles}')Bu örnekle, ANNOY kütüphanesini kullanarak hızlı ve verimli bir şekilde benzer film önerileri yapabileceğinizi uygulamalı olarak gösteren bir script geliştirmiş olduk. Bu basit uygulamayı daha büyük veri setleri ve daha karmaşık öneri sistemleriyle genişletebilirsiniz.Sonuç olarak ANNOY kütüphanesi, büyük veri setlerinde hızlı ve etkili en yakın komşu arama yapmayı sağlayan güçlü bir araçtır. Bu gönderide, ANNOY’un temel özelliklerini ve nasıl kullanılacağına dair temel adımları gördünüz. Ayrıca, basit bir film öneri sistemi örneği ile ANNOY’un gerçek dünyada nasıl uygulanabileceğini görmüş oldunuz. ANNOY, özellikle öneri sistemleri, veri keşfi ve benzer veri noktalarını bulma gibi alanlarda oldukça kullanışlıdır.", "content_html": "ANNOY, büyük veri setlerinde hızlı ve verimli bir şekilde en yakın komşu arama işlemi gerçekleştirmek için geliştirilmiş bir kütüphanedir. Bu yazıda, ANNOY’un ne olduğunu, neden kullanıldığını ve uygulamalı bir örnekle nasıl kullanılabileceğini ele alacağız.
ANNOY (Approximate Nearest Neighbors Oh Yeah), Spotify tarafından geliştirilmiş ve büyük veri setlerinde hızlı ve verimli en yakın komşu aramayı sağlayan bir kütüphanedir. ANNOY, özellikle yüksek boyutlu veri setlerinde benzer vektörleri bulmak için kullanılır. “Approximate” ifadesi, kütüphanenin kesin sonuçlar yerine yaklaşık sonuçlar sunduğunu belirtir, bu da arama işlemlerinin çok daha hızlı olmasını sağlar.
ANNOY, çeşitli alanlarda kullanılabilir. Bazı yaygın kullanım alanları aşağıdaki gibidir:
ANNOY’un nasıl çalıştığını anlamak için bir film öneri sistemi oluşturalım. Bu örnekte, IMDb veri setini kullanarak benzer filmleri bulan bir script geliştireceğiz. Örnek veri setinde her bir film 2 boyutlu bir vektörle ifade edilmekte ve filmler arasındaki benzerliği vektörlerin birbirine olan uzaklığını ANNOY hesaplayarak bulacak. ANNOY’un tam olarak yaptığı şey zaten bu olduğu için, örneğimizde 2 boyutlu vektörler arasında elbette çok hızlı arama yapacaktır. Ancak özelliklerin çok daha yüksek boyutlu vektörlerle ifade edildiği durumlarda bile ANNOY hızlı bir şekilde arama yapabilmektedir.
ANNOY mesafe ölçümü için 5 farklı metrik kullanabilmektedir. Mesafe metrikleri ayrı bir yazının konusu olacağı için ANNOY’da ölçüm için kullanılabilecek metrikler; Öklid Mesafesi, Manhattan Mesafesi, Kosinüs Benzerliği, Hamming Mesafesi ve Nokta Çarpımdır.
Annoy indexi oluşturulurken “angular”, “euclidean”, “manhattan”, “hamming” veya “dot” parametrelerini kullanabilirsiniz. Aşağıdaki örnekte index öklid mesafesi kullanılarak oluşturulmuştur.
İlk olarak, gerekli kütüphaneleri yükleyelim:
pip install annoypip install annoy pandasFilm veri setimizi yükleyip ön işleme tabi tutalım:
import pandas as pdfrom annoy import AnnoyIndex# Örnek film veri setidata = { 'id': [0, 1, 2, 3, 4], 'title': ['Movie1', 'Movie2', 'Movie3', 'Movie4', 'Movie5'], 'features': [[0.1, 0.3], [0.2, 0.6], [0.4, 0.1], [0.6, 0.7], [0.9, 0.2]]}movies = pd.DataFrame(data)# Özellikleri ve film id'lerini hazırlıyoruzfeatures = movies['features'].tolist()movie_ids = movies['id'].tolist()ANNOY modelimizi oluşturup, veri setimizle eğitelim:
# Vektör boyutu (örnek veri setinde 2)vector_length = 2# ANNOY index oluşturmaannoy_index = AnnoyIndex(vector_length, 'euclidean')# Veri setindeki filmleri ekliyoruzfor i, feature in enumerate(features): annoy_index.add_item(movie_ids[i], feature)# Index'i inşa ediyoruzannoy_index.build(10) # 10 ağaç kullanarakŞimdi, belirli bir film için benzer filmleri bulalım:
# Belirli bir film id'si için en yakın komşuları buluyoruzmovie_id = 0 # İlk filmnum_neighbors = 3 # 3 benzer film bulsimilar_movies = annoy_index.get_nns_by_item(movie_id, num_neighbors)print(f'Film {movie_id} için benzer filmler: {similar_movies}')Benzer filmleri daha okunabilir hale getirelim:
# Benzer film isimlerini görüntülemesimilar_movie_titles = movies[movies['id'].isin(similar_movies)]['title'].tolist()print(f'Film {movie_id} için benzer filmler: {similar_movie_titles}')Bu örnekle, ANNOY kütüphanesini kullanarak hızlı ve verimli bir şekilde benzer film önerileri yapabileceğinizi uygulamalı olarak gösteren bir script geliştirmiş olduk. Bu basit uygulamayı daha büyük veri setleri ve daha karmaşık öneri sistemleriyle genişletebilirsiniz.
Sonuç olarak ANNOY kütüphanesi, büyük veri setlerinde hızlı ve etkili en yakın komşu arama yapmayı sağlayan güçlü bir araçtır. Bu gönderide, ANNOY’un temel özelliklerini ve nasıl kullanılacağına dair temel adımları gördünüz. Ayrıca, basit bir film öneri sistemi örneği ile ANNOY’un gerçek dünyada nasıl uygulanabileceğini görmüş oldunuz. ANNOY, özellikle öneri sistemleri, veri keşfi ve benzer veri noktalarını bulma gibi alanlarda oldukça kullanışlıdır.
", "url": "https://hakan.io/annoy-kutuphanesi-ile-yaklasik-en-yakin-komsu-arama/", "tags": ["annoy","yaklaşık en yakın komşu arama"], "date_published": "2023-02-06T12:00:00+03:00", "date_modified": "2023-02-06T12:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/karar-agaci-decision-tree/", "title": "Karar Ağacı (Decision Tree)", "summary": null, "content_text": "Karar ağacı, belirli koşullar altında bir karara varılmasını sağlayan ve olası çözüm kümesinin ağaç üzerinde grafiksel gösterimini sağlayan bir yöntemdir. Karar ağaçları işletmelerde yaygın bir şekilde yönetimlerin alacağı tercihlerin, risklerin ve belirlemek istediği hedeflerin tanımlanmasında kullanılmaktadır. Aynı zamanda makine öğrenmesi sınıflandırma problemlerinde kullanılan bir yöntemdir. Karar ağaçları, bir ağaç veri yapısı üzerinde sınıflandırma ve regresyon modelleri oluşturmakta kullanılmaktadır.Karar ağaçları, bir dizi basit testi mantıksal olarak birleştiren sıralı modellerdir; her test sayısal bir özniteliği bir eşik değeriyle veya bir nominal özniteliği bir dizi olası değerle karşılaştırır. Bu tür sembolik sınıflandırıcılar, sinir ağları gibi “kara kutu” modellerine göre anlaşılabilirlik açısından bir avantaja sahiptir. Bir karar ağacının izlediği mantıksal kuralların yorumlanması, bir sinir ağındaki düğümler arasındaki bağlantıların sayısal ağırlıklarından çok daha kolaydır. Karar vericiler, anlayabilecekleri modelleri kullanma konusunda kendilerini daha rahat hissetme eğilimindedir [1].Karar ağaçları ile sınıflandırma yapılırken, bir veri kümesi giderek daha küçük alt kümelere ayrılarak karar ağacı kademeli olarak geliştirilir. Sonuç olarak elde edilen ağaç, karar düğümleri ve yaprak düğümlerinden oluşan bir karar ağacıdır. Oluşturulan karar ağacında bir karar düğümünün iki veya daha fazla sayıda elemanı vardır. Yaprak düğümler ise bir sınıfı veya kararı temsil eder. Karar ağacı ile sınıflandırma yapılırken, veri setinden elde edilen karar ağacının olabildiğince az sayıda düğümden oluşturulması hedeflenmektedir.Örnek Bir Karar AğacıKarar ağacının oluşturulması için Quinlan tarafından ID3 olarak adlandırılan bir algoritma geliştirilmiştir. ID3 algoritması, karar ağacını oluşturmak için yukarıdan aşağıya, bir geri izleme olmadan açgözlü arama yaparak çalışır. ID3 algoritması ile karar ağacı oluşturulurken Entropi ve Bilgi Kazancı kullanılmaktadır [2].Bir karar ağacı kök düğümden başlayarak yukarıdan aşağıya doğru oluşturulur. Karar ağacı oluşturulurken verilerin homojen bir şekilde dağılması hedeflenmektedir. ID3 algoritması homojenliği hesaplamak için entropiyi kullanır. Bir karar ağacı oluşturulurken öncelikli olarak veri setinden faydalanarak sıklık tabloları oluşturulur. Özelliklerin seçimi için sıklık tabloları kullanılarak iki tür entropi hesaplanır. Bir özellik için entropi hesabı denklem 1’de gösterildiği şekilde hesaplanmaktadır. İki özellik için entropi hesabı denklem 2’de gösterildiği şekilde hesaplanmaktadır.Denklem 1 Yürüyüşe Çık Yürüyüşe Çık Evet Hayır 9 5 Tablo: Tek Özellik İçin Entropi ÖrneğiEntropi(YuruyuseCik) = Entropy(5,9) = Entropy(0.36,0.64) = 0.94Denklem 2 Hava Durumu Yürüyüşe Çık Yürüyüşe Çık Evet Hayır Güneşli 3 2 5 Bulutlu 4 0 4 Yağmurlu 2 3 5 14 Tablo: İki Özellik İçin Entropi ÖrneğiE(YuruyuseCik, Tahmin) = P(Güneşli) * E(3,2) + P(Bulutlu) * E(4,0) + P(Yağmurlu) * E(2,3) = 0.693Bilgi kazancı ise, bir veri kümesinin özniteliklerinin belirlenmesinden sonra entropideki azalmaya dayanır. Bir karar ağacı oluşturulurken hedeflenen amaç, en homojen şekilde yani en yüksek bilgi kazancını döndüren özniteliği bulmaktır. Bilgi kazancı hesaplanırken önce hedefin entropisi hesaplanır. Veri kümesi daha sonra farklı özniteliklere bölünür. Her bir dal için entropi hesaplanır. Daha sonra her bir dala ait toplam entropiyi hesaplamak için orantılı olarak eklenir. Hesaplanan entropi, veri setinin bölünmeden önceki entropisinden çıkarılarak bilgi kazancı elde edilir. Karar ağacında yer alacak karar düğümlerinin belirlenmesi için en büyük bilgi kazancına sahip olan öznitelik seçilerek veri seti dallara ayrılır. Her dal için aynı işlemler tekrarlanarak karar ağacı oluşturulur.ID3 algoritması ile karar ağacı oluşturulurken entropisi 0 olarak hesaplanan dal bir yaprak düğüm olarak belirlenir. Entropisi 0’dan büyük olan dallar ise daha alt dallara bölünmelidir. ID3 algoritması tüm verilerin sınıflandırması yapılana kadar, yaprağa sahip olmayan dallarda recursive olarak çalıştırılır.Karar ağaçları ile sınıflandırma yapılırken eğitilen modelin, eğitim için kullanılan veri seti üzerinde aşırı öğrenme göstermesi durumunda ağaç üzerinde budama işlemi gerçekleştirilir. Bir karar ağacının budanmasına yönelik genellikle iki yöntem tercih edilmektedir. Pre-pruning olarak adlandırılan yöntemle, bir karar ağacı oluşturulurken ağaçta olması istenmeyen düğümler temizlenir. Post-pruning olarak adlandırılan yöntemle ise öncelikli olarak karar ağacı oluşturulur ve sonrasında karar ağacında yer alan gereksiz kısımlar temizlenir. Budama işleminin ağaç oluşturulurken yapılması durumunda, budama işleminin yapılacağı koşulların belirlenmesinde yaşanacak olan zorluklar sebebiyle genellikle ağaç oluşturulduktan sonra budama işlemi yapılması tercih edilmektedir.Sınıflandırma problemlerinde bir karar ağacı oluşturulurken öznitelik seçimi için bilgi kazancının yanında, kazanç oranı (gain ratio) ve gini index yöntemleri de ayrıca kullanılmaktadır. Bu gönderide kısaca karar ağaçlarından ve ağacın oluşturulması süresince uygulanan yöntemlerden bahsedilmiştir.[1] Kotsiantis, S. B. (2013). Decision trees: a recent overview. Artificial Intelligence Review, 39(4), 261-283.[2] Quinlan, J. R. (1986). Induction of decision trees. Machine learning, 1(1), 81-106.", "content_html": "Karar ağacı, belirli koşullar altında bir karara varılmasını sağlayan ve olası çözüm kümesinin ağaç üzerinde grafiksel gösterimini sağlayan bir yöntemdir. Karar ağaçları işletmelerde yaygın bir şekilde yönetimlerin alacağı tercihlerin, risklerin ve belirlemek istediği hedeflerin tanımlanmasında kullanılmaktadır. Aynı zamanda makine öğrenmesi sınıflandırma problemlerinde kullanılan bir yöntemdir. Karar ağaçları, bir ağaç veri yapısı üzerinde sınıflandırma ve regresyon modelleri oluşturmakta kullanılmaktadır.
Karar ağaçları, bir dizi basit testi mantıksal olarak birleştiren sıralı modellerdir; her test sayısal bir özniteliği bir eşik değeriyle veya bir nominal özniteliği bir dizi olası değerle karşılaştırır. Bu tür sembolik sınıflandırıcılar, sinir ağları gibi “kara kutu” modellerine göre anlaşılabilirlik açısından bir avantaja sahiptir. Bir karar ağacının izlediği mantıksal kuralların yorumlanması, bir sinir ağındaki düğümler arasındaki bağlantıların sayısal ağırlıklarından çok daha kolaydır. Karar vericiler, anlayabilecekleri modelleri kullanma konusunda kendilerini daha rahat hissetme eğilimindedir [1].
Karar ağaçları ile sınıflandırma yapılırken, bir veri kümesi giderek daha küçük alt kümelere ayrılarak karar ağacı kademeli olarak geliştirilir. Sonuç olarak elde edilen ağaç, karar düğümleri ve yaprak düğümlerinden oluşan bir karar ağacıdır. Oluşturulan karar ağacında bir karar düğümünün iki veya daha fazla sayıda elemanı vardır. Yaprak düğümler ise bir sınıfı veya kararı temsil eder. Karar ağacı ile sınıflandırma yapılırken, veri setinden elde edilen karar ağacının olabildiğince az sayıda düğümden oluşturulması hedeflenmektedir.
Örnek Bir Karar Ağacı
Karar ağacının oluşturulması için Quinlan tarafından ID3 olarak adlandırılan bir algoritma geliştirilmiştir. ID3 algoritması, karar ağacını oluşturmak için yukarıdan aşağıya, bir geri izleme olmadan açgözlü arama yaparak çalışır. ID3 algoritması ile karar ağacı oluşturulurken Entropi ve Bilgi Kazancı kullanılmaktadır [2].
Bir karar ağacı kök düğümden başlayarak yukarıdan aşağıya doğru oluşturulur. Karar ağacı oluşturulurken verilerin homojen bir şekilde dağılması hedeflenmektedir. ID3 algoritması homojenliği hesaplamak için entropiyi kullanır. Bir karar ağacı oluşturulurken öncelikli olarak veri setinden faydalanarak sıklık tabloları oluşturulur. Özelliklerin seçimi için sıklık tabloları kullanılarak iki tür entropi hesaplanır. Bir özellik için entropi hesabı denklem 1’de gösterildiği şekilde hesaplanmaktadır. İki özellik için entropi hesabı denklem 2’de gösterildiği şekilde hesaplanmaktadır.
![\"Denklem](\"/assets/images/post/other/karar-agaci-denklem-1.png\" "\\"Denklem")
Denklem 1
| Yürüyüşe Çık | Yürüyüşe Çık |
|---|---|
| Evet | Hayır |
| 9 | 5 |
Tablo: Tek Özellik İçin Entropi Örneği
Entropi(YuruyuseCik) = Entropy(5,9) = Entropy(0.36,0.64) = 0.94
![\"Denklem](\"/assets/images/post/other/karar-agaci-denklem-2.png\" "\\"Denklem")
Denklem 2
| Hava Durumu | Yürüyüşe Çık | Yürüyüşe Çık | |
|---|---|---|---|
| Evet | Hayır | ||
| Güneşli | 3 | 2 | 5 |
| Bulutlu | 4 | 0 | 4 |
| Yağmurlu | 2 | 3 | 5 |
| 14 |
Tablo: İki Özellik İçin Entropi Örneği
E(YuruyuseCik, Tahmin) = P(Güneşli) * E(3,2) + P(Bulutlu) * E(4,0) + P(Yağmurlu) * E(2,3) = 0.693
Bilgi kazancı ise, bir veri kümesinin özniteliklerinin belirlenmesinden sonra entropideki azalmaya dayanır. Bir karar ağacı oluşturulurken hedeflenen amaç, en homojen şekilde yani en yüksek bilgi kazancını döndüren özniteliği bulmaktır. Bilgi kazancı hesaplanırken önce hedefin entropisi hesaplanır. Veri kümesi daha sonra farklı özniteliklere bölünür. Her bir dal için entropi hesaplanır. Daha sonra her bir dala ait toplam entropiyi hesaplamak için orantılı olarak eklenir. Hesaplanan entropi, veri setinin bölünmeden önceki entropisinden çıkarılarak bilgi kazancı elde edilir. Karar ağacında yer alacak karar düğümlerinin belirlenmesi için en büyük bilgi kazancına sahip olan öznitelik seçilerek veri seti dallara ayrılır. Her dal için aynı işlemler tekrarlanarak karar ağacı oluşturulur.
ID3 algoritması ile karar ağacı oluşturulurken entropisi 0 olarak hesaplanan dal bir yaprak düğüm olarak belirlenir. Entropisi 0’dan büyük olan dallar ise daha alt dallara bölünmelidir. ID3 algoritması tüm verilerin sınıflandırması yapılana kadar, yaprağa sahip olmayan dallarda recursive olarak çalıştırılır.
Karar ağaçları ile sınıflandırma yapılırken eğitilen modelin, eğitim için kullanılan veri seti üzerinde aşırı öğrenme göstermesi durumunda ağaç üzerinde budama işlemi gerçekleştirilir. Bir karar ağacının budanmasına yönelik genellikle iki yöntem tercih edilmektedir. Pre-pruning olarak adlandırılan yöntemle, bir karar ağacı oluşturulurken ağaçta olması istenmeyen düğümler temizlenir. Post-pruning olarak adlandırılan yöntemle ise öncelikli olarak karar ağacı oluşturulur ve sonrasında karar ağacında yer alan gereksiz kısımlar temizlenir. Budama işleminin ağaç oluşturulurken yapılması durumunda, budama işleminin yapılacağı koşulların belirlenmesinde yaşanacak olan zorluklar sebebiyle genellikle ağaç oluşturulduktan sonra budama işlemi yapılması tercih edilmektedir.
Sınıflandırma problemlerinde bir karar ağacı oluşturulurken öznitelik seçimi için bilgi kazancının yanında, kazanç oranı (gain ratio) ve gini index yöntemleri de ayrıca kullanılmaktadır. Bu gönderide kısaca karar ağaçlarından ve ağacın oluşturulması süresince uygulanan yöntemlerden bahsedilmiştir.
[1] Kotsiantis, S. B. (2013). Decision trees: a recent overview. Artificial Intelligence Review, 39(4), 261-283.
[2] Quinlan, J. R. (1986). Induction of decision trees. Machine learning, 1(1), 81-106.
