Blog

APT'ler – Endüstri 4.0 – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri
Gelişmiş Kalıcı Tehditler (APT'ler) Gelişmiş Kalıcı Tehdit (APT), yetkisiz bir kişi veya grubun bir ağa erişim kazandığı ve bu algılanmayan erişimi uzun bir süre boyunca sürdürdüğü gizli bir siber saldırıdır. APT'lerin çoğu Ulus Devletlere atfedilirken, diğer gruplar da bu tür saldırıları gerçekleştirmiştir. Bir APT saldırısının amacı, ağa zarar vermekten çok veri çalmak gibi görünüyor. Çoğunluğu Rusya veya Çin ve Kuzey Kore tarafından başlatılan veya desteklenen faaliyetlere atfedilen çok sayıda APT vardır; ancak daha yakın zamanlarda, belirli hedeflere ulaşmak için büyük ölçekli hedefli saldırılar gerçekleştiren ulus dışı devlet gruplarının örnekleri olmuştur. Tanımlanmış APT'lerin örnekleri şunları içerir: • Titan Yağmuru. Bu, ABD hükümeti tarafından Lockheed Martin, Sandia Ulusal Laboratuvarları, Redstone Arsenal ve NASA dahil olmak üzere ABD savunma müteahhitlerine yönelik 2003 yılında başlatılan bir dizi saldırıya verilen kod adıydı. Çin hükümeti herhangi bir müdahaleyi reddetmesine rağmen, saldırıların Çin kaynaklı olduğu iddia edildi. Bu saldırıların dikkate değer özellikleri, kullanılan aldatma düzeyi ve kötü amaçlı yazılım kullanarak gizli Truva atı saldırıları ile belirli, hedeflenmiş kişilere yönelik iyi araştırılmış sosyal mühendislik saldırılarını birleştiren çoklu saldırı vektörlerinin (saldırı kanalları) kullanımıydı.  Bu APT, havacılık, savunma, enerji, finansal hizmetler, imalat, ilaç ve teknoloji dahil olmak üzere endüstrinin tüm ana sektörlerinden geniş bir organizasyon yelpazesinden veri çalmaya devam etti. Bu saldırıların motivasyonunun siber casusluk olduğu görülüyor. • Piyon fırtınası. Piyon Fırtınası Operasyonu, devlet kurumlarından medya şahsiyetlerine kadar çok çeşitli yüksek profilli kuruluşları hedef alan aktif bir ekonomik ve politik siber casusluk operasyonudur. Faaliyetleri ilk olarak 2004 yılında görüldü ve bu APT'nin amacı siber casusluk gibi görünüyor. Belirlenen hedefler arasında NATO, Hükümet, Askeri, Rus Muhalifler, Ukraynalı kuruluşlar ve ilgili çıkarlar yer alıyor. • Su böceği. Bu APT 2005'ten beri faaliyet gösteriyor ve birkaç farklı ülkede bulunan ve güvenliği ihlal edilmiş yaklaşık 84 web sitesinden oluşan Venom olarak bilinen bir saldırı ağı kullanıyor. Güvenliği ihlal edilen web sitelerinin en yüksek oranları Fransa (%19), Almanya (%17), Romanya (%17) ve İspanya'da (%13) bulunuyor. Bu APT'nin hedefleri arasında devlet kurumları, elçilikler ve eğitim ve araştırma tesisleri bulunmaktadır. Bu grubun amacı siber casusluk gibi görünüyor. Bu grubun, 1 yıldan fazla süren bir temizleme operasyonuyla sonuçlandığı bildirilen ABD Merkez Komutanlığı'nın 2008 uzlaşmasından da sorumlu olduğu düşünülüyor. • İlk olarak 2008'de tanımlanan Regin, telekom operatörlerini, devlet kurumlarını, çok uluslu siyasi kuruluşları, finans ve araştırma kurumlarını ve ileri matematik ve kriptografi ile uğraşan bireyleri hedef alan oldukça karmaşık bir tehdittir. Saldırganlar, öncelikle istihbarat toplamak ve diğer saldırı türlerini kolaylaştırmakla ilgileniyor gibi görünüyor. Apt Nedir APT türleri APT grupları apt. açılımı Apt testi APT örnekleri Advanced persistent threat APT türleri