Sunuyu indir
Sunum yükleniyor. Lütfen bekleyiniz
1
Merve ORAKCI Gazi Üniversitesi Bilişim Enstitüsü ADLİ BİLİŞİM ABD.
Suç Analizinde Veri Madenciliği Teknikleri ve Makine Öğrenmesi Algoritmalarının Kullanılması Merve ORAKCI Gazi Üniversitesi Bilişim Enstitüsü ADLİ BİLİŞİM ABD.
2
Problem Suçun var oluşu, İlk kasten öldürme suçu,
Teknolojinin ve uygarlığın gelişmesi ve değişmesi, Var olan suç türlerinin karmaşıklaşması, Suçun aydınlatılmasının güçleşmesi.
3
Suç ve Suç Bilimi(Kriminoloji)
Suç ve suçlunun faklı disiplinlerde çalışanlar tarafından ilgi odağı olması, Bu konu ile ilgili çalışmaların artması, Kriminoloji biliminin ortaya çıkması. Kriminoloji: «Suç işleyen ve suça maruz kalan insanın incelenmesi» «Suç ve suça ilişkin konuların bilimsel yöntemlerle incelenmesi»
4
Suç ve Suç Bilimi(Kriminoloji)
Sebep sonuç ilişkisi Faili suça iten psikolojik, sosyal ve biyolojik etkenler, Failin mağdura göre statüsü, Yakınlığı Sosyal ilişkiler boyutu «Fail, mağdur ve suç ilişkisinin çok boyutlu olarak ele alınması ve incelenmesi»
5
Suç ve Suç Bilimi(Kriminoloji)
Kriminolojinin araştırma konuları kanunlarda suç sayılan fiillerle mi sınırlı??? «Hiç bir norma aykırı olmayan davranışların incelenmesi» Suç sayılan tipik davranış biçimi ile ilgili olabilir mi? bir suçun nedeni yada sonucunu oluşturabilir mi? --suç sayılan davranış ortaya çıktıktan sonra bu tür davranışların oluşmasına neden olan sebeplerin araştırılması–
6
Suç ve Suç Bilimi(Kriminoloji)
Öğrencinin derslerinin kötü olması onun suçluluğu ile yakından ilişkili olabilir mi? Fazla alkol almak suç sayılmadığı halde, fazla alkol alan kişilerin cinsel suçları, şiddet suçlarını, vandalizm ve trafik suçlarını çokça işlemeleri??
7
Suç Analizi Suçun oluşmadan önlenmesi,
Mevcut suçların ve suç eğilimlerinin tespit edilmesi, Bunlara karşı gerekli tedbirlerin alınması. Suç ve suçlu arasında ilişki kurmak, Suçların bölgesel olarak dağılımı konusunda bilgi sahibi olmak, Suç işlenmeden önce öngörülerde bulunmayı sağlaması. Emniyet ve güvenlik alanında önemli yer tutmakta.
8
Suçlu Profili Olayın özelliklerine göre suçun failinin tanımını oluşturma girişimi «Varsayım» Belli kişilik yapılarının benzer davranış kalıpları sergiler. Suçun incelenmesi-potansiyel şüphelilerin değerlendirilmesi
9
Suçlu Profili suç faillerinin önceden tahmin edilmesinde kilit nokta
«Suçun işlenmesi sırasında belli davranışların ortamda olup olmaması » suçluya dair başka özelliklerin çıkarılması Suçlunun parmak izi konusunda tedbirli davranış sergilemesi, daha önceden bir mahkumiyetinin olduğunun göstergesi olabilir?