", "url": "https://hakan.io/karar-agaci-decision-tree/", "date_published": "2022-11-25T12:00:00+03:00", "date_modified": "2022-11-25T12:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/internet-sansuru-ve-sosyal-medya-yasaklari-uzerine-ne-kadar-mumkun/", "title": "İnternet Sansürü ve Sosyal Medya Yasakları Üzerine - Ne Kadar Mümkün?", "summary": null, "content_text": "Dünya’nın güzide memleketlerinde zaman zaman otoriter yönetimlerin iştahını kabartan internet sansürü üzerine çokça konuşuluyor. Esasında yönetimler pratikte teknik olarak uygulanması zor olan geniş çaplı bir sansür yerine bireyleri baskı altına alarak bir oto-sansür oluşturacak yöntemleri izlemeyi daha çok tercih ediyor. Ancak geniş çaplı bir sansür veya erişim engellemesi teknik olarak ne kadar mümkün?Yakın tarihimiz Twitter, Youtube ve Facebook gibi popüler sosyal medya uygulamalarının engellenmesi ve Wikipedia’nın uzunca bir süre erişime kapalı kalması gibi örneklerle dolu. Zaman zaman erişime engellenen sosyal medya uygulamaları ve web sitelerine aşina olsak da sosyal medya özelinden yola çıkarak internetin kontrol altında tutulabileceğini hayal etmek, en kibar şekliyle cahilliktir. İnternet bir kara kutu değildir. Dolayısıyla kutuyu gizleyerek veya kutuya erişimi engelleyerek kontrol altında tutamazsınız. “The IT Crowd” dizisinde internetin bir kara kutu içerisinde olduğu düşüncesi mizahi bir şekilde işlenmişti. Kısaca Moss ve Roy tüm internetin küçük siyah metal bir kutu içinde olduğu yönünde Jen’e şaka yapar ve olaylar gelişir.Görsel: The IT CrowdPeki internetin tam anlamıyla kontrol altına alınması ne kadar mümkün? Şu anda tüm internet ve haberleşmeyi sağlayan mevcut altyapı göz önüne alındığında teknik olarak internetin kontrol altına alınması mümkün değil. Yönetimler, bir ülkenin Dünya ile bağlantısını sağlayan ağ üzerinden geçen her network paketini kontrol etmeyi bile deneyebilir ama nafile. Çünkü bu pratikte uygulanabilir değil. Geçtiğimiz yıllarda VPN servislerine erişim engeli getirildi. Yapılan şey popüler VPN servislerine ait, tespit edilebilen sunucuların erişim engellemesinden öteye gidemedi. Bunun bir adım ötesini hayal edecek olursak, diyelim ki tüm VPN servislerini engellenmek istensin, çok geniş çaplı bir IP aralığının engellenmesi gerekli. Çok geniş çaplı bir IP aralığını engellemek ise yine uygulanabilir değil.Yine vakti zamanında TOR ağına erişim engellenmeye çalışıldı ve tamamen başarılı olunamadı. TOR projesi ve altındaki protokoller zaten anonimliği sağlayabilmek ve tam olarak gelebilecek erişim engellerine yönelik tasarlanmıştı. Dolayısıyla basit bir konfigürasyonla TOR ağına erişim kolayca sağlanabilmişti.Örnekler artırılabilir, yakın geçmişi hatırladığımızda bir çırpıda sayacak çok fazla örneğimiz var. Kısaca kurulan hayallerin olabilecek en fantezi pratiği, fiziksel olarak ağın kendisine müdahale etmek gibi görünüyor. Distopyamızda tüm fiziksel hattın kesildiğini varsayalım, kablosuz iletişim nasıl engellenecek? İnternet servis sağlayıcıların tüm fiziksel hattı filtrelediği, ağ özelinde diledikleri şekilde bant genişliğini sınırladığı olası bir senaryoda geleneksel internet servis sağlayıcılara ihtiyacımız kalmadığında ne olacak? Geleneksel internet servis sağlayıcılarının geleceği Starlink ve benzeri girişimler sebebiyle pek parlak görünmüyor. Gezegenin tüm noktalarından erişilebilen kablosuz ev tipi uydu internet bağlantısı artık hayal değil. Özetle, internet kontrol altına alınabilecek bir “şey” değil. Neredeyse kapalı devre yaşamak zorunda bırakılan ülkelerde bile insanlar kendi underground ağlarını oluşturuyor.2022 yılında bunları konuşuyor olmak gözetim toplumu ve sosyolojik yansımaları bakımından ilgi çekici. Bence gezegeni koca bir panoptikona çevirmeyi başaramayacaklar, teknik olarak bu uygulanabilir değil. Sosyolojik olarak ise ancak konu uzmanlarının yapabileceği bir tartışma.Hal böyleyken birilerinin interneti kontrol altına alabileceği yönünde attıkları adımlar aynen Moss ve Roy’un Jen’e yaptıkları şaka tadında ama bu sefer maalesef şaka değil.Görsel: 16. İstanbul Bienali - Simon FujiwaraDipnot: Bu blog yazısı 2020 yılında gündemi meşgul eden internet sansürü ile ilgili yazdığım birkaç tweet’in genişletilmiş halidir. Orijinal tweet serisine bu adresten ulaşabilirsiniz.", "content_html": "Dünya’nın güzide memleketlerinde zaman zaman otoriter yönetimlerin iştahını kabartan internet sansürü üzerine çokça konuşuluyor. Esasında yönetimler pratikte teknik olarak uygulanması zor olan geniş çaplı bir sansür yerine bireyleri baskı altına alarak bir oto-sansür oluşturacak yöntemleri izlemeyi daha çok tercih ediyor. Ancak geniş çaplı bir sansür veya erişim engellemesi teknik olarak ne kadar mümkün?
Yakın tarihimiz Twitter, Youtube ve Facebook gibi popüler sosyal medya uygulamalarının engellenmesi ve Wikipedia’nın uzunca bir süre erişime kapalı kalması gibi örneklerle dolu. Zaman zaman erişime engellenen sosyal medya uygulamaları ve web sitelerine aşina olsak da sosyal medya özelinden yola çıkarak internetin kontrol altında tutulabileceğini hayal etmek, en kibar şekliyle cahilliktir. İnternet bir kara kutu değildir. Dolayısıyla kutuyu gizleyerek veya kutuya erişimi engelleyerek kontrol altında tutamazsınız. “The IT Crowd” dizisinde internetin bir kara kutu içerisinde olduğu düşüncesi mizahi bir şekilde işlenmişti. Kısaca Moss ve Roy tüm internetin küçük siyah metal bir kutu içinde olduğu yönünde Jen’e şaka yapar ve olaylar gelişir.
![\"The](\"/assets/images/post/the-it-crowd-black-box.jpg\" "\\"The")
Görsel: The IT Crowd
Peki internetin tam anlamıyla kontrol altına alınması ne kadar mümkün? Şu anda tüm internet ve haberleşmeyi sağlayan mevcut altyapı göz önüne alındığında teknik olarak internetin kontrol altına alınması mümkün değil. Yönetimler, bir ülkenin Dünya ile bağlantısını sağlayan ağ üzerinden geçen her network paketini kontrol etmeyi bile deneyebilir ama nafile. Çünkü bu pratikte uygulanabilir değil. Geçtiğimiz yıllarda VPN servislerine erişim engeli getirildi. Yapılan şey popüler VPN servislerine ait, tespit edilebilen sunucuların erişim engellemesinden öteye gidemedi. Bunun bir adım ötesini hayal edecek olursak, diyelim ki tüm VPN servislerini engellenmek istensin, çok geniş çaplı bir IP aralığının engellenmesi gerekli. Çok geniş çaplı bir IP aralığını engellemek ise yine uygulanabilir değil.
Yine vakti zamanında TOR ağına erişim engellenmeye çalışıldı ve tamamen başarılı olunamadı. TOR projesi ve altındaki protokoller zaten anonimliği sağlayabilmek ve tam olarak gelebilecek erişim engellerine yönelik tasarlanmıştı. Dolayısıyla basit bir konfigürasyonla TOR ağına erişim kolayca sağlanabilmişti.
Örnekler artırılabilir, yakın geçmişi hatırladığımızda bir çırpıda sayacak çok fazla örneğimiz var. Kısaca kurulan hayallerin olabilecek en fantezi pratiği, fiziksel olarak ağın kendisine müdahale etmek gibi görünüyor. Distopyamızda tüm fiziksel hattın kesildiğini varsayalım, kablosuz iletişim nasıl engellenecek? İnternet servis sağlayıcıların tüm fiziksel hattı filtrelediği, ağ özelinde diledikleri şekilde bant genişliğini sınırladığı olası bir senaryoda geleneksel internet servis sağlayıcılara ihtiyacımız kalmadığında ne olacak? Geleneksel internet servis sağlayıcılarının geleceği Starlink ve benzeri girişimler sebebiyle pek parlak görünmüyor. Gezegenin tüm noktalarından erişilebilen kablosuz ev tipi uydu internet bağlantısı artık hayal değil. Özetle, internet kontrol altına alınabilecek bir “şey” değil. Neredeyse kapalı devre yaşamak zorunda bırakılan ülkelerde bile insanlar kendi underground ağlarını oluşturuyor.
2022 yılında bunları konuşuyor olmak gözetim toplumu ve sosyolojik yansımaları bakımından ilgi çekici. Bence gezegeni koca bir panoptikona çevirmeyi başaramayacaklar, teknik olarak bu uygulanabilir değil. Sosyolojik olarak ise ancak konu uzmanlarının yapabileceği bir tartışma.
Hal böyleyken birilerinin interneti kontrol altına alabileceği yönünde attıkları adımlar aynen Moss ve Roy’un Jen’e yaptıkları şaka tadında ama bu sefer maalesef şaka değil.
![\"16.](\"/assets/images/post/istanbul-bienali-simon-fujiwara.jpg\" "\\"16.")
Görsel: 16. İstanbul Bienali - Simon Fujiwara
Dipnot: Bu blog yazısı 2020 yılında gündemi meşgul eden internet sansürü ile ilgili yazdığım birkaç tweet’in genişletilmiş halidir. Orijinal tweet serisine bu adresten ulaşabilirsiniz.
", "url": "https://hakan.io/internet-sansuru-ve-sosyal-medya-yasaklari-uzerine-ne-kadar-mumkun/", "date_published": "2022-10-20T11:15:00+03:00", "date_modified": "2022-10-20T11:15:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/karisiklik-matrisi-confusion-matrix/", "title": "Karışıklık Matrisi (Confusion Matrix)", "summary": null, "content_text": "Karışıklık matrisi (Confusion Matrix) bir sınıflandırma problemindeki tahmin sonuçlarının özetini sunan tablodur. Karışıklık matrisi kullanılarak sınıflandırıcı ile yapılan hatalar hakkında fikir edinilebilir. Karışıklık matrisi aynı zamanda modelin yaptığı hata türleri hakkında da fikir verir. Karışıklık matrisi sınıflandırma problemlerinde, modelin performansını tanımlamak için literatürde sıklıkla kullanılmaktadır. İkili sınıflandırma (binary classification) modelleri için değerlendiricek olursak karışıklık matrisi aşağıdaki tablo gibi görünecektir. Pozitif Gerçek Durum Negatif Gerçek Durum Pozitif Tahmin Gerçek Pozitif (TP) Yanlış Pozitif(FP) Negatif Tahmin Yanlış Nefatif(FN) Gerçek Negatif(TN) Tablo: Karışıklık MatrisiKarışıklık matrisi üzerinde temsil edilen değerler aşağıdaki gibidir;Gerçek Pozitif (TP): Gerçekte pozitif bir durumu ifade eden ve sınıflandırıcı tarafından pozitif olarak tahmin edilen örnekleri ifade eder.Gerçek Negatif (TN): Gerçekte negatif bir durumu ifade eden ve sınıflandırıcı tarafından negatif olarak tahmin edilen örnekleri ifade eder.Yanlış Pozitif (FP): Gerçekte negatif bir durumu ifade eden ve sınıflandırıcı tarafından pozitif olarak tahmin edilen örnekleri ifade eder.Yanlış Negatif (FN): Gerçekte pozitif bir durumu ifade eden ve sınıflandırıcı tarafından negatif olarak tahmin edilen örnekleri ifade eder.Karışıklık matrisleri kullanılarak hesaplanan bazı değerler sınıflandırıcı performansını değerlendirmek için kullanılmaktadır.Toplam değeri denklem 1 ile hesaplanmaktadır.Toplam = TP + FN + FP + FN (Denklem 1)Gerçek pozitifler denklem 2 ile hesaplanmaktadır.Gerçek Pozitifler = TP + FN (Denklem 2)Gerçek Negatifler denklem 3 ile hesaplanmaktadır.Gerçek Negatifler = TN + FP (Denklem 3)Doğruluk Oranı (Accuracy Rate)Doğruluk oranı sınıflandırıcı tarafından yapılan doğru tahmin sayısının tüm veri setindeki veri sayısına oranıdır. Doğruluk oranı ile sınıflandırıcının ne sıklıkla doğru bir tahminde bulunduğu ölçülmektedir. Doğruluk oranı 0 ile 1 arasında bir değere sahiptir. 0 en kötü oranı, 1 ise en iyi oranı ifade etmektedir. Doğruluk oranı denklem 4’de gösterildiği gibi hesaplanmaktadır.Doğruluk Oranı = (TP + FN) / TOPLAM (Denklem 4)Hassasiyet (Precision)Hassasiyet tüm sınıflar içerisinden yapılan doğru pozitif tahminlerin, toplam pozitif tahminlere bölünmesiyle elde edilir. Hassasiyet ile doğru olarak ne kadar tahmin yapıldığı ölçülmektedir. Hassasiyet aynı zamanda pozitif tahmin edici değer olarak da isimlendirilmektedir. Hassasiyet denklem 5’da gösterildiği gibi hesaplanmaktadır.Hassasiyet = TP / (TP + FP) (Denklem 5)Yaygınlık (Prevalence)Yaygınlık bir sınıflandırıcının tahminleme yaparken ne sıklıkla pozitif değer tahmin ettiğinin ölçüsüdür. Yaygınlık denklem 6’da gösterildiği gibi hesaplanmaktadır.Yaygınlık = TP / TOPLAM (Denklem 6)Kesinlik (Recall)Kesinlik doğru pozitif tahmin sayısının, doğru pozitif tahmin sayısı ile doğru negatif tahmin sayısına bölünmesiyle hesaplanan bir ölçüdür. Kesinlik denklem 7’de gösterildiği şekilde hesaplanmaktadır.Kesinlik = TP / (TP + TN) (Denklem 7)F Puanı (F Score)F puanı, gerçek pozitif değerlerin oranını ifade eden kesinlik(recall) ve hassasiyet(precision)’in harmonik ortalamasıdır. F puanı bir sınıflandırıcının gösterdiği performansın ne kadar iyi olduğunun bir ölçüsüdür. F puanı literatürde sınıflandırıcıların başarısını karşılaştırmak için sıklıkla kullanılmaktadır. F puanı denklem 8’de gösterildiği şekilde hesaplanmaktadır.F Puanı = 2 * Hassasiyet * Kesinlik / Hassasiyet + Kesinlik (Denklem 8)", "content_html": "Karışıklık matrisi (Confusion Matrix) bir sınıflandırma problemindeki tahmin sonuçlarının özetini sunan tablodur. Karışıklık matrisi kullanılarak sınıflandırıcı ile yapılan hatalar hakkında fikir edinilebilir. Karışıklık matrisi aynı zamanda modelin yaptığı hata türleri hakkında da fikir verir. Karışıklık matrisi sınıflandırma problemlerinde, modelin performansını tanımlamak için literatürde sıklıkla kullanılmaktadır. İkili sınıflandırma (binary classification) modelleri için değerlendiricek olursak karışıklık matrisi aşağıdaki tablo gibi görünecektir.
| Pozitif Gerçek Durum | Negatif Gerçek Durum | |
|---|---|---|
| Pozitif Tahmin | Gerçek Pozitif (TP) | Yanlış Pozitif(FP) |
| Negatif Tahmin | Yanlış Nefatif(FN) | Gerçek Negatif(TN) |
Tablo: Karışıklık Matrisi
Karışıklık matrisi üzerinde temsil edilen değerler aşağıdaki gibidir;
Gerçek Pozitif (TP): Gerçekte pozitif bir durumu ifade eden ve sınıflandırıcı tarafından pozitif olarak tahmin edilen örnekleri ifade eder.
Gerçek Negatif (TN): Gerçekte negatif bir durumu ifade eden ve sınıflandırıcı tarafından negatif olarak tahmin edilen örnekleri ifade eder.
Yanlış Pozitif (FP): Gerçekte negatif bir durumu ifade eden ve sınıflandırıcı tarafından pozitif olarak tahmin edilen örnekleri ifade eder.
Yanlış Negatif (FN): Gerçekte pozitif bir durumu ifade eden ve sınıflandırıcı tarafından negatif olarak tahmin edilen örnekleri ifade eder.
Karışıklık matrisleri kullanılarak hesaplanan bazı değerler sınıflandırıcı performansını değerlendirmek için kullanılmaktadır.
Toplam değeri denklem 1 ile hesaplanmaktadır.
Toplam = TP + FN + FP + FN (Denklem 1)
Gerçek pozitifler denklem 2 ile hesaplanmaktadır.
Gerçek Pozitifler = TP + FN (Denklem 2)
Gerçek Negatifler denklem 3 ile hesaplanmaktadır.
Gerçek Negatifler = TN + FP (Denklem 3)
Doğruluk Oranı (Accuracy Rate)
Doğruluk oranı sınıflandırıcı tarafından yapılan doğru tahmin sayısının tüm veri setindeki veri sayısına oranıdır. Doğruluk oranı ile sınıflandırıcının ne sıklıkla doğru bir tahminde bulunduğu ölçülmektedir. Doğruluk oranı 0 ile 1 arasında bir değere sahiptir. 0 en kötü oranı, 1 ise en iyi oranı ifade etmektedir. Doğruluk oranı denklem 4’de gösterildiği gibi hesaplanmaktadır.
Doğruluk Oranı = (TP + FN) / TOPLAM (Denklem 4)
Hassasiyet (Precision)
Hassasiyet tüm sınıflar içerisinden yapılan doğru pozitif tahminlerin, toplam pozitif tahminlere bölünmesiyle elde edilir. Hassasiyet ile doğru olarak ne kadar tahmin yapıldığı ölçülmektedir. Hassasiyet aynı zamanda pozitif tahmin edici değer olarak da isimlendirilmektedir. Hassasiyet denklem 5’da gösterildiği gibi hesaplanmaktadır.
Hassasiyet = TP / (TP + FP) (Denklem 5)
Yaygınlık (Prevalence)
Yaygınlık bir sınıflandırıcının tahminleme yaparken ne sıklıkla pozitif değer tahmin ettiğinin ölçüsüdür. Yaygınlık denklem 6’da gösterildiği gibi hesaplanmaktadır.
Yaygınlık = TP / TOPLAM (Denklem 6)
Kesinlik (Recall)
Kesinlik doğru pozitif tahmin sayısının, doğru pozitif tahmin sayısı ile doğru negatif tahmin sayısına bölünmesiyle hesaplanan bir ölçüdür. Kesinlik denklem 7’de gösterildiği şekilde hesaplanmaktadır.
Kesinlik = TP / (TP + TN) (Denklem 7)
F Puanı (F Score)
F puanı, gerçek pozitif değerlerin oranını ifade eden kesinlik(recall) ve hassasiyet(precision)’in harmonik ortalamasıdır. F puanı bir sınıflandırıcının gösterdiği performansın ne kadar iyi olduğunun bir ölçüsüdür. F puanı literatürde sınıflandırıcıların başarısını karşılaştırmak için sıklıkla kullanılmaktadır. F puanı denklem 8’de gösterildiği şekilde hesaplanmaktadır.
F Puanı = 2 * Hassasiyet * Kesinlik / Hassasiyet + Kesinlik (Denklem 8)
", "url": "https://hakan.io/karisiklik-matrisi-confusion-matrix/", "tags": ["karışıklık matrisi","confusion matrix","makine öğrenmesi"], "date_published": "2022-10-01T03:00:00+03:00", "date_modified": "2022-10-01T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/nasa-voyager-2-uzay-araci-18-5-milyar-km-uzakta-teknik-ariza-yasadi/", "title": "NASA Voyager 2 Uzay Aracı 18.5 Milyar Km Uzakta Teknik Arıza Yaşadı", "summary": null, "content_text": "Voyager 2 1977 yılında görevine başladı. Aradan geçen zamana ve yol aldığı mesafeye göre olağanüstü bir dayanıklılık gösterdi. Uzay aracının yoluna devam etmesi için ihtiyaç duyduğu enerjiyi sağlama yeterliliği günden güne azalıyor. Buna rağmen hala bilim insanlarının güneş sisteminin sınırlarında neler olduğu ile ilgili çalışması için veri toplamaya devam ediyor. NASA’nın Voyager uzay araçlarından Voyager 2, Dünya’dan 18.5 milyar km uzakta teknik bir arıza yaşadı.Görsel: NASAVoyager 1 ve Voyager 2 en uzak mesafedeki insan yapımı uzay araçları olarak 1977’den beri görevlerini sürdürüyorlar. NASA Voyager Twitter hesabından yapılan açıklamada, Voyager 2’nin dahili manyetometresinde meydana gelen bir arızanın yaşandığı ve otomatik sistemleri sayesinde yoluna devam ediyor olduğu belirtildi. NASA yaptığı paylaşımda; Voyager 2’nin güç durumunun iyi olduğunu ve cihazlarının tekrar çalışmaya başladığını da yazdı.Voyager uzay aracının Dünya’ya gönderdiği sinyaller 17 saatte ulaşıyor. Yine Dünya’dan gönderilen sinyallerin uzay aracına ulaşması da 17 saat sürüyor.Voyager uzay araçları, üzerinde bulunan plak kaydının çalışma prensibine dair çizimler bulunan ve farklı dillerden mesajların yer aldığı plak kayıtlarıyla yola çıkmıştı. Bu plak kaydında Türkçe bir mesaj da bulunuyor. Türkçe mesaj; “Sayın Türkçe bilen arkadaşlarımız, sabah şerifleriniz hayrolsun.” şeklinde.", "content_html": "Voyager 2 1977 yılında görevine başladı. Aradan geçen zamana ve yol aldığı mesafeye göre olağanüstü bir dayanıklılık gösterdi. Uzay aracının yoluna devam etmesi için ihtiyaç duyduğu enerjiyi sağlama yeterliliği günden güne azalıyor. Buna rağmen hala bilim insanlarının güneş sisteminin sınırlarında neler olduğu ile ilgili çalışması için veri toplamaya devam ediyor. NASA’nın Voyager uzay araçlarından Voyager 2, Dünya’dan 18.5 milyar km uzakta teknik bir arıza yaşadı.