melissa Toplanan istihbaratın çoğu e-postalar ve belgeler üzerinde casusluk yapmayı içeriyor olsa da, saldırı grubu aynı zamanda durmaksızın normal olan telekomünikasyon şirketlerini ve en az bir GSM sağlayıcısını da hedef alıyor. Bu tehdidin geliştirilmesi ve işletilmesi, önemli bir zaman ve kaynak yatırımı gerektirebilirdi. • Dragonfly, muhtemelen 2011'den beri Doğu Avrupa dışında faaliyet gösteren bir hacker grubudur. Faaliyet, devlet destekli bir operasyonun özelliklerine ve saldırganlar tarafından kullanılan kötü amaçlı yazılımların derlenmesi için zaman damgalarının analizine sahiptir. grubun normalde Pazartesi'den Cuma'ya kadar çalıştığını ve etkinliğin esas olarak UTC +4 saat diliminde sabah 9'dan akşam 6'ya kadar olan bir iş gününe karşılık gelen 9 saatlik bir zaman diliminde yoğunlaştığını belirtir. Bu grubun hedefleri arasında Savunma, ABD ve Kanada'daki havacılık ve daha yakın zamanda Avrupa enerji firmaları yer alıyor ve bunun nedeni siber casusluk ve sabotaj gibi görünüyor. • Siyah Asma. Bu APT grubu ilk olarak 2012'de belirlendi ve Black Vine'ın bazı aktörlerinin Pekin merkezli TopSec adlı bir BT güvenlik organizasyonuyla da ilişkili olabileceğine inanılıyor. Black Vine, tipik olarak, hedeflerinin ilgi alanlarıyla ilgili web sitelerine karşı boş saldırılar gerçekleştirir ve bilgisayarların güvenliğini aşmak için sıfırıncı gün açıklarından yararlanır. Anthem'deki 80 milyon rekor kırmasından sorumlu olduğu düşünülen grup bu. Kötü amaçlı yazılım daha sonra güvenliği ihlal edilmiş makinelerde bir arka kapı açar ve saldırganların değerli bilgileri çalmasına olanak tanır. Ana hedefler havacılık, enerji ve sağlık hizmetleri ve bunun nedeni siber casusluk gibi görünüyor. Devlet Dışı Aktörler Ulus devlet aktörlerine ek olarak, Siber Savaş için tanımlananlarla aynı araç ve teknikleri kullanan siber operasyonlarda yer alabilecek çok sayıda başka taraf da bulunmaktadır. Bunlar arasında “Irak ve Şam İslam Devleti” (ISIL) olarak da bilinen Irak ve Suriye İslam Devleti (IŞİD) ve Daesh (grubun tam Arapça adının kısaltması olan al-Dawla) gibi devlet dışı gruplar yer alıyor.  Hacktivistler Kendi içinde çok çeşitli bireyleri ve grupları kapsayan hacktivistler, çıkarlarını desteklemek için kuruluşlara baskı uygulamak için siber ortamın nasıl kullanılacağı konusunda iyi bir bilgi derinliği sergilediler. Belki de en iyi bilinen hacktivist grup, 2003 yılında ortaya çıkan Anonymous'tur. Bu grup, üzerinde anlaşmaya varılmış ortak bir amacı olan anarşik, merkezi olmayan bir insan topluluğudur. 2008'den başlayarak grup, Scientology Kilisesi'ne karşı bir dizi eylemde bulundu ve ardından uluslararası alanda bir dizi konuda işbirlikçi hacktivizm ile giderek daha fazla ilişkilendirildi. Anonymous'un diğer hedefleri arasında ABD, İsrail, Tunus, Uganda, Irak ve Şam İslam Devleti (ISIL) devlet kurumları, çocuk pornografisi siteleri, telif hakkı koruma kurumları ve PayPal, MasterCard, Visa ve Sony gibi şirketler vardı. Anonymous üyelerinin bir kısmı ABD, İngiltere, Avustralya, Hollanda, İspanya, Hindistan ve Türkiye gibi ülkelerde Anonymous siber saldırılarına katıldıkları için tutuklandı. İlginç bir şekilde, 2012'de Time dergisi, Anonymous'u dünyanın “en etkili 100 kişisinden” biri olarak adlandırdı.

