Verileri İşleme
Verileri İşleme Verilerin üzerine yazmak için çok sayıda başka yazılım paketi oldukça iyidir, ancak her birinin kendine has özellikleri ve eksiklikleri vardır. Özellikle: 1. Ücretsiz yazılımının birçok sürümünün dosya silme işlevinin kusurlu olduğu bulundu. Yine de kullanmak istiyorsa, nasıl düzgün bir şekilde yapılacağına dair kapsamlı bir el için. 2. Samimiyetsiz bir şekilde adlandırılan yapımcılarının reklamını yaparken korkutma taktikleri nedeniyle onunla ilgili pek çok tartışmaya sahiptir. Comparison_Shredders.htm'deki daha eksiksiz bir liste, öğütücülerin bulunabilirlik ve fiyatlandırma gibi diğer nitelikleri (veya bunların eksikliği) hakkında bilgiler içerir. Disk temizleme için özel olarak değerlendirilmemiş başka ek yazılım ürünleri mevcuttur. Aşağıdakileri içerir, ancak bunlarla sınırlı değildir: ◗ Strafor Systems tarafından geliştirilen Shredder 2.0; ◗ FatFree Software'den İzlerinizi Kapatın 3.0 ◗ Shiva, Isis Software Tarafından Dosyaların Yok Edicisi Disk temizleme saatlerce sürebileceğinden, güvenlik bilincine sahip bir kullanıcının bunu olası bir tehdide karşı kullanamayacağı açıktır. Kişi böyle bir ortamdaysa (örneğin, totaliter bir rejim), kapının herhangi bir zamanda bir davetsiz misafir tarafından kırılabileceği varsayımıyla çok düzenli bir şekilde disk temizliği yapmalıdır. Manyetik mikroskopi disklerin adli muayenesi Cerberus Systems'tan Albert Bell Isle, dosyalara yönelik üç adli bilgisayar tehdidi sınıfını tanımlar. 1. Sınıf saldırılar yalnızca adli yazılım kullanır. Disk üzerine yazarak yenilebilirler. 1. Bir dosyanın tüm kopyaları (parçaları dahil); 2. Tüm dosya ayırma tablosu ve dosyaları ve özniteliklerini adlandırır; 3. Takas dosyası. 2. Sınıf saldırılar, özel yükselticiler ve sinyal işleme kullanır ve üzerine yazılan bazı dosyaları değişken başarı dereceleriyle kurtarabilir. Başarı derecesi, bir dosyanın üzerine kaç kez ve hangi veri modelleriyle yazıldığı, söz konusu manyetik ortamın fiziği, disk boyutu ve üreticisi gibi ayrıntılara bağlıdır. 3. Sınıf saldırılar, taramalı prob mikroskobundan türetilen manyetik kuvvet mikroskobu (MFM) kullanır. MFM'ye dayalı teknikler çok pahalıdır ve potansiyel olarak her tür yazılım kontrollü üzerine yazmanın üstesinden gelebilir. Nispeten deneyimsiz bir kullanıcı için bile, bir sürücü plakasındaki verilerin görüntülerini almaya başlama süresi yaklaşık 5 dakikadır. Belirli bir parçanın yararlı görüntülerini almaya başlamak, disk biçimleri hakkında bilgi edinmekten daha fazlasını gerektirir, ancak bunlar iyi belgelenmiştir ve plaka üzerinde doğru konum bulunduğunda, beceriye bağlı olarak tek bir görüntü [birkaç dakika] alacaktır. Daha pahalı MFM'lerden biriyle, bir toplama sırasını otomatikleştirmek mümkündür ve MFM denetleyici yazılımını değiştirerek tüm diskin görüntüsünü toplamak teorik olarak mümkündür. Kişisel veri işleme şartları Özel nitelikli kişisel veriler Nelerdir Kişisel verilerin işlenmesi iptali Veri işleme örnekleri Kişisel verilerin işlenmesi ne demek Kişisel veriler Nelerdir Veri işleme şartları Kişisel veri işleme faaliyeti MFM'nin en yeni varyantı, manyetik kuvvet taramalı tünelleme mikroskobu (STM) kullanır. STM'nin temel prensibi, gösterildiği gibi tek bir atom