![\"NASA](\"/assets/images/post/nasa-voyager-2.jpg\" "\\"NASA")
Görsel: NASA
Voyager 1 ve Voyager 2 en uzak mesafedeki insan yapımı uzay araçları olarak 1977’den beri görevlerini sürdürüyorlar. NASA Voyager Twitter hesabından yapılan açıklamada, Voyager 2’nin dahili manyetometresinde meydana gelen bir arızanın yaşandığı ve otomatik sistemleri sayesinde yoluna devam ediyor olduğu belirtildi. NASA yaptığı paylaşımda; Voyager 2’nin güç durumunun iyi olduğunu ve cihazlarının tekrar çalışmaya başladığını da yazdı.
Voyager uzay aracının Dünya’ya gönderdiği sinyaller 17 saatte ulaşıyor. Yine Dünya’dan gönderilen sinyallerin uzay aracına ulaşması da 17 saat sürüyor.
Voyager uzay araçları, üzerinde bulunan plak kaydının çalışma prensibine dair çizimler bulunan ve farklı dillerden mesajların yer aldığı plak kayıtlarıyla yola çıkmıştı. Bu plak kaydında Türkçe bir mesaj da bulunuyor. Türkçe mesaj; “Sayın Türkçe bilen arkadaşlarımız, sabah şerifleriniz hayrolsun.” şeklinde.
", "url": "https://hakan.io/nasa-voyager-2-uzay-araci-18-5-milyar-km-uzakta-teknik-ariza-yasadi/", "tags": ["nasa","voyager"], "date_published": "2020-01-30T03:00:00+03:00", "date_modified": "2020-01-30T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/wikileaks-kurucusu-julian-assange-tutuklanmasi-uzerine/", "title": "Wikileaks Kurucusu Julian Assange'ın Tutuklanması Üzerine", "summary": null, "content_text": "Wikileaks kurucusu Julian Assange, Londra’daki Ekvador Büyükelçiliğinde tutuklandı. Hakkında gerçekleştirilen suçlamalar sonucunda açılan dava sebebiyle, İsveç’e iade edilmesini önlemek için sığındığı Ekvador Büyükelçiliğine sığınmasının üzerinden yedi yıl geçtikten sonra, bugün Ekvador hükümeti tarafından siyasi sığınması geri çekildi ve hemen ardından Julian Assange Londra Polisi tarafından tutuklandı.Tutuklamanın ardından Ekvador devlet başkanı Lenín Moreno paylaştığı tweet ile “Julian Assange’ın sığınma durumu, uluslararası sözleşmelere ve günlük yaşam protokollerine yönelik tekrarlanan ihlallerden sonra geri çekildi” ifadelerini kullandı.Ancak Wikileaks tarafından yapılan açıklamada, Ekvador’un, Assange’ın siyasi sığınmasının uluslararası hukuka aykırı bir şekilde sona erdirmek için yasadışı davrandığı belirtildi.Assange, İngiliz polisi tarafından Ağustos 2012’de Westminster Mahkemesine teslim olmadığı ve İsveç’teki cinsel saldırı iddiaları nedeniyle soruşturma altına alındığı için aranmıştı.İsveç, Assange’a karşı 2017 yılında başlatılan cinsel saldırı suçlamasıyla ilgili soruşturmayı bırakmış olmasına rağmen, Assange ABD’ye iade edilme korkusuyla Ekvador Büyükelçiliğinde sığınmacı olarak kalmayı seçmişti.Julian Assange ABD’de Wikileaks aracılığıyla diplomatik ve askeri belgeleri sızdırdığı iddiasıyla federal suçlamalarla da karşı karşıya. Ancak ABD Assange aleyhindeki suçlamalarla ilgili bugüne kadar resmi olarak bir adım atmadı.47 yaşındaki hacker ve aktivist Jullian Assange, 2006 yılında Wikileaks’i kurdu ve o zamandan beri dünyadaki birçok siyasi parti, şahıs ve devlet kurumlarıyla ilgili sırları açığa çıkardı.Assange, Haziran 2012’den beri Londra’daki Ekvador Büyükelçiliğinde yaşamaya zorlandı ve o tarihten beri orada yaşıyor. Bir İngiltere mahkemesi tarafından İsveç’e iadesi istenmiş ve cinsel saldırı suçlamasıyla karşı karşıya kalmıştı. Bu tarihten beri Ekvador ile olan ilişkisi geçen yıl kötüleşmiş ve Ekvador diğer ülkelerle olan ilişkilerini etkileyebileceği iddiasıyla Assange’ın internet erişimini Mart 2018’de kesmişti. Bu koşullar Assange’ın Wikileaks’i yönetmesini zorlaştırmış ve Wikileaks genel yayıncısı olarak Kristinn Hrafnsson olmuştu.Süreç Nasıl Gelişti?Julian Assange, 2006 yılında Wikileaks’i kurduktan sonra Wikileaks üzerinden kamuoyuna açıklanan belgeler ile Dünya gündemine oturmuştu.Assange her ne kadar Wikileaks kurucusu olarak anılsa da, kendisi ile beraber toplamda dokuz kişilik yönetim kurulu üyesinden birisi ve konuyla ilgili “Ben kendimi kurucu olarak görmüyorum, sadece editörüm.” demişti.2010 yılında, Wikileaks üzerinden kamuoyuna açıklanan belgeler sebebiyle bir anda kendisine karşı bir karalama kampanyasına başlanmıştı. Yine 2010 yılında İsveç, cinsel taciz suçlamasıyla Assange hakkında uluslararası yakalama kararı çıkardı.Gönüllü olarak ifade vermeye gittiği Londra’daki polis merkezinde İsveç tarafından yakalama emri olduğu gerekçesiyle tutuklanmıştı. Çıktığı duruşmada şartlı tahliye edilmişti.Assange, kendisine yöneltilen bu suçlamayı kabul etmemiş ve kendisinin cinsel taciz suçlaması adı altında siyasi olarak sıkıştırılmaya çalışıldığını belirtmişti.19 Haziran 2012 tarihinden itibaren Londra’daki Ekvador Büyükelçiliğinde yaşamaya başlayan Assange’ın siyasi sığınma talebi, 16 Ağustos 2012 tarihinde onaylanmıştı. İngiltere hükümeti resmi olarak Ekvador hükümetini bu kararından dolayı uyarmıştı.İngiltere hükümeti Assange’ın ülkeden çıkmasına izin verilmeyeceğini, hatta gerekirse elçilik binasına girileceğini açıklamıştı. 2012’den beri Assange, Ekvador Büyükelçiliğinde bir nevi hapis hayatı gibi bir hayat yaşıyordu.2017 Mayıs ayında, İsveç Assange hakkında yürütülen cinsel taciz soruşturmasını düşürdü. Ancak ABD’ye teslim edilme ihtimaline karşın, Julian Assange Ekvador büyükelçilik binasında yaşamaya devam etti.2018 Mart ayında ise, Ekvador, diğer ülkelerle olan ilişkilerini etkileyebileceği iddiasıyla Assange’ın internet erişimini kesti. Wikileaks genel yayın yönetmeni ise Kristinn Hrafnsson oldu.Geçtiğimiz hafta, Wikileaks Twitter hesabından yapılan açıklamada, Julian Assange’ın Londra’daki Ekvador büyükelçiliğinden çıkarılıp gözaltına alınması için İngiltere ile gizli bir anlaşma yapıldığı iddia edilmişti.Gerekçe olarak ise, Wikileaks’in Ekvador devlet başkanı Moreno hakkında ortaya attığı yolsuzluk iddialarının üzerinin örtülmesi girişimi olabileceği öne sürülmüştü.Bugün ise Ekvador Assange’ın siyasi sığınma statüsünü, uluslararası sözleşmelere ve sığınma hakkına dair günlük yaşam protokollerine yönelik tekrarlanan ihlalleri gerekçe (!) göstererek geri çekti.Hemen ardından Londra polisi elçilik binasında Julian Assange’ı, daha önce mahkemeye çıkmadığı için tutuklama emri olduğu gerekçesiyle tutukladı.", "content_html": "Wikileaks kurucusu Julian Assange, Londra’daki Ekvador Büyükelçiliğinde tutuklandı. Hakkında gerçekleştirilen suçlamalar sonucunda açılan dava sebebiyle, İsveç’e iade edilmesini önlemek için sığındığı Ekvador Büyükelçiliğine sığınmasının üzerinden yedi yıl geçtikten sonra, bugün Ekvador hükümeti tarafından siyasi sığınması geri çekildi ve hemen ardından Julian Assange Londra Polisi tarafından tutuklandı.
![\"Julian](\"/assets/images/post/julian-assange-tutuklanma.jpg\" "\\"Julian")
Tutuklamanın ardından Ekvador devlet başkanı Lenín Moreno paylaştığı tweet ile “Julian Assange’ın sığınma durumu, uluslararası sözleşmelere ve günlük yaşam protokollerine yönelik tekrarlanan ihlallerden sonra geri çekildi” ifadelerini kullandı.
Ancak Wikileaks tarafından yapılan açıklamada, Ekvador’un, Assange’ın siyasi sığınmasının uluslararası hukuka aykırı bir şekilde sona erdirmek için yasadışı davrandığı belirtildi.
Assange, İngiliz polisi tarafından Ağustos 2012’de Westminster Mahkemesine teslim olmadığı ve İsveç’teki cinsel saldırı iddiaları nedeniyle soruşturma altına alındığı için aranmıştı.
İsveç, Assange’a karşı 2017 yılında başlatılan cinsel saldırı suçlamasıyla ilgili soruşturmayı bırakmış olmasına rağmen, Assange ABD’ye iade edilme korkusuyla Ekvador Büyükelçiliğinde sığınmacı olarak kalmayı seçmişti.
![\"Julian](\"/assets/images/post/julian-assange-2.jpg\" "\\"Julian")
Julian Assange ABD’de Wikileaks aracılığıyla diplomatik ve askeri belgeleri sızdırdığı iddiasıyla federal suçlamalarla da karşı karşıya. Ancak ABD Assange aleyhindeki suçlamalarla ilgili bugüne kadar resmi olarak bir adım atmadı.
47 yaşındaki hacker ve aktivist Jullian Assange, 2006 yılında Wikileaks’i kurdu ve o zamandan beri dünyadaki birçok siyasi parti, şahıs ve devlet kurumlarıyla ilgili sırları açığa çıkardı.
Assange, Haziran 2012’den beri Londra’daki Ekvador Büyükelçiliğinde yaşamaya zorlandı ve o tarihten beri orada yaşıyor. Bir İngiltere mahkemesi tarafından İsveç’e iadesi istenmiş ve cinsel saldırı suçlamasıyla karşı karşıya kalmıştı. Bu tarihten beri Ekvador ile olan ilişkisi geçen yıl kötüleşmiş ve Ekvador diğer ülkelerle olan ilişkilerini etkileyebileceği iddiasıyla Assange’ın internet erişimini Mart 2018’de kesmişti. Bu koşullar Assange’ın Wikileaks’i yönetmesini zorlaştırmış ve Wikileaks genel yayıncısı olarak Kristinn Hrafnsson olmuştu.
Süreç Nasıl Gelişti?
Julian Assange, 2006 yılında Wikileaks’i kurduktan sonra Wikileaks üzerinden kamuoyuna açıklanan belgeler ile Dünya gündemine oturmuştu.
Assange her ne kadar Wikileaks kurucusu olarak anılsa da, kendisi ile beraber toplamda dokuz kişilik yönetim kurulu üyesinden birisi ve konuyla ilgili “Ben kendimi kurucu olarak görmüyorum, sadece editörüm.” demişti.
2010 yılında, Wikileaks üzerinden kamuoyuna açıklanan belgeler sebebiyle bir anda kendisine karşı bir karalama kampanyasına başlanmıştı. Yine 2010 yılında İsveç, cinsel taciz suçlamasıyla Assange hakkında uluslararası yakalama kararı çıkardı.
Gönüllü olarak ifade vermeye gittiği Londra’daki polis merkezinde İsveç tarafından yakalama emri olduğu gerekçesiyle tutuklanmıştı. Çıktığı duruşmada şartlı tahliye edilmişti.
Assange, kendisine yöneltilen bu suçlamayı kabul etmemiş ve kendisinin cinsel taciz suçlaması adı altında siyasi olarak sıkıştırılmaya çalışıldığını belirtmişti.
19 Haziran 2012 tarihinden itibaren Londra’daki Ekvador Büyükelçiliğinde yaşamaya başlayan Assange’ın siyasi sığınma talebi, 16 Ağustos 2012 tarihinde onaylanmıştı. İngiltere hükümeti resmi olarak Ekvador hükümetini bu kararından dolayı uyarmıştı.
İngiltere hükümeti Assange’ın ülkeden çıkmasına izin verilmeyeceğini, hatta gerekirse elçilik binasına girileceğini açıklamıştı. 2012’den beri Assange, Ekvador Büyükelçiliğinde bir nevi hapis hayatı gibi bir hayat yaşıyordu.
2017 Mayıs ayında, İsveç Assange hakkında yürütülen cinsel taciz soruşturmasını düşürdü. Ancak ABD’ye teslim edilme ihtimaline karşın, Julian Assange Ekvador büyükelçilik binasında yaşamaya devam etti.
2018 Mart ayında ise, Ekvador, diğer ülkelerle olan ilişkilerini etkileyebileceği iddiasıyla Assange’ın internet erişimini kesti. Wikileaks genel yayın yönetmeni ise Kristinn Hrafnsson oldu.
Geçtiğimiz hafta, Wikileaks Twitter hesabından yapılan açıklamada, Julian Assange’ın Londra’daki Ekvador büyükelçiliğinden çıkarılıp gözaltına alınması için İngiltere ile gizli bir anlaşma yapıldığı iddia edilmişti.
Gerekçe olarak ise, Wikileaks’in Ekvador devlet başkanı Moreno hakkında ortaya attığı yolsuzluk iddialarının üzerinin örtülmesi girişimi olabileceği öne sürülmüştü.
Bugün ise Ekvador Assange’ın siyasi sığınma statüsünü, uluslararası sözleşmelere ve sığınma hakkına dair günlük yaşam protokollerine yönelik tekrarlanan ihlalleri gerekçe (!) göstererek geri çekti.
Hemen ardından Londra polisi elçilik binasında Julian Assange’ı, daha önce mahkemeye çıkmadığı için tutuklama emri olduğu gerekçesiyle tutukladı.
", "url": "https://hakan.io/wikileaks-kurucusu-julian-assange-tutuklanmasi-uzerine/", "tags": ["wikileaks","julian assange"], "date_published": "2019-11-04T03:00:00+03:00", "date_modified": "2019-11-04T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/goldbach-hipotezi-sanisi-c-programlama-dili-ile-ornek-kod/", "title": "Goldbach Hipotezi / Sanısı - C Programlama Dili İle Örnek Kod", "summary": null, "content_text": "Goldbach hipotezi veya sanısı, 2’den büyük her çift tam sayının iki asal sayının toplamı şeklinde yazılabileceği iddiasıdır. İspatlanamamış en büyük matematik problemlerinden biridir. Orijinal Goldbach hipotezinde, Goldbach; 2’den büyük her tamsayının 3 asal sayının toplamı şeklinde ifade edilebileceğini iddia eder. 1 sayısının da asal sayı olduğu düşünülerek bu iddia ortaya atılmıştır. Sonrasında 1 asal sayı olarak kabul edilmediği için bu iddia geçerliliğini yitirmiştir. Goldbach hipotezi veya sanısı olarak ele aldığımız bu iddia, Euler’in “2’den büyük her çift tam sayı, iki asal sayının toplamından bulunabilir” şeklindeki düzeltmesini kapsamaktadır.Örnek olarak; 4,6,8,10,12 çift tam sayıları şu şekilde iki asal sayının toplamı şeklinde yazılabilir.4 = 2 + 26 = 3 + 38 = 3 + 510 = 3 + 712 = 5 + 72’den büyük bir çift tam sayının, iki asal sayının toplamı şeklinde yazılmasının çözüm kümesinde en küçük asal sayıyı içeren ayrışımı bulabilecek örnek bir C kodu şu şekilde olacaktır.Örnek C Kodu#include <stdio.h>//Fonksyion deklarasyonlarıint is_prime(int n);void goldbach(int g);int main(){\tint number = 0;\twhile(1){\t\tprintf(\"Enter even number:\");\t\tscanf(\"%d\",&number);\t\tif(number>2 && number%2==0){\t\t\tgoldbach(number);\t\t}\t\telse{\t\t\tprintf(\"Incorrect number!\\n\");\t\t}\t\tprintf(\"\\n\");\t}\treturn 0;}//Asal sayı kontrolu j < n/2, bir sayinin yarisindan buyuk tam boleni olamazint is_prime(int n){\tint flag = 1;\tfor (int j = 2; j < n/2; j++)\t{\t\tif((n%j) == 0){\t\t\treturn flag-1;\t\t}\t}\treturn flag;}//Iki'den buyuk bir cift tam sayinin min goldbach cozumuvoid goldbach(int g){\tint i = 2;\tfor (int j = g-i; j > 2; j--)\t{\t\tif(is_prime(i) == 1 && is_prime(j) == 1)\t\t{\t\t\tprintf(\"%d = %d + %d\\n\",g,i,j);\t\t\tbreak;\t\t}\t\ti++;\t}}2’den büyük bir çift tam sayının, iki farklı asal sayının toplamı şeklindeki tüm çözüm kümesini ekrana yazan örnek bir C kodu ise şu şekilde olacaktır.#include <stdio.h>//Asal sayilar icin tamponint primes[100000] = {2};int j = 0;//Fonksyion deklarasyonlarıint is_prime(int n);void goldbach(int g);int main(){\tint number = 0;\twhile(1){\t\tprintf(\"Enter even number:\");\t\tscanf(\"%d\",&number);\t\tif(number>2 && number%2==0){\t\t\tgoldbach(number);\t\t}\t\telse{\t\t\tprintf(\"Incorrect number!\\n\");\t\t}\t\tprintf(\"\\n\");\t}\treturn 0;}//Asal sayı kontrolu j < n/2, bir sayinin yarisindan buyuk tam boleni olamazint is_prime(int n){\tint flag = 1;\tfor (int j = 2; j < n/2; j++)\t{\t\tif((n%j) == 0){\t\t\treturn flag-1;\t\t}\t}\treturn flag;}//Iki'den buyuk cift tam sayinin iki asal sayi olarak toplamlarini ifade eden tam cozum kumesivoid goldbach(int g){\tint flag = 0;\tif(primes[j]<g){\t\tfor (int i = primes[j]+1; i < g; i++)\t\t{\t\t\tif(is_prime(i) == 1){\t\t\t\tj++;\t\t\t\tprimes[j] = i;\t\t\t}\t\t}\t\t\t}\tfor (int i = 0; i < j; i++)\t{\t\tfor (int k = 0; k < j; k++)\t\t{\t\t\tif(primes[i] + primes[k] == g){\t\t\t\tprintf(\"%d = %d + %d\\n\",g,primes[i],primes[k]);\t\t\t\tbreak;\t\t\t}\t\t}\t}}", "content_html": "Goldbach hipotezi veya sanısı, 2’den büyük her çift tam sayının iki asal sayının toplamı şeklinde yazılabileceği iddiasıdır. İspatlanamamış en büyük matematik problemlerinden biridir. Orijinal Goldbach hipotezinde, Goldbach; 2’den büyük her tamsayının 3 asal sayının toplamı şeklinde ifade edilebileceğini iddia eder. 1 sayısının da asal sayı olduğu düşünülerek bu iddia ortaya atılmıştır. Sonrasında 1 asal sayı olarak kabul edilmediği için bu iddia geçerliliğini yitirmiştir. Goldbach hipotezi veya sanısı olarak ele aldığımız bu iddia, Euler’in “2’den büyük her çift tam sayı, iki asal sayının toplamından bulunabilir” şeklindeki düzeltmesini kapsamaktadır.
Örnek olarak; 4,6,8,10,12 çift tam sayıları şu şekilde iki asal sayının toplamı şeklinde yazılabilir.
4 = 2 + 26 = 3 + 38 = 3 + 510 = 3 + 712 = 5 + 7
2’den büyük bir çift tam sayının, iki asal sayının toplamı şeklinde yazılmasının çözüm kümesinde en küçük asal sayıyı içeren ayrışımı bulabilecek örnek bir C kodu şu şekilde olacaktır.
Örnek C Kodu
#include <stdio.h>//Fonksyion deklarasyonlarıint is_prime(int n);void goldbach(int g);int main(){\tint number = 0;\twhile(1){\t\tprintf(\"Enter even number:\");\t\tscanf(\"%d\",&number);\t\tif(number>2 && number%2==0){\t\t\tgoldbach(number);\t\t}\t\telse{\t\t\tprintf(\"Incorrect number!\\n\");\t\t}\t\tprintf(\"\\n\");\t}\treturn 0;}//Asal sayı kontrolu j < n/2, bir sayinin yarisindan buyuk tam boleni olamazint is_prime(int n){\tint flag = 1;\tfor (int j = 2; j < n/2; j++)\t{\t\tif((n%j) == 0){\t\t\treturn flag-1;\t\t}\t}\treturn flag;}//Iki'den buyuk bir cift tam sayinin min goldbach cozumuvoid goldbach(int g){\tint i = 2;\tfor (int j = g-i; j > 2; j--)\t{\t\tif(is_prime(i) == 1 && is_prime(j) == 1)\t\t{\t\t\tprintf(\"%d = %d + %d\\n\",g,i,j);\t\t\tbreak;\t\t}\t\ti++;\t}}2’den büyük bir çift tam sayının, iki farklı asal sayının toplamı şeklindeki tüm çözüm kümesini ekrana yazan örnek bir C kodu ise şu şekilde olacaktır.