İfade Yorumlama – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

İfade Yorumlama

İfadeyi yorumlamaya yardımcı olması için, ilaçların hastalar üzerindeki etkilerine ilişkin araştırmaları göz önünde bulundurun. Bir araştırmacı 0 mg, 10 mg ve 20 mg dozlarını içerebilir. FE ANOVA’da, bu tedaviler (dozajlar) bu seviyelerde sabitlenir, bunlar sadece ilgilenilenler olarak kabul edilir ve bu üç dozajın örneklendiği doğal olarak oluşan bir dozaj dağılımı olduğu fikri reddedilir. Bu, meta-analizdeki FE modelinden iki önemli şekilde farklıdır.

İlk olarak, meta-analizde araştırmacı, FE meta-analizine dahil edilen bireysel çalışmalarda parametre değerlerini (ρ1 veya δ1) belirtmez (veya düzeltmez). Bunun yerine, bunlar yalnızca çalışma örnekleminde gerçekleştiği için kabul edilir. Yani, sadece gözlemlenirler ve manipüle edilmezler.

İkinci fark birincisinden kaynaklanmaktadır: Araştırmacı, meta-analize dahil edilen çalışmalarda parametre değerlerini sabitlemediği ve sadece olduğu gibi kabul ettiği için, bunu varsaymanın veya varsaymanın hiçbir temeli veya mantığı yoktur. bu parametre değerlerinin çalışmalar arasında bir dağılımı yoktur; bu, ANOVA’daki sabit modelin temel varsayımıdır.

Ulusal Araştırma Konseyi raporunun (1992) ANOVA’daki FE modelleri ile meta-analizdeki FE modelleri arasındaki analojiyi reddetmesinin nedenleri bunlardır. Bu düşünceler, meta-analizdeki FE modelinin yalnızca Sρ2 (veya Sδ2) = 0 olan çalışma kümelerinde geçerli olduğu sonucuna (daha önce belirtildiği gibi) yol açtı.

Bu (nadir) durumlarda, çalışma parametre değerleri gerçekten sabittir – FE ANOVA tasarımlarının aksine hepsi aynı değerde olsa da. Daha önce tartışıldığı gibi, Ulusal Araştırma Konseyi raporu, bu koşul karşılanmadığında, FE meta-analiz modelinin yüksek Tip I hata oranlarına ve gerçekçi olmayan dar güven aralıklarına yol açtığı sonucuna varmıştır.

Hedges ve Vevea, meta-analizde FE modeli için istatistiksel bir mantık veya doğrulama olmadığı sonucuna varmak için burada FE modeli için tartışılan mantığı terk etti. Ancak araştırmacı tarafından öznel yargıya dayalı bir gerekçe olabileceğini belirtmişlerdir.

Meta-analizde yer alan belirli çalışmaların ötesine genelleştirilemezlerse, FE sonuçlarının çok az değerli veya ilgi çekici olduğunu kabul ederek başladılar ve bu tür bir genellemenin “resmi bir örnekleme argümanı tarafından doğrulanmadığı” sonucuna vardılar.

Gelir tablosu dikey yüzde analizi yorumlama
Teknik analiz Grafik Okuma
Mali tablolar analizi yorumlama örnekleri
Dikey yüzde analizi
Dikey analiz yorumlama
Gelir tablosu dikey analiz Formülü
Gelir tablosu dikey analiz örnekleri
Borsa grafik okuma programı

Bununla birlikte, bir araştırmacının, FE tahminlerinin tüm araştırma alanına genellenmesinin haklı olduğu konusunda öznel bir “istatistik dışı” veya “deney dışı” yargıda bulunabileceğini savundular: “Özellikle, çalışmaların yeterince benzer olduğuna önceden karar verilirse, çıkarımlar doğrulanabilir.

Bu yargı, (genellemenin genişletileceği) yeni çalışmaların, FE meta-analizinde yer alan orijinal çalışma setinde bulunanları, çalışma için çalışma, tam olarak yeniden üreten çalışma parametrelerine (ρ1 veya δ1) sahip olduğu yargısıdır. Böyle bir öznel yargının nasıl haklı gösterilebileceğini görmek zor. Bir araştırmacının böyle bir bilgi için nasıl bir temeli olabilir?

Hedges ve Vevea (1998) FE modelini uygulayan hesaplamalı örnekler sağlasalar da, FE modelinin kullanımı için bir gerekçe olarak böyle bir öznel yargının uygun olacağı bir duruma ilişkin hiçbir somut örnek (varsayımsal bile) vermezler. Bunun ne zaman uygun olabileceğine dair herhangi bir yönerge veya öneri de sunmadılar.

Hedges ve Vevea (1998), meta-analizdeki FE modelinin istatistiksel bir gerekçesi olmadığını ve bunun ileriye doğru bir adım olduğunu kabul etti. Bununla birlikte, araştırmacıların şüpheli yargılarına dayanan öznel bir gerekçe sunma girişimleri zayıf görünmektedir. Bir prosedürün istatistiksel bir gerekçesi yoksa, onun yerine ikame edilmesi, öznel, istatistiksel olmayan bir gerekçe oluşturmaya tercih edilir. RE modelinin net bir istatistiksel gerekçesi vardır, öznel yargılar gerektirmez ve tüm meta-analiz uygulamalarında kullanılabilir.

