With the acceleration of digitalization in all areas of our lives, the need for biometric verification methods is increasing. The fact that biometric data is unique and biometric verification is stronger against phishing attacks compared to password-based authentication methods, has increased its preference rate. Signature verification, which is one of the biometric verification types, plays an important role in many areas such as banking systems, administrative and judicial applications. There are 2 types of signature verification, online and offline, for identifying the identity of the person and detecting signature forgery. Online signature verification is carried out during signing and temporal dynamic data are available regarding the person's signature. Offline verification is applied by scanning the image after signing, and this verification is limited to spatial data. Therefore, the offline signature verification process is considered a more challenging task.In this study, offline signature verification, independent of the writer, based on One-Shot Learning, was performed using Siamese Neural Network. Due to the fact that the Deep Convolution Neural Network requires a large amount of labeled data for image classification, real and fake signature distinction has been achieved by using the One-Shot Learning method, which can perform a successful classification by using less numbers of signature images. As a result of the experiments conducted on signature datasets, using the Siamese architecture, the proposed approach achieved percentage accuracy of 93.23, 90.11, 89.99, 92.35 verification in 4NSigComp2012, SigComp2011, 4NSigComp2010 and BHsig260 respectively.

No abstract

No abstract

Özet Mayınların çeşitli donanımsal yapılara sahip olması ve farklı tiplerdeki üretiminin

TOR (The Onion Routing), kullanıcısına anonimliği sağlaması sebebiyle son zamanlarda popülerliği artan ve onion uzantılı gizli servisler tarafından sıklıkla tercih edilen bir ağ yapısıdır. Gizliliğin esas olması nedeniyle dikkatleri üzerine çeken bu ağda, her geçen gün depolanan veri miktarı artmakta bu da verilerin taranma ve analiz edilme durumlarını zorlaştırmaktadır. Bu ağda yer alan servislerin (onion uzantılı web sayfaları) taranması için çeşitli crawler yazılımları geliştirilmiştir. Yalnız, burada yapılan tarama yüzey ağında yapılan taramadan farklıdır. Çünkü TOR ağı, yüzey ağının alt katmanlarında yer almakta ve buradaki sayfalara yalnızca TOR tarayıcısı aracılığıyla ulaşılmaktadır. Geliştirilen crawler yazılımlarında bu durum dikkate alınmış ve gizliliği korumak adına, adreslere yapılan her istekte farklı düğümler üzerinden yol seçimi yapılarak veri edinimine dikkat edilmiştir. TOR ağında kullanıcıların gönderdiği her istekte farklı düğümler üzerinden geçilerek hedef adrese ulaşılması bu ağı yavaşlatmaktadır. Ayrıca, TOR üzerinden bilgi getirmeye çalışan bir crawler yazılımının performansının düşük olması da uzun süreler beklemeyi beraberinde getirir. Bu yüzden tarama ve bilgi elde etme hızı yüksek crawler yazılımları ile çalışmak, araştırmacıların analiz süreçlerini de iyileştirecektir. Bu alanda araştırma yapacak olan kişileri yönlendirmesi ve crawler yazılımlarının birbirlerine karşı olan üstün ve zayıf yönlerinin değerlendirilmesi açısından 4 farklı crawler yazılımı çeşitli kriterlere göre değerlendirilmiştir. Gerçekleştirilen çalışma, TOR web servislerinin analizini yapmak isteyen araştırmacıların ilk çıkış noktaları anlamında doğru bir crawler yazılımını seçmeleri hususunda önemli bir bakış açısı sunmaktadır.