#include <stdio.h>//Asal sayilar icin tamponint primes[100000] = {2};int j = 0;//Fonksyion deklarasyonlarıint is_prime(int n);void goldbach(int g);int main(){\tint number = 0;\twhile(1){\t\tprintf(\"Enter even number:\");\t\tscanf(\"%d\",&number);\t\tif(number>2 && number%2==0){\t\t\tgoldbach(number);\t\t}\t\telse{\t\t\tprintf(\"Incorrect number!\\n\");\t\t}\t\tprintf(\"\\n\");\t}\treturn 0;}//Asal sayı kontrolu j < n/2, bir sayinin yarisindan buyuk tam boleni olamazint is_prime(int n){\tint flag = 1;\tfor (int j = 2; j < n/2; j++)\t{\t\tif((n%j) == 0){\t\t\treturn flag-1;\t\t}\t}\treturn flag;}//Iki'den buyuk cift tam sayinin iki asal sayi olarak toplamlarini ifade eden tam cozum kumesivoid goldbach(int g){\tint flag = 0;\tif(primes[j]<g){\t\tfor (int i = primes[j]+1; i < g; i++)\t\t{\t\t\tif(is_prime(i) == 1){\t\t\t\tj++;\t\t\t\tprimes[j] = i;\t\t\t}\t\t}\t\t\t}\tfor (int i = 0; i < j; i++)\t{\t\tfor (int k = 0; k < j; k++)\t\t{\t\t\tif(primes[i] + primes[k] == g){\t\t\t\tprintf(\"%d = %d + %d\\n\",g,primes[i],primes[k]);\t\t\t\tbreak;\t\t\t}\t\t}\t}}İkili arama algoritması, bir dizide arama yapmaya yarayan bir arama algoritmasıdır. İkili arama algoritmasında, aranan elemanın bulunabilmesi için her seferinde dizinin ortasındaki elemana bakılır. Ortadaki eleman aranan elemana eşit değilse, aranan elemanın bulunduğu diğer yarı alanda arama işlemi tekrar edilir. Bu sayede her adımda arama uzayı yarıya indirilmiş olur.
İkili arama algoritmasında arama yapılacak dizinin sıralı bir dizi olması gerekir. Sıralı olmayan dizilerde, ikili arama yapabilmek için öncelikle dizinin herhangi bir sıralama algoritması ile sıralanması gerekir.
İkili arama algoritmasında izlenecek adımlar şu şekildedir
1- Dizinin ortasındaki elemanı seç2- Seçilen elemanı aranan elemanla karşılaştır, aranan elemana eşitse sonlandır3- Aranan eleman seçilen elemandan büyükse dizinin seçilen elemandan büyük kısmında arama işlemini tekrarla4- Aranan eleman seçilen elemandan küçükse dizinin seçilen elemandan küçük kısmında arama işlemini tekrarla5- Arama uzayındaki en küçük indis en büyük indisten küçük veya eşit oluncaya kadar adımları tekrarla
Örnek olarak; 2,3,4,5,6,7,8,9,22,33,45 elemanlarından oluşan sıralı bir dizi içerisinde, 4 elemanının ikili arama ile bulunması için sırasıyla şu adımlar izlenecektir.
Dizinin ortadaki elemanı 7 olarak seçilir ve aranan elaman olan 4 ile karşılaştırılır. Aranan eleman (4) ortadaki elemana (7) eşit olmadığı için, dizinin ortasındaki elaman olan 7’den küçük olan kısmına bakılır. Yeni arama dizimiz : 2,3,4,5,6 olur.
Yeni arama dizimizin ortadaki elemanı 4 olacaktır ve arama işlemi tamamlanır.
İkili arama algoritmasında, sıralı bir dizide en fazla log2N karşılaştırma yapılarak sonuca ulaşılır.
İkili arama algoritmasını, örnekteki gibi sıralı bir dizide uygulamaya çalışırsak örnek bir C kodu aşağıdaki gibi olacaktır.
Örnek C Kodu
#include <stdio.h>int main(){\tint array[11] = {2,3,4,5,6,7,8,9,22,33,45};\tint low = 0;\tint high \t = 10;\tint flag = 0;\tint s = 4;\t\twhile(low <= high){\t\tint index = low+(high-low)/2;\t\tif(array[index] == s){\t\t\tflag = 1;\t\t\tprintf(\"Founded: %d \\n\",index);\t\t\tbreak;\t\t}\t\telse if(array[index] < s){\t\t\tlow = index+1;\t\t}\t\telse{\t\t\thigh = index-1;\t\t}\t}\tif(flag == 0){\t\tprintf(\"Not Found!\\n\");\t}\treturn 0;}Yüksek trafiğe sahip web sunucular, özellikle CRUD işlemlerinin fazla olduğu web sunucular, yüksek trafik sonucunda çok fazla yük altına girecektir. Böyle bir durumda, kod kaynakları yeterince verimli kullanabilecek şekilde yazılmışsa, ağır yük altında hizmet verebilmek için ilk ihtiyaç duyulanlardan biri, bir önbellek mekanizmasıdır.
Memcahced nedir?
Memcached 2003 yılında, alanının ilklerinden olan popüler blog servisi LiveJournal için yazılmış ve sonrasında özellikle web uygulamalarında çokça kullanılmaya başlanmış ücretiz, açık kaynak, yüksek performanslı ve dağıtık bir önbellekleme sistemidir. Basit ama güçlü bir önbellekleme sistemidir. Günümüzde Facebook tarafından aktif olarak kullanılmakta ve geliştirilmesine katkı sunulmaktadır. Yine popüler web uygulama ve servisleri tarafından (Wikipedia, Youtube, Flickr) aktif olarak kullanılmaktadır.
Memcached bir in-memory storedur. Tüm önbellekleme hafıza(ram) üzerindedir. Dolayısıyla kritik verilerin yalnızca memcached üzerinde saklanmaması gerekir. Memcached üzerinde veri, key-value çiftleri olarak saklanır. Memcached özellikle veritabanı işlemlerinin fazla olduğu web uygulamalarında hayat kurtarıcıdır.
Memcached Kurulum
Debian tabanlı Linux dağıtımlarında;
apt-get install php-memcachedapt-get install memcachedRedHat/Fedora tabanlı Linux dağıtımlarında;
yum install php-memcachedyum install memcachedkomutu ile Memcached ve Php-Memcached paketleri kolayca kurulabilir. Memcached TCP/IP tabanlıdır. Herhangi iki yazılım arasında memcached ile haberleşme sağlanabilir.
Memcached’i başlatmak için
memcached -d -m 512 -l 127.0.0.1 -p 11211 -u nobodykomutu kullanılabilir. Bu komut ile, 512 MB bir önbellek alanı kullanan, 11211 tcp ve udp portunu dinleyen bir memcached servisi başlatılacaktır. Memcached servisi başlatılırken oluşturulan önbellek alanı sabittir. İşletim sistemi mimarilerindeki bellek yönetimine benzer şekilde, eğer önbellek alanı dolduysa ilk yazılan verinin üzerine yazacaktır. Memcached için x86 sistemlerde maksimum 4GB önbellek alanı tanımlayabilirsiniz.
Memcached başlatıldıktan sonra servisle ilgili daha fazla detay almak için;
echo \"stats settings\" | nc localhost 11211komutunu kullanabilirsiniz. Varsayılan olarak, Memcached key uzunlukları 250 karakterdir. Value ise maksimum 1MB olabilir.
PHP Memcached Kullanımı
PHP ile memcached’e bağlanmak için;
$memcache = new Memcache;$memcache->connect('127.0.0.1', 11211) or die (\"Memcached ile bağlantı kurulamıyor\");Memcached üzerine veri yazmak için;
$exampleValue = 2;$exampleValue = 'Example String';$exampleValue = array('0','1','2','3');$memcache->set('exampleKey', $exampleValue, false, 1800);//Birinci parametre anahtar, ikinci parametre değer, üçüncü parametre memcached sıkıştırma true/false, dördüncü parametre saniye cinsinden önbellekleme süresiMemcached üzerindeki bir anahtarın değerine ulaşmak için;
$exampleValue = $memcache->get('exampleKey');Örnek bir senaryoda, web uygulamamızdaki çok sık değişmeyen bir değer, veritabanında saklanıyor olsun. Sayfa her render edildiğinde veya her api çağrısında bu değerin veritabanından okunması gerekecektir. Biz memcached ile bu değeri her seferinde veritabanından okumak yerine önbellekte tutmak istiyor olalım.
//Veritabanı bağlantıları vs.$memcache = new Memcache;$memcache->connect('127.0.0.1', 11211) or die (\"Memcached ile bağlantı kurulamıyor\");$exampleValue = $memcache->get('exampleKey');if($exampleValue === true){\treturn $exampleValue;}else{\t$exampleValue = $db->get_var(sprintf(\"SELECT exampleValue FROM %s WHERE id = '%d'\",'exampleTable',1));\tif($exampleValue){\t\t$memcache->set('exampleKey', $exampleValue, false, 1800);\t\treturn $exampleValue;\t}\telse{\t\treturn false;\t}}Bu sayede veritabanından dolayı oluşacak disk i/o işlemleri azalacak, doğrudan bellek üzerinden erişilerek performans artışı sağlanabilecektir. Memcached’in doğru implement edilmesi, memcached üzerinde önbelleklenecek verilerin doğru seçilmesi ve yarış durumu oluşturabilecek işlemlerin önceden tespit edilmesi ile web sunucularında oluşabilecek yük azaltılabilecektir.
", "url": "https://hakan.io/memcached-kurulumu-ve-php-memcache-kullanimi/", "tags": ["memcached","php","memcache","kullanim","ornek"], "date_published": "2018-08-20T03:22:16+03:00", "date_modified": "2018-08-20T03:22:16+03:00", "author": "Hakan" }, { "id": "https://hakan.io/makine-ogrenmesi-turkce-haber-metinleri-veri-seti/", "title": "Makine Öğrenmesi - Türkçe Haber Metinleri Veri Seti", "summary": null, "content_text": "Türkçe haberler üzerinde çalışan bir sınıflandırıcı için bir süredir Türkçe haber metinleri biriktiriyorum. Geliştirdiğim crawler, farklı kaynaklardan toplamda 50.000’in üzerinde haber biriktirdi ve biriktirmeye devam ediyor. Bu alanda çalışan araştırmacıların güncel veri setlerine erişim zorluğu yaşaması sebebiyle 5 farklı kategoriye ayrılmış toplamda 500 Türkçe haber metnine aşağıdaki bağlantıdan ulaşabilirsiniz.Veri setinde bulunan haberler, kelime frekanslarını kullanan bir özetleme sistemi vasıtasıyla özetlenmiştir. Haberler; Ekonomi Politika Sanat Spor Teknoloji olarak kategorilere ayrılmıştır ve her bir kategoriye ait haberler farklı tablolarda bulunmaktadır. Haberler başlık, özet metin, kaynak ve zaman damgası bilgilerini içermektedir.İlgili veri seti", "content_html": "Türkçe haberler üzerinde çalışan bir sınıflandırıcı için bir süredir Türkçe haber metinleri biriktiriyorum. Geliştirdiğim crawler, farklı kaynaklardan toplamda 50.000’in üzerinde haber biriktirdi ve biriktirmeye devam ediyor. Bu alanda çalışan araştırmacıların güncel veri setlerine erişim zorluğu yaşaması sebebiyle 5 farklı kategoriye ayrılmış toplamda 500 Türkçe haber metnine aşağıdaki bağlantıdan ulaşabilirsiniz.
Veri setinde bulunan haberler, kelime frekanslarını kullanan bir özetleme sistemi vasıtasıyla özetlenmiştir. Haberler;
Email adres formatı Rfc 5321 ile belirlenmiş durumda. Fakat pratikte işler biraz değişiyor. Rfc5321 bir email adresinin şu şekilde olabileceğini bize söylüyor.
local-part@domain
Domain bölümü herhangi bir domain veya sub-domain olabilir, hatta tld olmayan local bir domain de olabilir. Fakat local-part bölümü için şu kısıtlar var.
| Özel karakterler !#$%&’*+-/=?^_`{ | }~ |
Özel karakterler arasında - ve _ karakterlerine aşinayız fakat diğer özel karakterler hiç yaygın değil. Popüler email servislerinden Google’ın email servisi özel karakterlere izin vermezken, Microsoft’un email servisi ise yalnızca - ve _ özel karakterlerine izin veriyor. Farklı bir servis için ise şöyle bir adres mümkün olabilir.
john`doe{software-developer}@domain.sub-domain.comPHP filter_var fonksiyonu ile email adres formatının kontrolü sağlandığında
filter_var('john`doe{software-developer}@domain.sub-domain.com',FILTER_VALIDATE_EMAIL)bize Rfc 5321’de açıklanan formata uyduğu için false bir değer döndürmeyecek ancak domain bölümünün gmail olması durumunda, gmail implementasyonu farklı olduğu için olmaması gereken bir email adresini doğru kabul etmiş olacağız. Standart dışı bir kütüphane veya farklı bir yöntemle doğrulama yapmaya çalışıldığı zaman ise işler iyice içinden çıkılmaz bir hal alacaktır. Olası bir senaryoda, popüler email servislerine yönelik bir doğrulama Rfc 5321’e göre uygulanmış bir başka email servisi için hatalı sonuç verecektir. Çok dilli bir sistemde, bölgesel ve farklı dillerde kullanılan email servislerinin olması durumunda ise sonuç tam anlamıyla facia!
", "url": "https://hakan.io/email-adres-formati-php-filter-var-fonksiyonu-ve-rfc-5321/", "tags": ["email adres formatı","php filter_var fonksiyonu","rfc 5321"], "date_published": "2018-07-07T03:15:06+03:00", "date_modified": "2018-07-07T03:15:06+03:00", "author": "Hakan" }, { "id": "https://hakan.io/apple-mac-bilgisayarlarda-kendi-tasarladigi-islemcileri-kullanacak/", "title": "Apple Mac Bilgisayarlarda Kendi Tasarladığı İşlemcileri Kullanacak", "summary": null, "content_text": "Intel’in Meltdown ve Spectre işlemci zafiyetleri sonrasında Apple’ın Mac bilgisayarlarda kendi işlemcilerini kullanmayı planladığı ileri sürüldü. İddiaya göre Apple 2020 yılında masaüstü ve dizüstü bilgisayarlarda kendi ürettiği işlemcileri kullanmaya başlayacak. Bloomberg’in raporuna göre Apple kendi tasarladığı ARM tabanlı işlemcileri kullanmayı düşünüyor.Apple halihazırda A serisi işlemcilerini iPhone, iPad modellerinde kullanıyor. Fakat masaüstü ve dizüstü serilerinde böyle önemli bir değişikliğin nasıl sonuçlar doğuracağı şimdilik bilinmiyor. Apple’ın bu hamlesinin Intel ve AMD işlemcilerde tarihin en büyük teknoloji kusurlarının keşfedilmesiyle ilgili olduğu aşikar.Apple daha önce de kendi üretimi işlemcileri kullanmıştı. PowerPC işlemciler 1991 yılından itibaren Apple cihazlarında kullanılmış ve 2006’da Intel işlemcilere tamamen geçilene kadar yüksek beğeni toplamıştı. Apple’ın ARM tabanlı kendi tasarım işlemcilerini kullanmaya başlamasıyla birlikte, iOS uygulamalarının da Mac cihazlarda çalışabilmesinin önü de açılacak.Apple bu geçiş ile birlikte kazancının %5 gibi önemli bir bölümünü Intel ile paylaşmak zorunda kalmayacak. Ancak müşterileri için özel teklifler de sunacak. Yüksek işlem gücüne ihtiyaç duyan Mac kullanıcıları için performans sorunlarının önüne bu şekilde geçilecek. Kendi işlemcilerine geçmek ise, Apple’ın kendi donanım yol haritasını çizmesini kolaylaştıracak gibi görünüyor.Apple’ın Intel’den vazgeçerek kendi tasarım işlemcilerini kullanacağı uzun yıllardır konuşulan bir durum. Geçtiğimiz aylarda yayınlanan bir raporda Apple’ın Intel işlemcilere olan güveninin azaldığı belirtilmişti. Ancak tüm bu söylenti ve iddialara Apple ve Intel tarafından henüz bir cevap gelmedi.", "content_html": "Intel’in Meltdown ve Spectre işlemci zafiyetleri sonrasında Apple’ın Mac bilgisayarlarda kendi işlemcilerini kullanmayı planladığı ileri sürüldü. İddiaya göre Apple 2020 yılında masaüstü ve dizüstü bilgisayarlarda kendi ürettiği işlemcileri kullanmaya başlayacak. Bloomberg’in raporuna göre Apple kendi tasarladığı ARM tabanlı işlemcileri kullanmayı düşünüyor.
Apple halihazırda A serisi işlemcilerini iPhone, iPad modellerinde kullanıyor. Fakat masaüstü ve dizüstü serilerinde böyle önemli bir değişikliğin nasıl sonuçlar doğuracağı şimdilik bilinmiyor. Apple’ın bu hamlesinin Intel ve AMD işlemcilerde tarihin en büyük teknoloji kusurlarının keşfedilmesiyle ilgili olduğu aşikar.
![\"Apple](\"/assets/images/post/apple-custom-cpu-mac.jpg\" "\\"Apple")
Apple daha önce de kendi üretimi işlemcileri kullanmıştı. PowerPC işlemciler 1991 yılından itibaren Apple cihazlarında kullanılmış ve 2006’da Intel işlemcilere tamamen geçilene kadar yüksek beğeni toplamıştı. Apple’ın ARM tabanlı kendi tasarım işlemcilerini kullanmaya başlamasıyla birlikte, iOS uygulamalarının da Mac cihazlarda çalışabilmesinin önü de açılacak.
Apple bu geçiş ile birlikte kazancının %5 gibi önemli bir bölümünü Intel ile paylaşmak zorunda kalmayacak. Ancak müşterileri için özel teklifler de sunacak. Yüksek işlem gücüne ihtiyaç duyan Mac kullanıcıları için performans sorunlarının önüne bu şekilde geçilecek. Kendi işlemcilerine geçmek ise, Apple’ın kendi donanım yol haritasını çizmesini kolaylaştıracak gibi görünüyor.
Apple’ın Intel’den vazgeçerek kendi tasarım işlemcilerini kullanacağı uzun yıllardır konuşulan bir durum. Geçtiğimiz aylarda yayınlanan bir raporda Apple’ın Intel işlemcilere olan güveninin azaldığı belirtilmişti. Ancak tüm bu söylenti ve iddialara Apple ve Intel tarafından henüz bir cevap gelmedi.
", "url": "https://hakan.io/apple-mac-bilgisayarlarda-kendi-tasarladigi-islemcileri-kullanacak/", "tags": ["apple","mac"], "date_published": "2018-04-12T03:00:00+03:00", "date_modified": "2018-04-12T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/mukemmel-sayilar-c-programlama-dili-ile-ornek-kodlar/", "title": "Mükemmel Sayılar - C Programlama Dili İle Örnek Kodlar", "summary": null, "content_text": "Mükemmel sayılar, kendisi hariç pozitif tam bölenlerinin toplamına eşit olan sayılardır. En küçük mükemmel sayı 6’dır.6’nın pozitif tam bölenleri: 1,2,3 ve 6 kendisi hariç tam bölenlerinin toplamı: 1+2+3 = 6’dır ve 6 bir mükemmel sayıdır.Yine aynı şekilde 28’in pozitif tam bölenleri: 1,2,4,7,14,28 kendisi hariç tam bölenlerinin toplamı: 1+2+4+7+14 = 28’dir ve 28 bir mükemmel sayıdır.Yeterince büyük bir sayının tam bölenlerinin tespit edilmesi için gereken zaman miktarı, bilgisayarın işlem gücüyle orantılı olacak şekilde değişecektir. Esasında tam bölenlerin bulunması için yapılacak işlem 1’den n’e kadar tüm tamsayıların n’in bir tam böleni olup olmadığının kontrolünden ibarettir. Mükemmel sayıları matematiksel olarak ifade etmek mümkündür. Öklid yaptığı çalışmalar neticesinde ilk dört asal sayı için bir formül keşfetmiştir. Sonrasında ise formülün -şimdiye kadar- hesaplanabilen tüm mükemmel sayılar için geçerli olduğu ispat edilmiştir. Daha doğru bir ifadeyle formülün geçersiz olduğu bir mükemmel sayı henüz keşfedilmemiştir.Mükemmel sayılar için keşfedilen formül p ve \\(2^p-1\\) sayıları asal sayı olmak koşuluyla şöyledir:\\[2^{p-1}(2^p-1)\\]p=2 için \\(2^1(2^2-1) = 6\\)p=3 için \\(2^2(2^3-1) = 28\\)p=5 için \\(2^4(2^5-1) = 496\\)Mükemmel sayılarla ilgili diğer bir formül ise, mükemmel bir sayının 1 hariç tüm pozitif tam bölenlerinin tersinin toplamı 1’e eşittir.6 için 1/2 + 1/3 + 1/6 = 128 için 1/2 + 1/4 + 1/7 + 1/14 + 1/28 = 1 olacaktır.Şimdiye kadar hesaplanabilen tüm mükemmel sayılar çifttir. Henüz keşfedilmiş tek mükemmel sayı yok. İlk on mükemmel sayı ise şöyledir;628496812833550336858986905613743869132823058430081399521282658455991569831744654692615953842176191561942608236107294793378084303638130997321548169216Mükemmel sayıların bulunması için C programlama dilinde yaklaşımımız, sayının tüm pozitif tam bölenlerini hesaplamak ve toplamak yönünde olacak. Dolayısıyla ilk 4 mükemmel sayı hızlı bir şekilde bulunabilse de, sonraki mükemmel sayılar için iterasyon bir hayli artacağı için hesaplama süresi de bir o kadar artacaktır. Geleneksel yöntemin haricinde her tam bölen bulunduktan sonra, sonraki bölenlerin bulunması sürecinde tekrar hesaplamak yerine işaretleyerek, algoritmayı geliştirmek ve işlem süresini kısaltmak mümkün.Mükemmel sayıların bulunması için örnek bir C programı şöyle;#include <stdio.h>int main(){\t//1'den 10000'e kadar olan mukemmel \t//sayilari bulmaya calisiyoruz\tfor (int i=1; i <10000 ; i++) {\t\t//Her sayi icin pozitif tam bolenlerini \t\t//bularak kendisi haric toplamini hesapliyoruz\t\tint sum = 0;\t\tfor(int j=1; j<i; j++){\t\t\tif(i%j==0){\t\t\t\tsum = sum + j;\t\t\t}\t\t}\t\t//Kendisi haric pozitif tam bolenlerinin \t\t//toplami kendisine esit mi diye kontrol ediyoruz\t\tif(sum == i){\t\t\tprintf(\"%d\\n\",i );\t\t}\t}\t\treturn 0;}Herhangi bir sayının mükemmel sayı olup olmadığını kontrol eden örnek bir C programı ise şöyle olacaktır;#include <stdio.h>int main(){\tint sayi;\tprintf(\"Sayi? \\n\");\tscanf(\"%d\",&sayi);\tint sum = 0;\tfor(int j=1; j<sayi; j++){\t\tif(sayi%j==0){\t\t\tsum = sum + j;\t\t}\t}\tif(sum == sayi){\t\tprintf(\"%d bir mukemmel sayidir\\n\",sayi );\t}\telse{\t\tprintf(\"%d bir mukemmel sayi degildir\\n\",sayi );\t}\treturn 0;}", "content_html": "Mükemmel sayılar, kendisi hariç pozitif tam bölenlerinin toplamına eşit olan sayılardır. En küçük mükemmel sayı 6’dır.