İkinci Dereceden Örnekleme Hatası: Genel İlkeler

Az sayıda çalışmaya dayalı herhangi bir meta-analizin sonucu, bir dereceye kadar hangi çalışmaların rastgele elde edilebileceğine bağlıdır; yani sonuç, kısmen çalışmalar arasında rastgele değişen çalışma özelliklerine bağlıdır. Bu, analiz edilen çalışmalar o anda var olan her şey olsa bile doğrudur. Bu fenomene “ikinci dereceden örnekleme hatası” denir. Standart sapmaların meta-analitik tahminlerini, ortalama tahminlerini etkilediğinden daha fazla etkiler.

Sıradan veya birinci dereceden örnekleme hatası ve sıradan istatistikler için de durum böyledir: Sıradan örnekleme hatası, ortalamalardan çok standart sapmaları etkiler. Olağan veya birinci dereceden örnekleme hatası, bir çalışma içindeki deneklerin örneklenmesinden kaynaklanır. İkinci dereceden örnekleme hatası, bir meta-analizdeki çalışmaların örneklenmesinden kaynaklanmaktadır.

Varsayımsal bir örnek düşünün. A özelliği ile iş performansı arasındaki ilişkiyi tahmin eden sadece 10 çalışma olduğunu varsayalım. Çalışma başına ortalama örneklem büyüklüğü sadece 68 olsa bile, ortalama geçerlilik N = 680’e dayanacak ve makul ölçüde istikrarlı olacaktır.

Çalışmalar arasında gözlemlenen varyans sadece 10 çalışmaya dayalı olacaktır ve örnekleme hatasından beklenen varyans miktarıyla karşılaştırdığımız bu varyans sadece 10 veri noktasına dayalı olacaktır. Şimdi, örnekleme hatasının, gözlemlenen korelasyonlarda (geçerliliklerde) çalışmalar arası varyans üretmek için çalışan tek faktör olduğunu varsayalım.

Daha sonra, büyük pozitif örnekleme hatalarına sahip bir veya iki çalışmamız rastgele olsaydı, çalışmalar arasında gözlemlenen varyans muhtemelen tahmin edilen varyanstan daha büyük olurdu ve yanlış bir şekilde, örneğin, örnekleme hatasının yalnızca 50 olduğu sonucuna varabiliriz. Çalışmalar arasında gözlemlenen geçerlilik varyansının yüzdesidir.

Öte yandan, örneğin rastgele beş veya altı çalışmanın gözlemlenen geçerlilik katsayıları beklenen değere (popülasyon ortalaması) çok yakın olsaydı, o zaman çalışmalar arasında gözlemlenen varyans muhtemelen çok küçük olurdu ve Birinin tipik olarak (veya ortalama olarak) bu tür rastgele seçilmiş 10 çalışma boyunca (yürütülebilecek bu tür varsayımsal çalışmaların popülasyonundan) gözlemleyebileceği varyans miktarına bakılır.

Aslında, gözlemlenen varyans, örnekleme hatasından tahmin edilen varyanstan daha küçük olabilir. Örnekleme hatası tarafından hesaplanan hesaplanmış yüzde varyans, bu durumda %100’den büyük bir rakam, örneğin %150 olacaktır. Tabii ki, bu durumda doğru sonuca varılacaktır: Gözlenen tüm varyans, örnekleme hatasıyla açıklanabilir.

Ancak, bazı insanlar bu tür sonuçlardan rahatsız olmuştur. Örnekleme hatasının gerçekte gözlemlenenden daha fazla varyansı hesaba katabileceğini gösteren sonuçlara şaşırıyorlar. Bazen örnekleme hatası varyansı formülünün geçerliliğini sorgulamaya yönlendirilirler.

Bu formül, ortalama olarak üretecek varyans örnekleme hatasının miktarını doğru bir şekilde tahmin eder. Ancak, örnekleme hatası rastgele bazı örneklerde bu miktardan daha fazlasını ve diğer örneklerde daha azını üretir. Çalışma sayısı ne kadar fazlaysa (diğer şeyler eşitse), beklenen varyanstan gözlemlenen sapmalar o kadar küçük olur. Bununla birlikte, çalışmaların sayısı küçükse, bu sapmalar yüzde bazında oldukça büyük olabilir (bu gibi durumlarda bile mutlak sapmalar genellikle küçüktür).

Etiketler: , , , , , , ,

Bir yanıt yazın