10
Suçlu Profili «Belli kişilik yapılarının belli davranışları sergiler»
belli suçları belli profildeki insanlar işler. Suçun incelenmesi Suçluların gösterdiği davranış biçimlerinden suç tipi sınıflandırılmasına gidilmesi. «Şu profildeki insanlar şu tip suçu işlemeye eğilimlidirler»
11
Veri Madenciliği ve Makine Öğrenmesi
«Büyük ölçekli veriler arasından değerli olanı elde etme» Makine Öğenmesi «Bilgisayara daha önceki örneklerden edinilmiş tecrübelerin öğretilmesi» Tecrübelerden öğrenme «Makine Öğrenmesi algoritmalarının büyük veri tabanlarına uygulanması Veri Madenciliğidir» «Makine öğrenmesi veri madenciliği sürecinde uygulama aşamasında yer almaktadır»
12
Veri Madenciliği ve Makine Öğrenmesi
«öğrenme metotlarını geliştirerek, tahminlerin en iyi şekilde, yüksek performans ile nasıl çıkarılabileceği» Veri madenciliği «ortaya çıkan bilgi ve bu bilgilerin değerlendirilmesi»
13
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
Uygarlık Teknoloji Suç oranlarının artışı Suçların çeşitlenmesi «Analiz, İnceleme ve Tespit edilmesi noktasındaki eksiklikler» Multidisipliner yaklaşımlar ve güncel tekniklerin kullanılması ihtiyacının oluşması.
14
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
Sınıflandırma Suçların kategorilere ayrılması bilinen suçların sınıflandırılması kümeleme Bilinmeyen suçların tespiti Sapma tespiti normal olandan farklı olan durumların ortaya çıkarılması Dolandırıcılık ve ağ saldırıları Bağlantı analizi veriler arasında örüntü tanıma, birlikte gerçekleşen olayların tespit edilmesi belli bir sırayla belli olayların gerçekleşmesi gibi bağlantıların bulunması
15
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
Veri madenciliği ve makine öğrenmesi tekniklerinin kullanılması ile; Suç, suçlu ve fail arasında bilinmeyen ilişkilerin, desenlerin, birlikteliklerin keşfedilmesi Suça özel fail-kurban profillerinin çıkarılması, Suçu belirleyici bilinmeyen özelliklerin keşfi, Suçu oluşturan unsurlardan suçun tahmini, Suç içindeki unsurların, diğer unsurlar kullanılarak tahmin edilmesi Suçun analiz edilmesinde hayati bilgilerin elde edilmesi bakımından emniyet güçlerine önemli ölçüde fayda sağlayabilmek.
16
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
17
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
18
Suç Analizinde Veri Madenciliği ve Makine Öğrenmesi Yaklaşımı
19
Kaynaklar Encylopaedia Brittanica, cilt 1, s. 25.
Polat, O., “Kriminoloji ve Kriminalistik Üzerine Notlar”, Seçkin Yayınları, s.25., Ankara (2009). Sokullu-Akıncı, F., “Kriminoloji”, Beta Yayınları, 11. Baskı, İstanbul(2014), s.23,34, Brown, D.E., "The Regional Crime Analysis Program (RECAP): A framework for Mining Data to Catch Criminals", Systems, Man, and Cybernetics, IEEE International Conference on , ,(1998). Takçı, H., Hayta, Ş., “Suç Veri Madenciliği Yardımıyla Hırsızlık Suçları Hakkında Kural Çıkarımı”, Eleco Elektrik – Elektronik – Bilgisayar ve Biyomedikal Mühendisliği Sempozyumu, , Bursa(2014). Demirbaş T., “Kriminoloji”, Seçkin Yayıncılık, 5. Baskı, Ankara(2014), s. 114. Öztemel E., “Yapay Sinir Ağları”, Papatya Yayıncılık, İstanbul(2003). Dalyan, T., “Makine öğrenmesinde 1R algoritması ve ikinci kuralın(2R) oluşturulması”, Yüksek Lisans Tezi, Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Kocaeli(2006). Yang, R., Olafsson S., “Classification for Predicting Offender Affiliation with Murder Victims”, Expert Systems with Applications, 13518–13526, (2011).
Benzer bir sunumlar