6’nın pozitif tam bölenleri: 1,2,3 ve 6 kendisi hariç tam bölenlerinin toplamı: 1+2+3 = 6’dır ve 6 bir mükemmel sayıdır.
Yine aynı şekilde 28’in pozitif tam bölenleri: 1,2,4,7,14,28 kendisi hariç tam bölenlerinin toplamı: 1+2+4+7+14 = 28’dir ve 28 bir mükemmel sayıdır.
Yeterince büyük bir sayının tam bölenlerinin tespit edilmesi için gereken zaman miktarı, bilgisayarın işlem gücüyle orantılı olacak şekilde değişecektir. Esasında tam bölenlerin bulunması için yapılacak işlem 1’den n’e kadar tüm tamsayıların n’in bir tam böleni olup olmadığının kontrolünden ibarettir. Mükemmel sayıları matematiksel olarak ifade etmek mümkündür. Öklid yaptığı çalışmalar neticesinde ilk dört asal sayı için bir formül keşfetmiştir. Sonrasında ise formülün -şimdiye kadar- hesaplanabilen tüm mükemmel sayılar için geçerli olduğu ispat edilmiştir. Daha doğru bir ifadeyle formülün geçersiz olduğu bir mükemmel sayı henüz keşfedilmemiştir.
Mükemmel sayılar için keşfedilen formül p ve \\(2^p-1\\) sayıları asal sayı olmak koşuluyla şöyledir:
\\[2^{p-1}(2^p-1)\\]p=2 için \\(2^1(2^2-1) = 6\\)
p=3 için \\(2^2(2^3-1) = 28\\)
p=5 için \\(2^4(2^5-1) = 496\\)
Mükemmel sayılarla ilgili diğer bir formül ise, mükemmel bir sayının 1 hariç tüm pozitif tam bölenlerinin tersinin toplamı 1’e eşittir.
6 için 1/2 + 1/3 + 1/6 = 1
28 için 1/2 + 1/4 + 1/7 + 1/14 + 1/28 = 1 olacaktır.
Şimdiye kadar hesaplanabilen tüm mükemmel sayılar çifttir. Henüz keşfedilmiş tek mükemmel sayı yok. İlk on mükemmel sayı ise şöyledir;
6
28
496
8128
33550336
8589869056
137438691328
2305843008139952128
2658455991569831744654692615953842176
191561942608236107294793378084303638130997321548169216
Mükemmel sayıların bulunması için C programlama dilinde yaklaşımımız, sayının tüm pozitif tam bölenlerini hesaplamak ve toplamak yönünde olacak. Dolayısıyla ilk 4 mükemmel sayı hızlı bir şekilde bulunabilse de, sonraki mükemmel sayılar için iterasyon bir hayli artacağı için hesaplama süresi de bir o kadar artacaktır. Geleneksel yöntemin haricinde her tam bölen bulunduktan sonra, sonraki bölenlerin bulunması sürecinde tekrar hesaplamak yerine işaretleyerek, algoritmayı geliştirmek ve işlem süresini kısaltmak mümkün.
Mükemmel sayıların bulunması için örnek bir C programı şöyle;
#include <stdio.h>int main(){\t//1'den 10000'e kadar olan mukemmel \t//sayilari bulmaya calisiyoruz\tfor (int i=1; i <10000 ; i++) {\t\t//Her sayi icin pozitif tam bolenlerini \t\t//bularak kendisi haric toplamini hesapliyoruz\t\tint sum = 0;\t\tfor(int j=1; j<i; j++){\t\t\tif(i%j==0){\t\t\t\tsum = sum + j;\t\t\t}\t\t}\t\t//Kendisi haric pozitif tam bolenlerinin \t\t//toplami kendisine esit mi diye kontrol ediyoruz\t\tif(sum == i){\t\t\tprintf(\"%d\\n\",i );\t\t}\t}\t\treturn 0;}Herhangi bir sayının mükemmel sayı olup olmadığını kontrol eden örnek bir C programı ise şöyle olacaktır;
#include <stdio.h>int main(){\tint sayi;\tprintf(\"Sayi? \\n\");\tscanf(\"%d\",&sayi);\tint sum = 0;\tfor(int j=1; j<sayi; j++){\t\tif(sayi%j==0){\t\t\tsum = sum + j;\t\t}\t}\tif(sum == sayi){\t\tprintf(\"%d bir mukemmel sayidir\\n\",sayi );\t}\telse{\t\tprintf(\"%d bir mukemmel sayi degildir\\n\",sayi );\t}\treturn 0;}Yeni yılın ilk günleri ile birlikte çok büyük ölçekteki iki güvenlik açığı duyuruldu. Neredeyse şu anda kullanımda olan tüm bilgisayarları, akıllı telefonları, tablet bilgisayarları ve sunucuları etkileyen güvenlik açığı ile parolalarınınız ve hassas verileriniz tehlike altında.
Google Project Zero ekibi tarafından keşfedilen ve duyurulan güvenlik açığı tüm işlemcileri (Intel, AMD, ARM) ve tüm cihazları etkiliyor. Donanım düzeyindeki bu zafiyet iki saldırı olarak kategorilendi. Meltdown ve Spectre.
İki saldırı da modern işlemcilerin performansı artırmak için kullandığı yöntemleri kendi lehine kullanıyor.
Meltdown
İlk olarak Meltdown atağı ile saldırgan, hedef makinanın tüm fiziksel hafızasını okuyabiliyor. Bu da diğer programlar ve işletim sistemi tarafından kullanılan tüm hassas verilerin ve parolaların okunabileceği anlamına geliyor.
Meltdown, kullanıcı uygulamaları ve işletim sistemi arasındaki izolasyonu kırmak için spekülatif çalıştırma özelliğini kullanıyor ve herhangi bir uygulamanın çekirdek için ayrılan bellek de dahil olmak üzere tüm sistem belleğine erişmesine izin veriyor.
Meltdown, Intel işlemcilere özgü bir ayrıcalık yükseltme açığından faydalanıyor. Bu da bellek korumasının aşılmasına neden oluyor.
Güvenlik açığının tüm işlemcileri etkilemesinin sebebi çok temel düzeyde bir problem olması. İşletim sistemi mimarilerinde işletim sistemi çekirdeği ile kullanıcı programları bellek üzerinde bir arada bulunur. Bu da böyle bir güvenlik açığına sebep oluyor. Bu durumu önlemenin yolu işletim sistemi çekirdeği ile kullanıcı programlarını farklı page tablelar üzerinde tutmak, kısaca işletim sistemi çekirdeğini ve kullanıcı programlarını izole etmek. Sorunun çözümü basit fakat her sistem çağrısında page tableların yeniden yüklenmesi gerekiyor ve yama sonuç olarak, yapılan testlere göre %5 – %30 arasında bir performans kaybına sebep olacak.
Spectre
İkinci olarak iste Spectre atağı ile saldırgan tarafından geliştirilen bir program, sistemde çalışırken diğer programların kendi belleklerinin rastgele bölümlerine erişmesine izin vererek veri sızıntısına yol açıyor ve bir yan kanaldan veriyi okuyabiliyor.
Spectre ile meydana gelen güvenlik açığını yamamak pek kolay görünmüyor. Bu zafiyetin tamamen ortadan kaldırılması için işlemci mimarilerinde köklü değişiklikler yapılması gerekmekte ve bu uzun bir süreç anlamına geliyor.
Zafiyet Intel, AMD, ARM işlemcilerini kullanan masaüstü ve taşınabilir bilgisayarlar, sunucular, akıllı telefonlar dahil tüm sistemleri etkiliyor. Öte yandan internet tarayıcıları tarafında Javascript ile zafiyetten faydalanılması mümkün ve bu durum tüm internet kullanıcılarının hassas verilerinin ve parolalarının güvende olmadığı anlamına geliyor.
Google Project Zero ekibi tarafından keşfedilen ve duyurulan güvenlik açıkları zero day kapsamında çoğu işlemci üreticisi ve işletim sistemi tarafından ciddiyetle karşılandı ve duyurulmadan önce gerekli yamalar hazırlandı.
Nasıl Önlem Alınır?
Kimler etkilendi? – Kısaca herkes!
Windows : Microsoft Windows 10 için bir yama yayınladı. Diğer Windows sürümleri için 9 Ocak’ta bir yama yayınlanacak.
MacOS : Apple bu güvenlik açıklarının büyük bir kısmını geçen ay yayınlanan High Sierra 10.13.2’de düzeltmişti. High Sierra 10.13.3 sürüm güncellemesi ile eksik kalan kısımları da yamayacak.
Linux : Linux çekirdekleri için, çekirdeği tamamen ayrı bir adres alanına taşıyacak olan kernel page table isolation (KPTI) içeren yamaları yayınlandı.
Android : Google Pixel ve Nexus kullanıcıları için güvenlik yamalarını içeren güncelleme yayınladı. Diğer marka model cihaz kullanıcıları ise üreticilerinin bir güvenlik yaması yayınlamasını beklemek zorunda.
", "url": "https://hakan.io/meltdown-ve-spectre-islemci-zafiyetleri/", "tags": ["meltdown","spectre","zafiyet","işlemci zafiyet"], "date_published": "2018-01-04T03:00:00+03:00", "date_modified": "2018-01-04T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/apple-iphone-x-face-id-maske-kullanilarak-asildi/", "title": "Apple iPhone X Face ID Maske Kullanılarak Aşıldı", "summary": null, "content_text": "Apple Iphone serisinin en son duyurulan modeli iPhone X ile birlikte gelen yeni güvenlik altyapısı Face ID, güvenlik araştırmacıları tarafından kırıldı. Toplamda 150$’dan daha az bir maliyetle geliştirilen maske ile cihazın kilidi açıldı.Apple Face ID teknolojisini ultra güvenli olarak duyurmuştu. Fakat siber güvenlik firması Bkav araştırmacıları; cihaz sahibinin yüzünü 3 boyutlu yazıcı ile basılan maske, 2 boyutlu fotoğraf ve biraz makyaj ile silikondan tekrar oluşturdu. Oluşturulan maske ile iPhone X Face ID teknolojisi cihazın gerçek sahibiymiş gibi kandırıldı ve cihaza erişim sağlanmış oldu.Dünya’da bir çok kullanıcı ve araştırmacı tarafından yapılan maskeler kullanılarak ve farklı yöntemlerle Face ID aşılmaya çalışıldı fakat hiçbiri başarılı olamadı. Bunun nedeni Face ID’nin yapay zekasının nasıl çalıştığının tam olarak anlaşılamamış olmasıydı.iPhone X ekran kilidinin açılması için, telefonun sahibinin yüzünün yarısını bile görmesi yeterli oluyor. Bu durumu Bkav araştırmacıları, “Kendi iPhone X cihazınızla deneyebilirsiniz, yüzünüzün yarısını kapladığınızda dahi telefon sizi tanıyacaktır. Bu, tanıma mekanizmasının sandığınız kadar sıkı olmadığını, Apple’ın Face ID’nin yapay zekasına çok fazla güveniyor olduğunu gösteriyor. Maskeyi oluşturmak için yarım yüze ihtiyacımız var. Bizim düşündüğümüzden daha basitti.” şeklinde açıkladı ve maskenin popüler bir üç boyutlu yazıcı kullanılarak basıldığını, burun kısmının el emeğiyle eklendiğini, diğer kısımlar için 2 boyutlu fotoğraflar kullanıldığını ve bunun bir el üretimi olduğunu ekledi.Maske toplamda 150$ gibi bir maliyetle oluşturuldu fakat güvenlik şirketinin kaç deneme sonucunda başarıya ulaştığı bilinmiyor. Herhangi birinin yüzünün modellenmesi ve maske haline getirilmesi uzun bir süreç olduğu için, iPhone X kullanıcılarının kaygılanmasına gerek yok :)", "content_html": "Apple Iphone serisinin en son duyurulan modeli iPhone X ile birlikte gelen yeni güvenlik altyapısı Face ID, güvenlik araştırmacıları tarafından kırıldı. Toplamda 150$’dan daha az bir maliyetle geliştirilen maske ile cihazın kilidi açıldı.
Apple Face ID teknolojisini ultra güvenli olarak duyurmuştu. Fakat siber güvenlik firması Bkav araştırmacıları; cihaz sahibinin yüzünü 3 boyutlu yazıcı ile basılan maske, 2 boyutlu fotoğraf ve biraz makyaj ile silikondan tekrar oluşturdu. Oluşturulan maske ile iPhone X Face ID teknolojisi cihazın gerçek sahibiymiş gibi kandırıldı ve cihaza erişim sağlanmış oldu.
![\"Apple](\"/assets/images/post/iphone-face-id-mask.png\" "\\"Apple")
Dünya’da bir çok kullanıcı ve araştırmacı tarafından yapılan maskeler kullanılarak ve farklı yöntemlerle Face ID aşılmaya çalışıldı fakat hiçbiri başarılı olamadı. Bunun nedeni Face ID’nin yapay zekasının nasıl çalıştığının tam olarak anlaşılamamış olmasıydı.
iPhone X ekran kilidinin açılması için, telefonun sahibinin yüzünün yarısını bile görmesi yeterli oluyor. Bu durumu Bkav araştırmacıları, “Kendi iPhone X cihazınızla deneyebilirsiniz, yüzünüzün yarısını kapladığınızda dahi telefon sizi tanıyacaktır. Bu, tanıma mekanizmasının sandığınız kadar sıkı olmadığını, Apple’ın Face ID’nin yapay zekasına çok fazla güveniyor olduğunu gösteriyor. Maskeyi oluşturmak için yarım yüze ihtiyacımız var. Bizim düşündüğümüzden daha basitti.” şeklinde açıkladı ve maskenin popüler bir üç boyutlu yazıcı kullanılarak basıldığını, burun kısmının el emeğiyle eklendiğini, diğer kısımlar için 2 boyutlu fotoğraflar kullanıldığını ve bunun bir el üretimi olduğunu ekledi.
Maske toplamda 150$ gibi bir maliyetle oluşturuldu fakat güvenlik şirketinin kaç deneme sonucunda başarıya ulaştığı bilinmiyor. Herhangi birinin yüzünün modellenmesi ve maske haline getirilmesi uzun bir süreç olduğu için, iPhone X kullanıcılarının kaygılanmasına gerek yok :)
", "url": "https://hakan.io/apple-iphone-x-face-id-maske-kullanilarak-asildi/", "tags": ["apple","face id"], "date_published": "2017-11-16T03:00:00+03:00", "date_modified": "2017-11-16T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/python-scrapy-kurulumu-ve-kullanimi/", "title": "Python Scrapy Kurulumu Ve Kullanımı", "summary": null, "content_text": "Scrapy Python ile yazılmış, html ve xml gibi yapısal içeriklerden verilerin ayıklanmasını sağlayan açık kaynak bir frameworktür. Özellikle web siteleri üzerinde yeterince hızlı bir şekilde scraping ve crawling yapabilmektedir.pip kurulu sistemler üzerindepip install scrapykomutu ile kurulumu yapılabilir. Kurulum gerçekleştirildikten sonra terminal üzerinden proje dizininde,scrapy startproject tutorialkomutuyla yeni bir scrapy projesi oluşturulur. Bir scrapy projesi oluşturulduğunda şu şekilde bir dosya/dizin yapısı oluşmuş olacaktır.tutorial/ scrapy.cfg # deploy configuration file tutorial/ # project's Python module, you'll import your code from here __init__.py items.py # project items definition file pipelines.py # project pipelines file settings.py # project settings file spiders/ # a directory where you'll later put your spiders __init__.pyÖrnek bir spiderimport scrapyclass QuotesSpider(scrapy.Spider): name = \"quotes\" start_urls = [ 'http://quotes.toscrape.com/page/1/', 'http://quotes.toscrape.com/page/2/', ] def parse(self, response): for quote in response.css('div.quote'): yield { 'text': quote.css('span.text::text').extract_first(), 'author': quote.css('small.author::text').extract_first(), 'tags': quote.css('div.tags a.tag::text').extract(), }Scrapy örümcekleri ile bir veya birden fazla adres üzerinde tarama ve veri çıkarma işlemi yapılabilmektedir. Scrapy seçicileri ile istenen alanlar seçilip filtrelenebilmektedir. Scrapy seçicilerinde xpath scrapy tarafından desteklenmektedir.Crawl etmek içinscrapy crawl quotesElde edilen çıktıyı json formatında bir dosyaya yazmak içinscrapy crawl quotes -o qutoes.jsonkomutu kullanılabilir.", "content_html": "Scrapy Python ile yazılmış, html ve xml gibi yapısal içeriklerden verilerin ayıklanmasını sağlayan açık kaynak bir frameworktür. Özellikle web siteleri üzerinde yeterince hızlı bir şekilde scraping ve crawling yapabilmektedir.
pip kurulu sistemler üzerinde
pip install scrapykomutu ile kurulumu yapılabilir. Kurulum gerçekleştirildikten sonra terminal üzerinden proje dizininde,
scrapy startproject tutorialkomutuyla yeni bir scrapy projesi oluşturulur. Bir scrapy projesi oluşturulduğunda şu şekilde bir dosya/dizin yapısı oluşmuş olacaktır.
tutorial/ scrapy.cfg # deploy configuration file tutorial/ # project's Python module, you'll import your code from here __init__.py items.py # project items definition file pipelines.py # project pipelines file settings.py # project settings file spiders/ # a directory where you'll later put your spiders __init__.pyÖrnek bir spider
import scrapyclass QuotesSpider(scrapy.Spider): name = \"quotes\" start_urls = [ 'http://quotes.toscrape.com/page/1/', 'http://quotes.toscrape.com/page/2/', ] def parse(self, response): for quote in response.css('div.quote'): yield { 'text': quote.css('span.text::text').extract_first(), 'author': quote.css('small.author::text').extract_first(), 'tags': quote.css('div.tags a.tag::text').extract(), }Scrapy örümcekleri ile bir veya birden fazla adres üzerinde tarama ve veri çıkarma işlemi yapılabilmektedir. Scrapy seçicileri ile istenen alanlar seçilip filtrelenebilmektedir. Scrapy seçicilerinde xpath scrapy tarafından desteklenmektedir.
Crawl etmek için
scrapy crawl quotesElde edilen çıktıyı json formatında bir dosyaya yazmak için
scrapy crawl quotes -o qutoes.jsonkomutu kullanılabilir.