noktasına kadar keskinleştirilmiş metalik bir uç ile iletken bir malzeme arasındaki tünelleme akımına dayanmaktadır. STM daha hassastır ve incelenmekte olan diskin yüzeyine zarar verebilir. Üreticilerin satış rakamlarına göre, sahada kullanımda olan birkaç bin SPM vardı ve bunlardan bazıları, standart diskler için vakumlu aynalar gibi disk sürücü plakalarını analiz etmek için özel özelliklere sahipti. manyetik medya analizi için özel çalışma modları ile birlikte disk sürücü plakaları. Bu SPM'ler, veri kurtarma sürecinin otomasyonuna izin vermek için gelişmiş programlanabilir kontrolörler ve analiz yazılımı ile birlikte kullanılabilir. Piyasada bulunan SPM'lerin çok pahalı olduğu düşünülürse, bir PC'yi denetleyici olarak kullanarak yaklaşık 1.400 ABD Doları'na makul ölçüde yetenekli bir SPM oluşturmak mümkündür." Manyetik Disk Silgileri konusunda Japonya'da da yeni bir patent var. Saldırganın bakış açısından, tartışılanlar gibi aynı verileri elde etmenin daha ucuz, alternatif yollarını kullanma olasılığına ilişkin bir değerlendirme yapılması muhtemeldir. Manyetik ortama karşı gelişmiş saldırılara ilişkin en iyi referans, Auckland Üniversitesi Bilgisayar Bilimleri Bölümü'nün "Manyetik ve Katı Hal Belleğinden Verilerin Güvenli Silinmesi" başlıklı biraz eski tarihli bir makalesidir. "Silinen" manyetik kayıtların mikroskobik kalıntılarının çarpıcı fotoğraflarından oluşan mükemmel bir koleksiyon Digital Instruments'ın Web sitesinde bulunabilir. Genel olarak, geleneksel mikroskopi kullanılarak manyetik ortamın adli analizi, günümüzde neredeyse tüm bilgisayarlar tarafından kullanılan kullanıma hazır ticari ortamlardaki manyetik depolama yoğunluğunun sürekli artması nedeniyle giderek daha zor hale gelmektedir. Bugünün yoğunlukları inç kare başına 1 GB'a yaklaşıyor, bu da manyetik özelliklerin gerçek boyutunun mavi ışığın dalga boyundan bile daha küçük olduğu anlamına geliyor. Bu nedenle, bu tür ortamlarda adli analiz yapmak için SPM'nin gücünü kullanan yeni bir tekniğe, MFM'ye ihtiyaç vardır. Bu teknik, kişinin 50 nm (1 nm = 0.000000001m) kadar küçük özellikleri “görmesine” izin verir. Hassas Veriler Nerede Saklanıyor? Ne yazık ki, mahremiyete önem veren profesyoneller için hassas veriler, hepsinin dikkate alınması gereken çok fazla yerde saklanıyor. Nerede ve neden olduğunu anlamak için önce biraz teknik arka plan sunulmalıdır. Küme İpuçları Geçmiş yılların LP müzik kayıtları, müziği uzun spagetti benzeri tek bir olukta saklarken, bilgisayar diskleri, bilgileri depolayan çok sayıda tamamen ayrı kutuya bölünmüştür. Konuyu fazla basitleştirme riskini göze alarak, bu tür bölmelerin her birine "küme" denir (çünkü "sektörler" adı verilen bir grup daha küçük bölmeden oluşur, ancak bu, bu tartışmayla ilgisizdir). Her bölmenin boyutu (yani, her bir kümeye ne kadar veri sığabileceği), diskin toplam kapasitesine, kullanılan işletim sistemine (yani, DOS, Windows 95, Windows 98 veya Win olup olmadığına) bağlıdır. Ve bir seçeneğin olduğu durumlarda her kullanıcının neyi seçtiği üzerine. Bu tür kümelerin her birinin boyutu 256 bayttan (bir bayt aslında bir alfabetik sembol veya sayıdır) 65.536 bayta kadar değişebilir (her zaman 2'nin bir katı; yani 2'nin kendisi ile birkaç kez çarpılması).

Güven Aralıkları – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

Meta-Analizde Güvenilirlik ve Güven Aralıkları

Meta-analizde güvenilirlik aralıkları ile güven aralıkları arasındaki ayrım çok önemlidir. Güvenilirlik aralıkları, ρ ̄ standart hatası kullanılarak değil, SDρ kullanılarak oluşturulur. Örneğin, ρ ̄ değeri .50 civarındaki %80 güvenilirlik aralığı .50 ± 1.28SDρ’dir. SDρ .10 ise, bu güvenilirlik aralığı .37 ile .63 arasındadır. Bu aralığın yorumu, ρ dağılımındaki değerlerin %80’inin bu aralıkta yer aldığı şeklindedir.

Güvenilirlik aralığı, parametre değerlerinin dağılımına atıfta bulunurken, güven aralığı tek bir değerin tahminlerine atıfta bulunur – ρ ̄ değeri. Güven aralıkları, örnekleme hatası nedeniyle ρ ̄ tahminimizde olası hata miktarını ifade eder. Örnekleme hatası miktarı, r ̄ veya ρ ̄ standart hatasında indekslenir (hangi yapaylık düzeltmelerinin yapıldığına bağlı olarak).

Standart hata, örnek boyutuna ve dolayısıyla örnekleme hatasına bağlıdır. Bununla birlikte, güvenilirlik değerleri, örnekleme hatasına hiç bağlı değildir – çünkü örnekleme hatasından (ve diğer yapaylıklardan) kaynaklanan varyans, SDρ tahmininden çıkarılmıştır. Güvenilirlik aralıkları kavramı, parametre değerlerinin (ρ değerlerinin) çalışmalar arasında değiştiği fikrine dayandığından bazıları tarafından Bayesci olarak görülmüştür.

Güvenilirlik değerleri kavramı, rastgele etkiler meta-analiz modelleri ile de kritik bir şekilde bağlantılıdır, çünkü rastgele-etkiler meta-analiz modelleri (sabit-etki modellerinden farklı olarak) çalışmalar arasında parametrelerde olası varyasyonlara izin verir. (Sabit etkiler modellerinde, tüm güvenilirlik aralıkları tanım gereği 0 genişliğe sahip olacaktır.) Güvenilirlik aralıkları ile güven aralıkları arasındaki ayrım Hunter ve Schmidt, Schmidt ve Hunter ve Whitener’da tartışılmaktadır.

Verilen meta-analiz örneklerinde sunulan tüm aralıklar, güvenilirlik aralıklarıdır. Meta-analizde, güvenilirlik aralıkları genellikle güven aralıklarından daha kritik ve önemlidir. Ancak belirli sorular için güven aralıkları da eldeki soruyla ilgilidir.

Meta-Analizde Güven Aralıklarının Hesaplanması

Meta-analizin rastgele-etki modelleri için tahmin edilen en önemli iki parametre ρ ̄ ve SDρ’dir. Bu niceliklerin, parametrelerin kendileri değil, parametrelerin tahminleri olduğunu unutmak belki de kolaydır, çünkü VG ve meta-analiz raporlarında nadiren bir incelme (∧) ile tepesinde bulunurlar. Teknik olarak, bu değerler ρ ̄ ve SDρ olarak yazılmalıdır, ancak genellikle ilgi alanına girmez. Her tahminin bilinen veya bilinmeyen bir standart hatası (SE) vardır.

Hunter ve Schmidt (2000), Schmidt ve Hunter (1999a) ve Schmidt, Hunter ve Raju (1988), gözlemlenen ortalama r’nin SE için formüller sağladı, ancak ˆ∧ bu aynı istatistik değil. ρ ̄ ve SDρ SE’leri için denklemler türettik, ancak bu istatistikleri vurgulamadık. Daha önce belirtildiği gibi, istatistikte ortalamanın SE’sinin kullanımı, ortalamanın etrafına güven aralıkları yerleştirmek içindir. Meta-analizde, düzeltilmiş SD çok küçük olmadığı sürece, ortalama etrafındaki güven aralıkları, güvenilirlik aralıkları kadar önemli değildir, çünkü önemli olan sadece ortalama değil, tüm dağılımdır. Bu nedenle odak noktamız güvenilirlik aralıkları olmuştur.