", "url": "https://hakan.io/python-scrapy-kurulumu-ve-kullanimi/", "tags": ["python","scrapy","kurulum","kullanım"], "date_published": "2017-10-07T03:15:12+03:00", "date_modified": "2017-10-07T03:15:12+03:00", "author": "Hakan" }, { "id": "https://hakan.io/2013-yilinda-1-degil-3-milyar-yahoo-kullanici-verisi-calindi/", "title": "2013 Yılında 1 Değil 3 Milyar Yahoo Kullanıcı Bilgisi Çalındı", "summary": null, "content_text": "Yahoo’nun geçen yıl Aralık ayında açıklanan, 2013 yılındaki veri ihlali sonucunda sızan 1 milyar hesap miktarı yeni açıklamayla birlikte 3 milyara yükseldi.Bu yıl Verizon tarafından satın alınan internet devi Yahoo, 2013 yılında uğradığı saldırılar sonucunda yaklaşık 1 milyar kullanıcısının isim, e-posta, doğum tarihi, telefon numarası ve parolalarının sızdığını açıklamıştı. Fakat geçen süre zarfında yapılan yeni çalışmalarla birlikte Yahoo’nun 1 milyar kullanıcı olarak açıkladığı rakam 3 milyara yükseldi.Tarihteki en büyük veri sızıntılarından biriyle karşı karşıya kalan Yahoo, kullanıcılarının kredi kartı bilgilerinin sızmadığını açıklamıştı.Yahoo Verizon tarafından satın alındıktan sonra, şirket yeni istihbaratlar elde etti ve uzmanların yardımıyla yapılan soruşturmalar neticesinde tüm Yahoo kullanıcılarının Ağustos 2013 tarihinde yaşanan veri sızıntısından etkinlendiğini düşündüklerini açıkladı.Yahoo’nun devasa boyuttaki bu veri sızıntısı sonucunda Yahoo hesabınızda kullandığınız parola ve güvenlik sorularınızı başka servislerde kullanıyorsanız parolalarını güncellemeniz yararınıza olacaktır.", "content_html": "Yahoo’nun geçen yıl Aralık ayında açıklanan, 2013 yılındaki veri ihlali sonucunda sızan 1 milyar hesap miktarı yeni açıklamayla birlikte 3 milyara yükseldi.
Bu yıl Verizon tarafından satın alınan internet devi Yahoo, 2013 yılında uğradığı saldırılar sonucunda yaklaşık 1 milyar kullanıcısının isim, e-posta, doğum tarihi, telefon numarası ve parolalarının sızdığını açıklamıştı. Fakat geçen süre zarfında yapılan yeni çalışmalarla birlikte Yahoo’nun 1 milyar kullanıcı olarak açıkladığı rakam 3 milyara yükseldi.
Tarihteki en büyük veri sızıntılarından biriyle karşı karşıya kalan Yahoo, kullanıcılarının kredi kartı bilgilerinin sızmadığını açıklamıştı.
Yahoo Verizon tarafından satın alındıktan sonra, şirket yeni istihbaratlar elde etti ve uzmanların yardımıyla yapılan soruşturmalar neticesinde tüm Yahoo kullanıcılarının Ağustos 2013 tarihinde yaşanan veri sızıntısından etkinlendiğini düşündüklerini açıkladı.
Yahoo’nun devasa boyuttaki bu veri sızıntısı sonucunda Yahoo hesabınızda kullandığınız parola ve güvenlik sorularınızı başka servislerde kullanıyorsanız parolalarını güncellemeniz yararınıza olacaktır.
", "url": "https://hakan.io/2013-yilinda-1-degil-3-milyar-yahoo-kullanici-verisi-calindi/", "tags": ["yahoo","veri ihlali"], "date_published": "2017-10-05T03:00:00+03:00", "date_modified": "2017-10-05T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/ucretsiz-vpn-servisleri-gercekten-ucretsiz-mi/", "title": "Ücretsiz VPN servisleri gerçekten ücretsiz mi?", "summary": null, "content_text": "Erişim engellemelerinin ardı ardına geldiği, Wikipedia maddesi okuyabilmek için VPN kullanılan bir ortamda asıl tehlike ne?VPN yaygın olarak, erişim engellemelerini aşabilmek ve anonim kalabilmek adına kullanılıyor. Türkiye oransal olarak Dünya’nın en fazla VPN kullanan ülkesi. Ocak 2017 raporuna göre Türkiye’de VPN kullanım oranı %50 seviyelerinde.Peki bu oran ne anlama geliyor? Global Web Index istatistiklerine göre; Türkiye’de 16-64 yaş aralığındaki internet kullanıcıların yaklaşık %50’si VPN veya proxy sunucusu kullanıyor. Kaba bir hesapla Türkiye internet trafiğinin %50’si -%50 net bir oran olmasa bile önemli bir kısmı- VPN sunucuları üzerinden geçiyor.İnternet kullanıcıları, sansürü aşabilmek için VPN sunucuları üzerinden bağlantı sağlarken ezici bir çoğunluğu ücretsiz servisleri kullanıyor. Öyle ki, yakın bir tarihte popüler VPN servislerinden birkaçı Türkiye’de engellendikten sonra, tüm VPN trafiğinin engellendiği algısı oluşmuştu. Yine Türkiye kullanıcılarının çoğunu ücretsiz kullanıcıların oluşturduğu VPN hizmeti sunan bu şirketler, engelin ardından tekrar hizmet verebilmek için bir hayli çaba sarfetmişlerdi.Ücretsiz hizmet sağlayıcılar, ücretsiz hizmet verebilmek için neden bu kadar çabalar?“If you are not paying for the product, you are the product.”Ücretsiz vpn servisleri, kullanıcılarının internet trafiğini kayıt altına alabilir ve kullanıcılarının bağlantı hareketlerinden elde edebilecekleri bilgilerle fazlasıyla işe yarayacak veri setleri elde edebilir. Bu veri setleri, bölgesel istatistiklerden reklam hedeflemelerine kadar çok fazla sayıda alanda kullanılabilir ve üçüncü parti şirketlere satılabilir. Ayrıca, anonim kalmak isteyen kullanıcısının, tam tersi bir şekilde tüm kimliğinin açığa çıkmasına doğrudan veya dolaylı yoldan sebep olabilir. Tabi ki ücretsiz hizmet sağlayıcıların çok daha fazla parametreye tabi amaç ve/veya beklentileri olabilir. Bu sebeple kullanıcı ürüne veya hizmete ödeme yapmadan kullanmak isterken ürünün kendisi olmadığından emin olmalıdır.Elbette, tüm ücretsiz servisler/ürünler, servisin veya ürünün kendisinden bir kar amacı gütmek zorunda değildir. Pek çok farklı sivil hareket, tamamiyle ücretsiz, gönüllülük esasına göre işleyen, güvenli hizmetler sunabilmektedir.", "content_html": "Erişim engellemelerinin ardı ardına geldiği, Wikipedia maddesi okuyabilmek için VPN kullanılan bir ortamda asıl tehlike ne?
VPN yaygın olarak, erişim engellemelerini aşabilmek ve anonim kalabilmek adına kullanılıyor. Türkiye oransal olarak Dünya’nın en fazla VPN kullanan ülkesi. Ocak 2017 raporuna göre Türkiye’de VPN kullanım oranı %50 seviyelerinde.
Peki bu oran ne anlama geliyor? Global Web Index istatistiklerine göre; Türkiye’de 16-64 yaş aralığındaki internet kullanıcıların yaklaşık %50’si VPN veya proxy sunucusu kullanıyor. Kaba bir hesapla Türkiye internet trafiğinin %50’si -%50 net bir oran olmasa bile önemli bir kısmı- VPN sunucuları üzerinden geçiyor.
İnternet kullanıcıları, sansürü aşabilmek için VPN sunucuları üzerinden bağlantı sağlarken ezici bir çoğunluğu ücretsiz servisleri kullanıyor. Öyle ki, yakın bir tarihte popüler VPN servislerinden birkaçı Türkiye’de engellendikten sonra, tüm VPN trafiğinin engellendiği algısı oluşmuştu. Yine Türkiye kullanıcılarının çoğunu ücretsiz kullanıcıların oluşturduğu VPN hizmeti sunan bu şirketler, engelin ardından tekrar hizmet verebilmek için bir hayli çaba sarfetmişlerdi.
Ücretsiz hizmet sağlayıcılar, ücretsiz hizmet verebilmek için neden bu kadar çabalar?
“If you are not paying for the product, you are the product.”
Ücretsiz vpn servisleri, kullanıcılarının internet trafiğini kayıt altına alabilir ve kullanıcılarının bağlantı hareketlerinden elde edebilecekleri bilgilerle fazlasıyla işe yarayacak veri setleri elde edebilir. Bu veri setleri, bölgesel istatistiklerden reklam hedeflemelerine kadar çok fazla sayıda alanda kullanılabilir ve üçüncü parti şirketlere satılabilir. Ayrıca, anonim kalmak isteyen kullanıcısının, tam tersi bir şekilde tüm kimliğinin açığa çıkmasına doğrudan veya dolaylı yoldan sebep olabilir. Tabi ki ücretsiz hizmet sağlayıcıların çok daha fazla parametreye tabi amaç ve/veya beklentileri olabilir. Bu sebeple kullanıcı ürüne veya hizmete ödeme yapmadan kullanmak isterken ürünün kendisi olmadığından emin olmalıdır.
Elbette, tüm ücretsiz servisler/ürünler, servisin veya ürünün kendisinden bir kar amacı gütmek zorunda değildir. Pek çok farklı sivil hareket, tamamiyle ücretsiz, gönüllülük esasına göre işleyen, güvenli hizmetler sunabilmektedir.
", "url": "https://hakan.io/ucretsiz-vpn-servisleri-gercekten-ucretsiz-mi/", "tags": ["Ücretsiz","Vpn","Servis"], "date_published": "2017-09-12T03:15:12+03:00", "date_modified": "2017-09-12T03:15:12+03:00", "author": "Hakan" }, { "id": "https://hakan.io/methbot-tarihin-en-buyuk-reklam-dolandiriciligi/", "title": "Methbot: Tarihin En Büyük Reklam Dolandırıcılığı", "summary": null, "content_text": "Dijital reklam pazarı birilerinin iştahını fena halde kabartmış görünüyor. Rusya kökenli olduğu düşünülen dünya’nın en büyük reklam dolandırıcılığı şebekesinin yaptığı vurgun dudak uçuklatacak seviyelerde. Tarihin en büyük dijital reklam dolandırıcılığı, güvenlik şirketi Whiteops tarafından aydınlatıldı. Whiteops’un yayınladığı rapor ile bu haksız kazancın önüne geçilmesine yönelik bilgilendirme ve önlem çağrısı yapıldı.ABD ve Hollanda’daki veri merkezlerinde faaliyet gösteren binlerce sunucu ile kurulmuş bot çiftliğini yöneten Rus hacker grubu, video reklam ekosistemini hedefleyerek sahte tıklamalar ve izleme sayılarıyla günde ortalama 3-5 milyon dolar arasında hileli gelir elde ediyor. Methbot botnetini yöneten grubun yalnızca sunucularına aylık ortalama 200bin dolar harcadığı tahmin ediliyor.Video reklamların izlenilmesine yönelik yapılan reklam modellemelerinde, methbot botneti sahte izlenme sayıları yaratarak haksız kazanç elde ediyor. Methbot toplamda 800 ila 1200 arasında dedicated sunucuya sahip Toplamda 572.000 IP adresine sahip Dağıtık bir sistem kullanıyor Bot korumalarına karşı tarayıcı kimliğine bürünebiliyor Sahte tarayıcı bilgileri, ekran çözünürlüğü gibi karakteristik ekran bilgileri, eklenti listesi oluşturarak tarayıcı gibi davranabiliyor.Bugüne kadar keşfedilen botnetlerin elde ettiği haksız kazançlar içerisinde Methbot günlük ortalama 3 milyon dolarla listenin başında yer alıyor.Reklam ortaklığında büyük bir pay sahibi olan video reklamların ölçümlenmesi, methbot’un ortaya çıkarılmasıyla birlikte yeniden gözden geçirilmeli ve gerekli önlemler alınmalıdır.", "content_html": "![\"Methbot\"](\"/assets/images/post/methbot.png\" "\\"Methbot\\"")
Dijital reklam pazarı birilerinin iştahını fena halde kabartmış görünüyor. Rusya kökenli olduğu düşünülen dünya’nın en büyük reklam dolandırıcılığı şebekesinin yaptığı vurgun dudak uçuklatacak seviyelerde. Tarihin en büyük dijital reklam dolandırıcılığı, güvenlik şirketi Whiteops tarafından aydınlatıldı. Whiteops’un yayınladığı rapor ile bu haksız kazancın önüne geçilmesine yönelik bilgilendirme ve önlem çağrısı yapıldı.
ABD ve Hollanda’daki veri merkezlerinde faaliyet gösteren binlerce sunucu ile kurulmuş bot çiftliğini yöneten Rus hacker grubu, video reklam ekosistemini hedefleyerek sahte tıklamalar ve izleme sayılarıyla günde ortalama 3-5 milyon dolar arasında hileli gelir elde ediyor. Methbot botnetini yöneten grubun yalnızca sunucularına aylık ortalama 200bin dolar harcadığı tahmin ediliyor.
Video reklamların izlenilmesine yönelik yapılan reklam modellemelerinde, methbot botneti sahte izlenme sayıları yaratarak haksız kazanç elde ediyor.
Bugüne kadar keşfedilen botnetlerin elde ettiği haksız kazançlar içerisinde Methbot günlük ortalama 3 milyon dolarla listenin başında yer alıyor.
Reklam ortaklığında büyük bir pay sahibi olan video reklamların ölçümlenmesi, methbot’un ortaya çıkarılmasıyla birlikte yeniden gözden geçirilmeli ve gerekli önlemler alınmalıdır.
", "url": "https://hakan.io/methbot-tarihin-en-buyuk-reklam-dolandiriciligi/", "image": "assets/images/post/methbot.png", "date_published": "2016-12-22T16:00:00+03:00", "date_modified": "2016-12-22T16:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/tor-turkiyede-engellendi/", "title": "TOR Türkiye'de Engellendi", "summary": null, "content_text": "Daha çok internette anonim olmak isteyen kullanıcıların kullandığı, TOR (The Onion Route(r) Project) Türkiye’de engellendi. Verinin uçtan uça aktarımını, kendi kullanıcılarının oluşturduğu ağ üzerinde, her geçtiği noktada paketleri şifreleyerek sağlayan TOR projesine erişimin engellendiğini ilk olarak Turkey Blocks duyurdu. Geçtiğimiz ay VPN Servis Engeli ile popüler vpn servislerine erişim engellenmişti.Ancak TOR ağına dahil olan kullanıcıların bu durumu aşması basit konfigürasyonlarla mümkün. TOR projesinin twitter hesabında hazırlanan bir gif ile, engelin TOR Browser kullanan kullanıcılar tarafından nasıl aşılacağı görsel olarak anlatılıyor. TOR projesinin sansüre uğradığı ilk ülke Türkiye değil. Aralarında Çin ve Kazakistan’ın bulunduğu bazı ülkeler TOR ağına daha önce sansür uygulamış ancak TOR projesinin mimarisi gereği tam anlamıyla bir engelleme sağlayamamıştı.", "content_html": "![\"TOR\"](\"/assets/images/post/tor.jpg\" "\\"TOR\\"")
Daha çok internette anonim olmak isteyen kullanıcıların kullandığı, TOR (The Onion Route(r) Project) Türkiye’de engellendi. Verinin uçtan uça aktarımını, kendi kullanıcılarının oluşturduğu ağ üzerinde, her geçtiği noktada paketleri şifreleyerek sağlayan TOR projesine erişimin engellendiğini ilk olarak Turkey Blocks duyurdu. Geçtiğimiz ay VPN Servis Engeli ile popüler vpn servislerine erişim engellenmişti.
Ancak TOR ağına dahil olan kullanıcıların bu durumu aşması basit konfigürasyonlarla mümkün. TOR projesinin twitter hesabında hazırlanan bir gif ile, engelin TOR Browser kullanan kullanıcılar tarafından nasıl aşılacağı görsel olarak anlatılıyor. TOR projesinin sansüre uğradığı ilk ülke Türkiye değil. Aralarında Çin ve Kazakistan’ın bulunduğu bazı ülkeler TOR ağına daha önce sansür uygulamış ancak TOR projesinin mimarisi gereği tam anlamıyla bir engelleme sağlayamamıştı.
", "url": "https://hakan.io/tor-turkiyede-engellendi/", "date_published": "2016-12-20T12:30:00+03:00", "date_modified": "2016-12-20T12:30:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/guvenli-sekilde-dosya-silme/", "title": "Güvenli Şekilde Dosya Silme", "summary": null, "content_text": "Bilgisayar sistemlerinde, dosya sistemi üzerinden kullanıcı tarafından silinen bir dosyanın çoğu zaman geri getirilmesi mümkündür. Sistemler çoğu zaman performansı iyileştirmek adına, dosyaları silmek yerine sadece işletim sistemi tarafından görüntülenmesini durdurur. Esasında kullanıcı tarafından verilen, windows kullanıcıları için delete,shift+delete linux ve osx kullanıcıları için rm ve masaüstü yöneticisinden yapılan sil komutu ve tüm çöp/geri dönüşüm kutusu işlemleri disk üzerinde gerçek bir silme işlemi gerçekleştirmez.Bilgisayarın el değiştirmesi, geri dönüşüme kazandırılması, ticari veya bireysel kaygılar güvenli dosya silmenizi gerektirecek başlıca sebepler.Tam ve güvenli bir dosya silme işlemi genellikle ilgili dosyanın disk üzerindeki alanına rastgele veri yazılması-silinmesi işleminin tekrarlanması sonucunda gerçekleşir. Manyetik diskler üzerindeki dosya izleri bu sayede silinen dosyayla ilgili bir veri içermeyecek hale getirilir.Linux KullanıcılarıLinux kullanıcıları, çoğu dağıtımda önyüklü olarak gelen shred aracı ile tam ve güvenli bir silme işlemi gerçekleştirebilir. Shred komut satırı üzerinden çalışan bir araçtır.shred -uzfv -n 20 ornekdosya.txtYukarıdaki komut ile ornekdosya.txt dosyasının disk üzerindeki alanına 20 kez rastgele veri yazılır ve 21.kez tüm dosya alanı 0 ile doldurulur. Dosya ismi defalarca değiştirilir ve sonucunda güvenli bir şekilde dosya silme işlemi gerçekleşmiş olur.OsX KullanıcılarıOsX kullanıcıları ise işletim sistemi üzerinde gelen, komut satırı üzerinden kullanılan srm aracı ile güvenli silme işlemi gerçekleştirebilirler.srm ornekdosya.txtsrm -r ornekdizinWindows KullanıcılarıWindows kullanıcıları benzer işlemleri gerçekleştirerek güvenli dosya silme işlemi için https://eraser.heidi.ie/ adresindeki aracı kullanabilir.Son olarak Bilgisayar sistemlerinde 100% güvenlidir ifadesi her zaman için doğru olmayabilir. Anlatılan silme işlemleri sonucunda, özellikle manyetik disklerde ilgili dosyayla ilgili bazı küçük izlere ulaşmak imkansıza yakın olmakla birlikte mümkündür.", "content_html": "Bilgisayar sistemlerinde, dosya sistemi üzerinden kullanıcı tarafından silinen bir dosyanın çoğu zaman geri getirilmesi mümkündür. Sistemler çoğu zaman performansı iyileştirmek adına, dosyaları silmek yerine sadece işletim sistemi tarafından görüntülenmesini durdurur. Esasında kullanıcı tarafından verilen, windows kullanıcıları için delete,shift+delete linux ve osx kullanıcıları için rm ve masaüstü yöneticisinden yapılan sil komutu ve tüm çöp/geri dönüşüm kutusu işlemleri disk üzerinde gerçek bir silme işlemi gerçekleştirmez.
Bilgisayarın el değiştirmesi, geri dönüşüme kazandırılması, ticari veya bireysel kaygılar güvenli dosya silmenizi gerektirecek başlıca sebepler.
Tam ve güvenli bir dosya silme işlemi genellikle ilgili dosyanın disk üzerindeki alanına rastgele veri yazılması-silinmesi işleminin tekrarlanması sonucunda gerçekleşir. Manyetik diskler üzerindeki dosya izleri bu sayede silinen dosyayla ilgili bir veri içermeyecek hale getirilir.
Linux Kullanıcıları
Linux kullanıcıları, çoğu dağıtımda önyüklü olarak gelen shred aracı ile tam ve güvenli bir silme işlemi gerçekleştirebilir. Shred komut satırı üzerinden çalışan bir araçtır.
shred -uzfv -n 20 ornekdosya.txtYukarıdaki komut ile ornekdosya.txt dosyasının disk üzerindeki alanına 20 kez rastgele veri yazılır ve 21.kez tüm dosya alanı 0 ile doldurulur. Dosya ismi defalarca değiştirilir ve sonucunda güvenli bir şekilde dosya silme işlemi gerçekleşmiş olur.
![\"Linux](\"/assets/images/post/linux-shred-dosya-silme.png\" "\\"Linux")
OsX Kullanıcıları
OsX kullanıcıları ise işletim sistemi üzerinde gelen, komut satırı üzerinden kullanılan srm aracı ile güvenli silme işlemi gerçekleştirebilirler.
srm ornekdosya.txtsrm -r ornekdizinWindows Kullanıcıları
Windows kullanıcıları benzer işlemleri gerçekleştirerek güvenli dosya silme işlemi için https://eraser.heidi.ie/ adresindeki aracı kullanabilir.
Son olarak Bilgisayar sistemlerinde 100% güvenlidir ifadesi her zaman için doğru olmayabilir. Anlatılan silme işlemleri sonucunda, özellikle manyetik disklerde ilgili dosyayla ilgili bazı küçük izlere ulaşmak imkansıza yakın olmakla birlikte mümkündür.