İkincisi, istatistiksel modellerde SD tahminleri için SE’ler nadiren verilir. Bu, neredeyse tüm araştırmacıların ortalamanın SE formülünü (SD/√n) ezbere bildiği, ancak çok azının bir SD’nin SE formülünü gördüğünü hatırlayabildiği gerçeğinde görülebilir. (Rapor edilen bir SD’nin etrafına yerleştirilmiş bir güven aralığını kaç kez gördünüz? Veya SE tahminini de gerektiren istatistiksel anlamlılık açısından test edilmiş bir SD gördünüz mü?) Diğer rastgele etkiler modelleri—Hedges-Vevea (1998) modeli, Raju -Burke (1983) modelleri, Callender-Osburn (1980) modeli—SDρ ve SDδ tahminleri için SE formülünü de sağlamaz.

SEρ ̄ için formüller karmaşıktır, ancak aşağıdaki basit yaklaşımlar oldukça doğrudur. Korelasyonlar ayrı ayrı düzeltilirse, SEρ ̄, ρ ̄’nin SE’si olduğunda, SDrc, her biri ölçüm hatası ve diğer artefaktlar için ayrı ayrı düzeltildikten sonra korelasyonların SD’sidir ve k, çalışmaların sayısıdır. (SDrc =/ SDρ. SDrc’nin SDρ’dan çok daha büyük olduğuna dikkat etmek önemlidir, çünkü SDrc örnekleme hatası için düzeltilmemiştir.

SEρ ̄ ρ ̄’nin SE’si olduğunda, ρ ̄ ortalama düzeltilmiş korelasyon tahminidir, r ̄ gözlemlenen (düzeltilmemiş) ortalama korelasyondur, SDr gözlemlenen (düzeltilmemiş) korelasyonların SD’sidir ve k çalışma sayısıdır . Bu formüller yayınlanmış çalışmalarda kullanılmıştır. Yapay dağılım meta-analizi durumunda, ρ ̄ için güven aralıklarını hesaplamak için ikinci denkleme (eşdeğer) bir alternatif kullanılabilir.

İlk olarak, gözlemlenen ortalama korelasyonun SE’si olan SEr ̄’yi hesaplamak için Schmidt, Hunter ve Raju (1988) tarafından sunulan formülleri kullanın. İkinci olarak, r ̄ etrafındaki güven aralığını (CI) hesaplamak için SEr ̄ kullanın. Üçüncüsü, ρ ̄ için CI’yi elde etmek üzere ortalama ölçüm hatası seviyeleri ve aralık kısıtlaması için bu CI’nin uç noktalarını düzeltin. Bu şekilde üretilen tahminler, ikinci denklem tarafından üretilen tahminlerden biraz daha doğrudur.

Menzil kısıtlaması olduğunda, menzil kısıtlama denkleminin doğrusal olmaması nedeniyle bu denklem SEρ ̄’yi olduğundan fazla tahmin etme eğilimindedir. Bu son yöntem, Viswesvaran  SDρ’nin SE’si için formüller hem daha karmaşık hem de daha az kullanışlıdır ve yer sınırlamaları nedeniyle bunları burada sunmuyoruz.

Meta-Analizde Aralık Kısıtlaması: Yeni Teknik Analiz

Bu bölüm, meta-analizde doğrudan ve dolaylı menzil kısıtlamasının ayrıntılı bir istatistiksel analizini sunar. Bu bilgilerin çoğu yenidir ve bu çalışma 1990 baskısı yayınlandığında mevcut değildi. Bu bölümdeki materyallerin çoğu, bu kitabın geri kalanından daha tekniktir. Ancak açıklanan ve gösterilen aralık kısıtlama düzeltmeleri için teknik temeli sağlaması açısından gereklidir. Bu düzeltmeler, açıklanan meta-analiz için dört bilgisayar programında da kullanılmaktadır.

Stauffer’ın (1996) yakın tarihli bir makalesi ve Mendoza ve Mumford’un (1987) bir makalesi, geçmişteki meta-analiz prosedürlerinin ve genel olarak menzil düzeltme yöntemlerinin menzil kısıtlaması ve menzil kısıtlaması için düzeltmelerle optimal olarak ilgilenmediğini açıkça ortaya koymuştur. Çoğu istatistiksel teknik gibi, menzil kısıtlaması da ilk önce tamamen güvenilir bir ölçüm bağlamında düşünüldü.