", "url": "https://hakan.io/guvenli-sekilde-dosya-silme/", "tags": ["güvenli dosya silme","kalıcı dosya silme","shred","osx srm","eraser"], "date_published": "2016-11-30T03:00:00+03:00", "date_modified": "2016-11-30T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/turkiyede-erisim-engellemelerinde-yeni-bir-boyut-vpn-servis-engeli/", "title": "Türkiye'de Erişim Engellemelerinde Yeni Bir Boyut: VPN Servis Engeli", "summary": null, "content_text": "Türkiye’de uzun yıllardır zaman zaman veya sürekli olarak uygulanan erişim engelleri, yeni bir boyut kazanıyor. İnternet kullanıcıları erişim engellerini aşmak için VPN hizmetlerine yönelmişti. Ancak 4 Kasım 2016 tarihi itibariyle Bilgi Teknolojileri Ve İletişim Kurumu (BTK) tarafından verilen kararla servis sağlayıcıları VPN servislerini engellemeye başladı.Türkiye’de uygulanan erişim engelleri, öncelikle servis sağlayacıların dns sunucuları vasıtasıyla gerçekleştirilmeye başlanmıştı. İnternet kullanıcılarının farklı dns sunucularını kullanmasıyla bu engelin aşılması bir hayli kolay olmuş ve kullanıcılar tarafından uygulanan ilk erişim aşma yöntemi olarak kullanılmaya başlanmıştı. Sonrasında gelen engelleme yöntemleri ise, ip adres ve/veya bloklarının engellenmesi şeklinde gerçekleşmişti.Tüm bu engellerin aşılması için internet kullanıcıları son zamanlarda vpn servislerine yöneldi. Teknik ve teknik olmayan son kullanıcılar için vpn servisleri kullanım alışkanlığı kazanmış durumda.VPN Servisleri nasıl engelleniyor?VPN yani Virtual Private Network (Sanal Özel Ağ), servislerinin engellenmesi temelde iki yönteme dayanıyor. VPN servisleri yaygın olarak PPTP ve L2TP protokolleri üzerinde çalışıyor. Engel bu noktada protokollerin yaygın olarak kullandığı portların engellenmesi veya popüler vpn servislerinin ip adreslerinin engellenmesi şeklinde gerçekleştiriliyor.Türkiye’de yaygın olarak kullanılan vpn servislerinden Zenmate, Hotspot Shield, Private Internet Access, Tunnelbear ve IPVanish kullanıcılarının servis erişim sorunları başlamış durumda.Şimdilik kendi vpn sunucusunu ve yapılandırmasını kullanan kullanıcıların engellemeden etkilenmediğini belirtmekte fayda var.VPN Servis engelini uygulayan devletlerDünya’da vpn erişim engeli uygulayan devlet olarak bilinen İran ve Çin var. Çin internet kullanıcıları 2011 yılında vpn servislerine uygulanan erişim engellerini raporlamaya başladı. 2012 yılında ise bazı vpn servisleri Çin’in erişim engelini aşmayı başardıklarını raporladılar.İran hükümeti ise 2013 yılında VPN servislerinin engellenmesiyle ilgili çalışma başlatmıştı.Ne yapılmalı?VPN erişim engelinin, daha önce doğrulanmış yöntemlerle gerçekleştirilmiş olması durumunda aşılması mümkün değil. Yaygın olarak kullanılan vpn servis kullanıcılarının vpn sunucu yapılandırmalarına erişim yetkisi olmadığı için yapabilecekleri pek bir şey yok.Ancak kendi özel vpn sunucusunu yapılandırmış kullanıcılar şu an bir engellemeyle karşılaşmadı ve kendi sunucu ve yapılandırmasını kullanan tüm kullanıcıların tespit edilmesi ve engellenmesi teknik olarak mümkün olsa da pratikte pek mümkün değil.", "content_html": "Türkiye’de uzun yıllardır zaman zaman veya sürekli olarak uygulanan erişim engelleri, yeni bir boyut kazanıyor. İnternet kullanıcıları erişim engellerini aşmak için VPN hizmetlerine yönelmişti. Ancak 4 Kasım 2016 tarihi itibariyle Bilgi Teknolojileri Ve İletişim Kurumu (BTK) tarafından verilen kararla servis sağlayıcıları VPN servislerini engellemeye başladı.
Türkiye’de uygulanan erişim engelleri, öncelikle servis sağlayacıların dns sunucuları vasıtasıyla gerçekleştirilmeye başlanmıştı. İnternet kullanıcılarının farklı dns sunucularını kullanmasıyla bu engelin aşılması bir hayli kolay olmuş ve kullanıcılar tarafından uygulanan ilk erişim aşma yöntemi olarak kullanılmaya başlanmıştı. Sonrasında gelen engelleme yöntemleri ise, ip adres ve/veya bloklarının engellenmesi şeklinde gerçekleşmişti.
Tüm bu engellerin aşılması için internet kullanıcıları son zamanlarda vpn servislerine yöneldi. Teknik ve teknik olmayan son kullanıcılar için vpn servisleri kullanım alışkanlığı kazanmış durumda.
VPN Servisleri nasıl engelleniyor?
VPN yani Virtual Private Network (Sanal Özel Ağ), servislerinin engellenmesi temelde iki yönteme dayanıyor. VPN servisleri yaygın olarak PPTP ve L2TP protokolleri üzerinde çalışıyor. Engel bu noktada protokollerin yaygın olarak kullandığı portların engellenmesi veya popüler vpn servislerinin ip adreslerinin engellenmesi şeklinde gerçekleştiriliyor.
Türkiye’de yaygın olarak kullanılan vpn servislerinden Zenmate, Hotspot Shield, Private Internet Access, Tunnelbear ve IPVanish kullanıcılarının servis erişim sorunları başlamış durumda.
Şimdilik kendi vpn sunucusunu ve yapılandırmasını kullanan kullanıcıların engellemeden etkilenmediğini belirtmekte fayda var.
VPN Servis engelini uygulayan devletler
Dünya’da vpn erişim engeli uygulayan devlet olarak bilinen İran ve Çin var. Çin internet kullanıcıları 2011 yılında vpn servislerine uygulanan erişim engellerini raporlamaya başladı. 2012 yılında ise bazı vpn servisleri Çin’in erişim engelini aşmayı başardıklarını raporladılar.
İran hükümeti ise 2013 yılında VPN servislerinin engellenmesiyle ilgili çalışma başlatmıştı.
Ne yapılmalı?
VPN erişim engelinin, daha önce doğrulanmış yöntemlerle gerçekleştirilmiş olması durumunda aşılması mümkün değil. Yaygın olarak kullanılan vpn servis kullanıcılarının vpn sunucu yapılandırmalarına erişim yetkisi olmadığı için yapabilecekleri pek bir şey yok.
Ancak kendi özel vpn sunucusunu yapılandırmış kullanıcılar şu an bir engellemeyle karşılaşmadı ve kendi sunucu ve yapılandırmasını kullanan tüm kullanıcıların tespit edilmesi ve engellenmesi teknik olarak mümkün olsa da pratikte pek mümkün değil.
", "url": "https://hakan.io/turkiyede-erisim-engellemelerinde-yeni-bir-boyut-vpn-servis-engeli/", "tags": ["vpn engellemeleri","sansür"], "date_published": "2016-11-04T03:00:00+03:00", "date_modified": "2016-11-04T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/9-uluslararasi-bilgi-guvenligi-ve-kriptoloji-konferansi/", "title": "9. Uluslararası Bilgi Güvenliği ve Kriptoloji Konferansı", "summary": null, "content_text": "Bilgi güvenliği ve kriptoloji konferansı bu yıl 9. konferansını 25-26 Ekim 2016 tarihlerinde Ankara’da Orta Doğu Teknik Üniversitesi Kemal Kurdaş konferans salonunda gerçekleştiriyor. Düzenlendiği ilk yıldan beri; bilimsel ve endüstriyel çalışmaların paylaşıldığı, üniversite-kamu-endüstri işbirliğinin geliştirildiği, toplumun bilgi güvenliği farkındalığının artırıldığı, bilim insanları araştırmacılar ve sektör paydaşları arasında bilgi alışverişinin sağlandığı en önemli etkinlik olarak kabul edilmekte. ISC Turkey 2016 konferansı, Avrupa Ağ ve Bilgi Güvenliği Ajansı tarafından desteklenmekte ve Avrupa Siber Güvenlik Ayı etkinlikleri arasında yer almakta.Düzenlenmesinde, BTK, Bilgi Güvenliği Derneği, Gazi Üniversitesi, ODTÜ, Ulaştırma Denizcilik ve Haberleşme Bakanlığı ve İTÜ’nün yer aldığı ISC Turkey 2016 konferansının sponsorları arasında Aselsan, Havelsan, Netaş, Türk Telekom, Turkcell ve Vodafone yer alıyor.Bu yılki Konferansın ana teması “Siber Güvenlik ve Nesnelerin Interneti” olarak belirlenmiş. Konferansta Nesnelerin İnternetinde Siber Güvenlik, Nesnelerin İnterneti Regülasyonu, Nesnelerin İnternetinde Yerli Çözümler ve benzeri konular ele alınacak, konuşmacılar, akademik bildirilerin sunulacağı oturumlar ve eğitimler düzenlenecek.Konferans programı ve diğer bilgiler http://www.iscturkey.org adresinde.", "content_html": "![\"Uluslararası](\"/assets/images/post/9-bilgi-guvenligi-ve-kriptoloji-konferansi.jpg\" "\\"Uluslararası")
Bilgi güvenliği ve kriptoloji konferansı bu yıl 9. konferansını 25-26 Ekim 2016 tarihlerinde Ankara’da Orta Doğu Teknik Üniversitesi Kemal Kurdaş konferans salonunda gerçekleştiriyor. Düzenlendiği ilk yıldan beri; bilimsel ve endüstriyel çalışmaların paylaşıldığı, üniversite-kamu-endüstri işbirliğinin geliştirildiği, toplumun bilgi güvenliği farkındalığının artırıldığı, bilim insanları araştırmacılar ve sektör paydaşları arasında bilgi alışverişinin sağlandığı en önemli etkinlik olarak kabul edilmekte. ISC Turkey 2016 konferansı, Avrupa Ağ ve Bilgi Güvenliği Ajansı tarafından desteklenmekte ve Avrupa Siber Güvenlik Ayı etkinlikleri arasında yer almakta.
Düzenlenmesinde, BTK, Bilgi Güvenliği Derneği, Gazi Üniversitesi, ODTÜ, Ulaştırma Denizcilik ve Haberleşme Bakanlığı ve İTÜ’nün yer aldığı ISC Turkey 2016 konferansının sponsorları arasında Aselsan, Havelsan, Netaş, Türk Telekom, Turkcell ve Vodafone yer alıyor.
Bu yılki Konferansın ana teması “Siber Güvenlik ve Nesnelerin Interneti” olarak belirlenmiş. Konferansta Nesnelerin İnternetinde Siber Güvenlik, Nesnelerin İnterneti Regülasyonu, Nesnelerin İnternetinde Yerli Çözümler ve benzeri konular ele alınacak, konuşmacılar, akademik bildirilerin sunulacağı oturumlar ve eğitimler düzenlenecek.
Konferans programı ve diğer bilgiler http://www.iscturkey.org adresinde.
", "url": "https://hakan.io/9-uluslararasi-bilgi-guvenligi-ve-kriptoloji-konferansi/", "tags": ["kriptoloji","bilgi güvenliği"], "date_published": "2016-10-23T03:00:00+03:00", "date_modified": "2016-10-23T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/linkedin-parolalarinizi-kullanmaktan-vazgecin/", "title": "Linkedin Parolalarınızı Kullanmaktan Vazgeçin", "summary": null, "content_text": "Geçtiğimiz yıl Linkedin veritabanı hacklenmiş ve bu veritabanı uzunca bir süre torrent aracılığıyla elden ele dolaşmıştı. Uzunca bir süre bu olay gerek sosyal medya gerek teknoloji forumlarında konuşulmuş ve zamanla unutulmuştu. Ancak geçtiğimiz aylarda Microsoft’un Linkedin’i satın aldığını duyurması üzerine bu meşhur veritabanı tekrardan torrent paylaşımlarında boy göstermeye başladı. Bu ele geçirme ile birlikte yaklaşık olarak milyonlarca kullanıcının e-mail ve linkedin hesap bilgilerinin yanısıra parolaları da rahatlıkla erişilebilir bir formatta yine rahatlıkla erişilebilir noktalarda bulunuyor. Ortaya çıktığı dönemde Linkedin’e ait olduğu iddia edilen ve milyonlarca kullanıcının bilgisini içeren veritabanı dark web üzerinden 5 Bitcoin karşılığında satışa sunulmuştu.Ele geçirilen veritabanında Linkedin kullanıcılarının -en önemli olarak- e-mail ve parola bilgileri yer alıyordu. Parolalar şifrelenmemiş bir şekilde tutulmasa da, parolaların salt kullanılmadan ham bir şekilde SHA1 algoritması ile hashlenerek tutulduğu anlaşılınca parolaların %90’ı 72 saat içerisinde çözülmüştü.Not: Hash algoritmaları şifreleme algoritmaları değildir. Kabaca tek yönlü şifreleme işlemlerinde pratikte yaygın olarak kullanılmaktadır. Veritabanında kullanıcı parolasının hash değeri tutuluyorsa bir şifreleme-çözümleme yapılmaz, sadece kullanıcının giriş yaptığı parolasının hash değeri karşılaştırılır.Linkedin veritabanından elde edilen parolalar ile geçtiğimiz ay Mark Zuckerberg’in Twitter hesabıda aynı parolayı kullanması sonucu ele geçirilmişti. Eğer farklı servislerde aynı parolayı kullanıyorsanız, güvenliğiniz açısından parolalarınızı güncellemeniz hayati önem taşıyor. Özellikle geçmişte kullandığınız linkedin parolanızı hem linkedin hem de farklı hesaplarınız için kullanmaktan vazgeçmeli, kolay tahmin edilebilir parolalardan uzak durmalısınız.", "content_html": "Geçtiğimiz yıl Linkedin veritabanı hacklenmiş ve bu veritabanı uzunca bir süre torrent aracılığıyla elden ele dolaşmıştı. Uzunca bir süre bu olay gerek sosyal medya gerek teknoloji forumlarında konuşulmuş ve zamanla unutulmuştu. Ancak geçtiğimiz aylarda Microsoft’un Linkedin’i satın aldığını duyurması üzerine bu meşhur veritabanı tekrardan torrent paylaşımlarında boy göstermeye başladı. Bu ele geçirme ile birlikte yaklaşık olarak milyonlarca kullanıcının e-mail ve linkedin hesap bilgilerinin yanısıra parolaları da rahatlıkla erişilebilir bir formatta yine rahatlıkla erişilebilir noktalarda bulunuyor. Ortaya çıktığı dönemde Linkedin’e ait olduğu iddia edilen ve milyonlarca kullanıcının bilgisini içeren veritabanı dark web üzerinden 5 Bitcoin karşılığında satışa sunulmuştu.
![\"Linkedin](\"/assets/images/post/linkedin-db-for-sale.png\" "\\"Linkedin")
Ele geçirilen veritabanında Linkedin kullanıcılarının -en önemli olarak- e-mail ve parola bilgileri yer alıyordu. Parolalar şifrelenmemiş bir şekilde tutulmasa da, parolaların salt kullanılmadan ham bir şekilde SHA1 algoritması ile hashlenerek tutulduğu anlaşılınca parolaların %90’ı 72 saat içerisinde çözülmüştü.
Not: Hash algoritmaları şifreleme algoritmaları değildir. Kabaca tek yönlü şifreleme işlemlerinde pratikte yaygın olarak kullanılmaktadır. Veritabanında kullanıcı parolasının hash değeri tutuluyorsa bir şifreleme-çözümleme yapılmaz, sadece kullanıcının giriş yaptığı parolasının hash değeri karşılaştırılır.
Linkedin veritabanından elde edilen parolalar ile geçtiğimiz ay Mark Zuckerberg’in Twitter hesabıda aynı parolayı kullanması sonucu ele geçirilmişti. Eğer farklı servislerde aynı parolayı kullanıyorsanız, güvenliğiniz açısından parolalarınızı güncellemeniz hayati önem taşıyor. Özellikle geçmişte kullandığınız linkedin parolanızı hem linkedin hem de farklı hesaplarınız için kullanmaktan vazgeçmeli, kolay tahmin edilebilir parolalardan uzak durmalısınız.
", "url": "https://hakan.io/linkedin-parolalarinizi-kullanmaktan-vazgecin/", "tags": ["linkedin","parola","güvenlik"], "date_published": "2016-10-22T03:00:00+03:00", "date_modified": "2016-10-22T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/wifi-sinyalleri-ile-duygu-durum-tespiti/", "title": "Wifi Sinyalleri İle Duygu Durum Tespiti", "summary": null, "content_text": "Bugün kendinizi nasıl hissediyorsunuz?Düşünmenize gerek yok, WiFi routerınız sizin yerinize cevap verebilir. MIT Bilgisayar Bilimleri ve Yapay Zeka Laboratuvarı (CSAIL) araştırmacıları WiFi sinyallerini kullanarak duygu durum tespiti yapmayı başardılar. WiFi sinyallerinin insan vücudu üzerindeki yansımaları takip edilerek kişinin mutlu, şaşırmış, üzgün veya kızgın olduğu tespit edilebildi. Makine öğrenmesi kullanılıyor ve kişinin herhangi bir sensör vs. kullanmasına gerek duyulmuyor.Görsel: MIT CSAILDuygu tespit ve analizi çalışma alanlarında, anlık olarak görüntü işleme tekniklerinin kullanıldığı sistemlerin bilgi işlem maliyetleri göz önüne alındığında, radyo dalgalarının daha efektif kullanımı sağlanabilirse çok daha az maliyetlerle daha hızlı analizler gerçekleştirilebilecek.MIT araştırmacıları, benzer teknolojiyi kullanan sistemlerle; Film yapımcıları ve reklamcılarının oyuncu tepkilerinin gerçek zamanlı olarak takip edilmesi ve iyileştirilmesinde Depresyon veya bipolar bozuklukların tanısında Akıllı ev sistemlerinde, ev sıcaklığı, aydınlatması ve otomatik müzik seçiminde etkin olarak kullanabileceğini belirtti.İlgili araştırmaya bu adresten ulaşabilirsiniz.", "content_html": "Bugün kendinizi nasıl hissediyorsunuz?
Düşünmenize gerek yok, WiFi routerınız sizin yerinize cevap verebilir. MIT Bilgisayar Bilimleri ve Yapay Zeka Laboratuvarı (CSAIL) araştırmacıları WiFi sinyallerini kullanarak duygu durum tespiti yapmayı başardılar. WiFi sinyallerinin insan vücudu üzerindeki yansımaları takip edilerek kişinin mutlu, şaşırmış, üzgün veya kızgın olduğu tespit edilebildi. Makine öğrenmesi kullanılıyor ve kişinin herhangi bir sensör vs. kullanmasına gerek duyulmuyor.
![\"MIT](\"/assets/images/post/wifi-emotion-detection.gif\" "\\"MIT")
Görsel: MIT CSAIL
Duygu tespit ve analizi çalışma alanlarında, anlık olarak görüntü işleme tekniklerinin kullanıldığı sistemlerin bilgi işlem maliyetleri göz önüne alındığında, radyo dalgalarının daha efektif kullanımı sağlanabilirse çok daha az maliyetlerle daha hızlı analizler gerçekleştirilebilecek.
MIT araştırmacıları, benzer teknolojiyi kullanan sistemlerle;
İlgili araştırmaya bu adresten ulaşabilirsiniz.
", "url": "https://hakan.io/wifi-sinyalleri-ile-duygu-durum-tespiti/", "tags": ["wifi","mitcsail","duygu analizi"], "date_published": "2016-08-22T03:00:00+03:00", "date_modified": "2016-08-22T03:00:00+03:00", "author": "Hakan" }, { "id": "https://hakan.io/linux-uzerinde-mplayer-ile-radyo-yayini-dinlemek/", "title": "Linux Üzerinde Mplayer İle Radyo Yayını Dinlemek", "summary": null, "content_text": "Linux üzerinde radyo yayını dinlemek isteyebilirsiniz. Bunun için vlc,mplayer gibi medya oynatıcıları kullanabilirsiniz. Renkli renkli grafiklerden haz etmeyen biriyseniz mplayer sizin aradığınız şey. Mplayer ile konsol üzerinde radyo yayını dinlemek için;Örnek olarak Özgür radyo stream için “canliyayin.ozgurradyo.com” adresi üzerinden 8100 portunu kullanıyor.mplayer -nolirc http://canliyayin.ozgurradyo.com:8100komutunu kullanmak yeterli.", "content_html": "Linux üzerinde radyo yayını dinlemek isteyebilirsiniz. Bunun için vlc,mplayer gibi medya oynatıcıları kullanabilirsiniz. Renkli renkli grafiklerden haz etmeyen biriyseniz mplayer sizin aradığınız şey. Mplayer ile konsol üzerinde radyo yayını dinlemek için;
Örnek olarak Özgür radyo stream için “canliyayin.ozgurradyo.com” adresi üzerinden 8100 portunu kullanıyor.
mplayer -nolirc http://canliyayin.ozgurradyo.com:8100komutunu kullanmak yeterli.
", "url": "https://hakan.io/linux-uzerinde-mplayer-ile-radyo-yayini-dinlemek/", "tags": ["dinle","how to","konsol","linux","mplayer","nasıl","radio","radyo","stream"], "date_published": "2013-08-02T06:32:37+03:00", "date_modified": "2013-08-02T06:32:37+03:00", "author": "Hakan" }, { "id": "https://hakan.io/jquery-ui-ve-php-ile-otomatik-tamamlama/", "title": "Jquery Ui ve Php İle Otomatik Tamamlama", "summary": null, "content_text": "Otomatik tamamlama bir çok noktada hem kullanıcının hem programcının işini kolaylaştırıyor. Otomatik tamamlama ile ilgili fazlasıyla jquery plugini mevcut. Biz Jquery ui ile küçük bir örnek yapacağız.Hazırlık: Öncelikle jquery ui için http://jqueryui.com/download/ adresinden jquery ui download builder aracını kullanarak jquery ui son versiyonunu indiriyoruz. Bizim için lazım olan widgetlardan autocomplete. İndirdiğimiz dosya içerisinden jquery ui javascript dosyası ve jquery ui css dosyası bizim için gerekli olan dosyalar. Tabi ki jquery son versiyon da jquery ui için gerekli.Öncelikle css ve js dosyalarımızı autocomplete kullanacağımız projemize dahil ediyoruz.<link rel=\"stylesheet\" type=\"text/css\" href=\"css/jquery-ui-1.10.3.custom.css\"><script type=\"text/javascript\" src=\"js/jquery-ui-1.10.3.custom.min.js\"></script><input type=\"text\" id=\"search\" name=\"search\" >Autocomplete kullanacağımız input alanı için şöyle bir yol izlememiz gerekiyor; $(function() { $( \"#search\" ).autocomplete({ source: function( request, response ) { $.ajax({ url: \"search.php\", dataType: \"json\", data: {\t\tterm: request.term }, success: function( data ) { response( $.map( data, function( item ) { return { label: item, value: item } })); } }); }, });});Yaptığımız aslında basitçe bir ajax requestin input alanına her karakter girilince tetiklenmesini sağlamak. Search idsine sahip input alanına her girilen karakter tekrar ajax isteği başlatıyor ve search.php sayfamıza parametre geçerek bize bir json verisi döndürüyor. Yani örneğin kullanıcının “ali” kelimesini aratacağını düşünelim; Kullanıcı a harfine bastığında search.php?term=a Kullanıcı l harfine bastığında search.php?term=al Kullanıcı i harfine bastığında search.php?term=ali sayfasına istekte bulunacak ve bize search.php sayfamızdan bir json verisi dönecek. Search.php sayfamızı basitçe şöyle kurgulayabiliriz. $options = array();$term = $_GET['term'];$results = $this->db->get_results('SELECT name FROM user WHERE name LIKE '$term%''); //Kullandığımız kütüphaneye göre veritabanında arama yapıyoruzforeach($results as $k=>$v):{ $options[] = $v->name;}echo json_encode($options);Search.php sayfamızda gelen parametreye göre veritabanımızda arama yapıyoruz ve sonucu json verisi olarak ekrana basıyoruz. Ajax olayı da bu sayede json verisini geri sonuç olarak alıyor ve input alanında otomatik tamamlama verisi olarak kullanıyor.", "content_html": "Otomatik tamamlama bir çok noktada hem kullanıcının hem programcının işini kolaylaştırıyor. Otomatik tamamlama ile ilgili fazlasıyla jquery plugini mevcut. Biz Jquery ui ile küçük bir örnek yapacağız.
Hazırlık:
Öncelikle css ve js dosyalarımızı autocomplete kullanacağımız projemize dahil ediyoruz.
<link rel=\"stylesheet\" type=\"text/css\" href=\"css/jquery-ui-1.10.3.custom.css\"><script type=\"text/javascript\" src=\"js/jquery-ui-1.10.3.custom.min.js\"></script><input type=\"text\" id=\"search\" name=\"search\" >Autocomplete kullanacağımız input alanı için şöyle bir yol izlememiz gerekiyor;
$(function() { $( \"#search\" ).autocomplete({ source: function( request, response ) { $.ajax({ url: \"search.php\", dataType: \"json\", data: {\t\tterm: request.term }, success: function( data ) { response( $.map( data, function( item ) { return { label: item, value: item } })); } }); }, });});Yaptığımız aslında basitçe bir ajax requestin input alanına her karakter girilince tetiklenmesini sağlamak. Search idsine sahip input alanına her girilen karakter tekrar ajax isteği başlatıyor ve search.php sayfamıza parametre geçerek bize bir json verisi döndürüyor. Yani örneğin kullanıcının “ali” kelimesini aratacağını düşünelim;
Kullanıcı a harfine bastığında search.php?term=a
Kullanıcı l harfine bastığında search.php?term=al
Kullanıcı i harfine bastığında search.php?term=ali sayfasına istekte bulunacak ve bize search.php sayfamızdan bir json verisi dönecek.
Search.php sayfamızı basitçe şöyle kurgulayabiliriz.
$options = array();$term = $_GET['term'];$results = $this->db->get_results('SELECT name FROM user WHERE name LIKE '$term%''); //Kullandığımız kütüphaneye göre veritabanında arama yapıyoruzforeach($results as $k=>$v):{ $options[] = $v->name;}echo json_encode($options);Search.php sayfamızda gelen parametreye göre veritabanımızda arama yapıyoruz ve sonucu json verisi olarak ekrana basıyoruz. Ajax olayı da bu sayede json verisini geri sonuç olarak alıyor ve input alanında otomatik tamamlama verisi olarak kullanıyor.
", "url": "https://hakan.io/jquery-ui-ve-php-ile-otomatik-tamamlama/", "tags": ["autocomplete","google","javascript ile otomatik","jquery","jquery ui","nasıl","otomatik","php ile","php ile otomatik tamamlama","tamamlama","yapılır","yapımı"], "date_published": "2013-07-27T21:19:32+03:00", "date_modified": "2013-07-27T21:19:32+03:00", "author": "Hakan" }, { "id": "https://hakan.io/linux-uzerinde-topluca-dosya-uzantisi-degistirme/", "title": "Linux Üzerinde Topluca Dosya Uzantısı Değiştirme", "summary": null, "content_text": "Linux üzerinde bir dizin içinde bulunan belirli dosya uzantılarını değiştirmek, örnek olarak .html uzantılarını .htm olarak değiştirmek için;rename s/.html/.htm/ *.html", "content_html": "Linux üzerinde bir dizin içinde bulunan belirli dosya uzantılarını değiştirmek, örnek olarak .html uzantılarını .htm olarak değiştirmek için;
rename s/.html/.htm/ *.htmlBu yazımızda C programlama dili ile Linux üzerinde, örnek olması açısından iki uygulamanın haberleşmesini sağlayacağız. Socket, basitçe iki prosesin TCP/IP protokolü üzerinden haberleşmesi için açılan kapı olarak tanımlayabiliriz. Network üzerinde veri aktarımı için öncelikle socket() metoduyla bir socket açmamız, bu sockete de bind() metodu ile bir port numarası atamalıyız. Socketler listen() çağrısıyla bağlantıları dinler, accept() metoduyla bağlantıları kabul eder. Socketler connect() çağrısı ile belirtilen adrese bağlantı sağlar. Socketler send() metoduyla veri gönderir, recv() metoduyla veri alır.
Şimdi basit olarak clientın servera bağlanıp bir mesaj aldığını kurgulayalım. Server için;
socket() ile bir socket oluşturulacak
bind() ile sockete bir port bağlanacak
listen() ile bağlanan port dinlenecek
accept() ile varsa bağlantı kabul edilecek
send() ile kabul edilen bağlantıya veri gönderilecek
close() ile kabul edilen bağlantı kapatılacak.
Client için;
socket() ile bir socket oluşturulacak
connect() ile belirtilen adrese bağlantı isteği gönderecek ve bağlanacak
recv() ile bağlandığı adresten veri alacak.
Örnek uygulamada, client server’a bağlandığı zaman server client’a “Hello Client!” mesajı gönderecek ve client bu mesajı alacaktır.
Server.c ve client.c dosyaları derlendikten sonra ilgili dizinde ./server komutu ile server uygulaması başlatılır, ./client 127.0.0.1 komutu ile client uygulaması başlatılır. Örnek uygulamada port numarası olarak 7841 verdik. Tabi bu komutlar client ve server uygulamalarının aynı bilgisayar üzerinde koştuğu durumda geçerli.
Server.c
#include <sys/socket.h>#include <netinet/in.h>#include <arpa/inet.h>#include <stdio.h>#include <stdlib.h>#include <unistd.h>#include <errno.h>#include <string.h>#include <sys/types.h>int main(int argc, char *argv[]){ int listenfd = 0, connfd = 0; struct sockaddr_in serv_addr; char sendBuff[1025]; listenfd = socket(AF_INET, SOCK_STREAM, 0); memset(&serv_addr, '0', sizeof(serv_addr)); memset(sendBuff, '0', sizeof(sendBuff)); serv_addr.sin_family = AF_INET; serv_addr.sin_addr.s_addr = htonl(INADDR_ANY); serv_addr.sin_port = htons(7841); bind(listenfd, (struct sockaddr*)&serv_addr, sizeof(serv_addr)); listen(listenfd, 10); while(1) { connfd = accept(listenfd, (struct sockaddr*)NULL, NULL); \t\tchar data[]=\"Hello Client! \\n\";\t\tsend(connfd, data, strlen(data)+1, 0);\t\t close(connfd); sleep(1); }}Client.c
#include <sys/socket.h>#include <sys/types.h>#include <netinet/in.h>#include <netdb.h>#include <stdio.h>#include <string.h>#include <stdlib.h>#include <unistd.h>#include <errno.h>#include <arpa/inet.h> int main(int argc, char *argv[]){ int sockfd = 0, n = 0; char recvBuff[1024]; struct sockaddr_in serv_addr; if(argc != 2) { printf(\"\\n Usage: %s <ip of server> \\n\",argv[0]); return 1; } memset(recvBuff, '0',sizeof(recvBuff)); if((sockfd = socket(AF_INET, SOCK_STREAM, 0)) < 0) { printf(\"\\n Error : Could not create socket \\n\"); return 1; } memset(&serv_addr, '0', sizeof(serv_addr)); serv_addr.sin_family = AF_INET; serv_addr.sin_port = htons(7841); if(inet_pton(AF_INET, argv[1], &serv_addr.sin_addr)<=0) { printf(\"\\n inet_pton error occured\\n\"); return 1; } if( connect(sockfd, (struct sockaddr *)&serv_addr, sizeof(serv_addr)) < 0) { printf(\"\\n Error : Connect Failed \\n\"); return 1; } while ( (n = read(sockfd, recvBuff, sizeof(recvBuff)-1)) > 0) { recvBuff[n] = 0; if(fputs(recvBuff, stdout) == EOF) { printf(\"\\n Error : Fputs error\\n\"); } } if(n < 0) { printf(\"\\n Read error \\n\"); } return 0;}Linux üzerinde, benim gibi konsolda ascii karakterler ile video izlemek isteyen birileri mutlaka vardır. Teknolojide her zaman eskiye özlem duyan ve yaşatmaya çalışanlar için linux üzerinde mplayer ile bunu gerçekleştirmek mümkün. Konsolda
mplayer -vo aa video.avikomutuyla istenilen video ascii karakterler ile tabi ki siyah-beyaz olarak konsol üzerinden izlenebilir. Sonuç olarak şöyle bir görüntü ortaya çıkacaktır.
![\"Screenshot\"](\"https://hakan.io/assets/images/post/Screenshot.png\")
İki uç sistem arasında dosya transferi çoğu zaman zahmetli bir iştir. Çeşitli dosya aktarım protokolleri bu işler için kullanılmakta. Sshfs ile herhangi bir uç sistemdeki dosya sistemini kendi makinenize bağlayabilirsiniz. SSHFS ile bağlanan dosya sistemi kendi makinenizdeymiş gibi davranır ve üzerinde işlem yapmak gayet kolaydır.
Öncelikle kullandığınız paket yöneticisi ile sshfs (Secure Shell Filesystem) kurulumunu gerçekleştiriyoruz. Örnek olarak Ubuntu:
apt-get install sshfsKurulum gerçekleştikten sonra konsoldan;
sshfs kullanici@bağlanacak_ip:/dizin /localdizin formatında dosya sistemini bağlayabiliriz. Örnek olarak local ağınızdaki 192.168.1.65 ip adresine sahip sisteminize pase kullanıcısı olarak bağlanarak, /var/www dizinini kendi sisteminizde /home/server dizinine bağlayacaksanız;
sshsf pase@192.168.1.65:/var/www /home/server komutunu kullanmalısınız. Komut verildikten sonra ssh bağlantısı için onay istenecek ve 192.168.1.65 ip adresindeki sistem için pase kullanıcısının şifresi sorulacaktır. Sonrasında dosya sistemi bağlanacaktır.
", "url": "https://hakan.io/sshfs-kullanimi/", "tags": ["ssfs","sshfs kullanımı","sshfs nedir","sshfs ubuntu kurulumu"], "date_published": "2013-03-18T03:58:28+02:00", "date_modified": "2013-03-18T03:58:28+02:00", "author": { "name": "Hakan Torun", "url": null, "avatar": null } }, { "id": "https://hakan.io/irssi-konsol-tabanli-irc-client/", "title": "Irssi – Konsol Tabanlı IRC Client", "summary": null, "content_text": "Irc günümüzde popülerliğini yitirmiş olsa da zamanın en popüler protokollerinden biriydi. Linux kullanıcıları tarafından IRC hala aktif olarak kullanılıyor.Linux üzerinde Xchat, Windows üzerinde Mirc en popüler clientlar. Linux üzerinde konsol tabanlı Irssi ise görevini başarıyla yerine getiren bir IRC client.Dağıtımınıza göre paket yöneticinizden kurulumu tamamladıktan sonra, konsolda “irssi” komutuyla irssi başlatılabilir. Öncelikle bir irc server ekleme işlemi, örnek olarak irc.freenode.net ve kısa isim olarak freenode ile;/server add -network freenode irc.freenode.netİlgili sunucuya bir kanal eklemek için, örnek olarak freenode ismini verdiğimiz sunucuya #perl kanalı;/channel add #perl freenode#perl kanalına katılmak için/join #perlkomutu kullanılabilir. Irssi her başlangıçta yeniden ekleme işlemlerini tekrarlamamak için;/server add -auto -network freenode irc.freenode.net /network add -nick username /channel add -auto #perl freenode /channel add -auto #kanalismi freenode /save /quitkomutları ile ~/.irssi/config dosyasına kayıt işlemi gerçekleştirilebilir ve irssi başlangıcında otomatik olarak server ve kanal ekleme işlemleri ile birlikte nick belirleme işlemi gerçekleştirilebilir.Son olarak Irssi ekran görüntüsü;", "content_html": "Irc günümüzde popülerliğini yitirmiş olsa da zamanın en popüler protokollerinden biriydi. Linux kullanıcıları tarafından IRC hala aktif olarak kullanılıyor.
Linux üzerinde Xchat, Windows üzerinde Mirc en popüler clientlar. Linux üzerinde konsol tabanlı Irssi ise görevini başarıyla yerine getiren bir IRC client.
Dağıtımınıza göre paket yöneticinizden kurulumu tamamladıktan sonra, konsolda “irssi” komutuyla irssi başlatılabilir. Öncelikle bir irc server ekleme işlemi, örnek olarak irc.freenode.net ve kısa isim olarak freenode ile;
/server add -network freenode irc.freenode.netİlgili sunucuya bir kanal eklemek için, örnek olarak freenode ismini verdiğimiz sunucuya #perl kanalı;
/channel add #perl freenode#perl kanalına katılmak için
/join #perlkomutu kullanılabilir. Irssi her başlangıçta yeniden ekleme işlemlerini tekrarlamamak için;
/server add -auto -network freenode irc.freenode.net /network add -nick username /channel add -auto #perl freenode /channel add -auto #kanalismi freenode /save /quitkomutları ile ~/.irssi/config dosyasına kayıt işlemi gerçekleştirilebilir ve irssi başlangıcında otomatik olarak server ve kanal ekleme işlemleri ile birlikte nick belirleme işlemi gerçekleştirilebilir.
Son olarak Irssi ekran görüntüsü;
", "url": "https://hakan.io/irssi-konsol-tabanli-irc-client/", "tags": ["archlinux","client","irc","irssi","komut","komutları","kullanımı","kurulum","linux","setup"], "date_published": "2013-01-13T03:30:14+02:00", "date_modified": "2013-01-13T03:30:14+02:00", "author": "Hakan" }, { "id": "https://hakan.io/raspberry-pi-python-gpio-kurulumu/", "title": "Raspberry Pi – Python GPIO Kurulumu", "summary": null, "content_text": "Raspberry Pi Gpio pinlerini Python ile kullanabilmek için Python Gpio modülünü kurmak gerekiyor. Kurulum için terminalden sıkıştırılmış modül arşivinin indirileceği dizine geçtikten sonra sırasıyla aşağıdaki komuları işletmek yeterli.$ wget http://pypi.python.org/packages/source/R/RPi.GPIO/RPi.GPIO-0.1.0.tar.gz $ tar zxf RPi.GPIO-0.1.0.tar.gz $ cd RPi.GPIO-0.1.0 $ sudo python setup.py install", "content_html": "Raspberry Pi Gpio pinlerini Python ile kullanabilmek için Python Gpio modülünü kurmak gerekiyor. Kurulum için terminalden sıkıştırılmış modül arşivinin indirileceği dizine geçtikten sonra sırasıyla aşağıdaki komuları işletmek yeterli.
$ wget http://pypi.python.org/packages/source/R/RPi.GPIO/RPi.GPIO-0.1.0.tar.gz $ tar zxf RPi.GPIO-0.1.0.tar.gz $ cd RPi.GPIO-0.1.0 $ sudo python setup.py installDünyaynın en ucuz bilgisayarı olarak geçen Raspberry Pi elime geçeli bir hayli zaman oldu. Yeni yeni vakit bulabiliyor ve deneysel çalışmalar yapıyorum. Özelliklerini kısaca yazacak olursak;
800 Mhz Arm İşlemci
256 Mb Ram
Hdmi – Rca Video – 2x Usb – Ethernet ve Ses çıkışları
Sd Card
Cihazda dahili hafıza bulunmuyor. Sd kart üzerinden boot etmeniz gerekiyor ve şu anda birkaç farklı distro stabil olarak çalışıyor(muş). Debian tabanlı Raspbian ve Arch tabanlı dağıtım Raspberrypi.org’da mevcut. İlk olarak Raspbian kurulumu gerçekleştirdim. Çalışmalarımı vakit buldukça paylaşacağım. Umarım :)
", "url": "https://hakan.io/raspberry-pi/", "tags": ["pi","raspberry","raspbian"], "date_published": "2012-09-28T08:31:21+03:00", "date_modified": "2012-09-28T08:31:21+03:00", "author": "Hakan" }, { "id": "https://hakan.io/phpsysinfo-php-server-monitor/", "title": "PhpSysInfo – Php Server Monitor", "summary": null, "content_text": "Bugünlerde php tabanlı ufak bi server monitor yazma niyetim var. Aslında bana lazım olan load average değerlerini grafik üzerinde göstermekti. Nitekim bi kahve içene kadar yazıldı. Araştırırken PhpSysInfo isimli betiğe rastladım ve deneyince beğendiğimi söyleyebilirim.Betik için kuruluma gerek yok, direkt olarak http://phpsysinfo.sourceforge.net/ adresinden betiği edinebilirsiniz. Arşivi server dizinine çıkadıktan sonra arşivden çıkardığınız dosyalar arasında config.php.new isimli bir dosya göreceksiniz. Betik çalışmak için bu ayar dosyasına ihtiyaç duyuyor. config.php.new dosya ismini config.php olarak değiştirmeniz acemi kullanıcı için yeterli olacaktır. Zaten config dosyası içerisinde gerekli açıklamlar yapılmış durumda. Bu arada Türkçe desteği ve tema seçenekleri mevcut.Ek olarak kaynakları fazla tüketmemek adına default olarak gelen 1 dakikalık yenileme süresini fazla kısaltmamanızı ve işlemci kullanımını göstermemenizi öneririm.Ekran görüntüsü fikir sahibi olmanıza yardımcı olacaktır.", "content_html": "Bugünlerde php tabanlı ufak bi server monitor yazma niyetim var. Aslında bana lazım olan load average değerlerini grafik üzerinde göstermekti. Nitekim bi kahve içene kadar yazıldı. Araştırırken PhpSysInfo isimli betiğe rastladım ve deneyince beğendiğimi söyleyebilirim.
Betik için kuruluma gerek yok, direkt olarak http://phpsysinfo.sourceforge.net/ adresinden betiği edinebilirsiniz. Arşivi server dizinine çıkadıktan sonra arşivden çıkardığınız dosyalar arasında config.php.new isimli bir dosya göreceksiniz. Betik çalışmak için bu ayar dosyasına ihtiyaç duyuyor. config.php.new dosya ismini config.php olarak değiştirmeniz acemi kullanıcı için yeterli olacaktır. Zaten config dosyası içerisinde gerekli açıklamlar yapılmış durumda. Bu arada Türkçe desteği ve tema seçenekleri mevcut.
Ek olarak kaynakları fazla tüketmemek adına default olarak gelen 1 dakikalık yenileme süresini fazla kısaltmamanızı ve işlemci kullanımını göstermemenizi öneririm.
Ekran görüntüsü fikir sahibi olmanıza yardımcı olacaktır.
", "url": "https://hakan.io/phpsysinfo-php-server-monitor/", "tags": ["load average","php server monitor","phpsysinfo"], "date_published": "2012-08-09T04:16:31+03:00", "date_modified": "2012-08-09T04:16:31+03:00", "author": "Hakan" } ] }