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.

Kusurlu Yapı Geçerliliği – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

Bağımlı Değişkende Kusurlu Yapı Geçerliliği

Bağımlı değişkenin ölçümünde sistematik bir hata olduğunu varsayalım; yani, amaçlanan bağımlı değişkenden bir dereceye kadar farklı olan bir bağımlı değişkeni ölçeriz. Bunun efekt boyutu üzerinde nasıl bir etkisi olacak ve düzeltilebilir mi? Bu sorunun tam olarak ele alınması, önemli bir yol analizi bilgisi ve bağımlı değişkenin doğası ve diğer değişkenlerle ilişkileri hakkında bilgi gerektirir. Bununla birlikte, nispeten basit olan bazı yaygın durumlar vardır.

En yaygın durum, istenen bağımlı değişkenin dolaylı bir ölçüsü olan bir bağımlı değişkenin kullanılmasıdır. Örneğin, bir çocuk suçluluğu tedavi programının iyi bir değerlendirmesi, danışanların sonraki davranışlarının nesnel bir değerlendirmesini gerektirir. Bunun yerine, müfettişler genellikle müteakip tutuklama kaydı gibi dolaylı önlemlere güvenmelidir. Şekil 6.2, iki davranış ölçüsü ve tedavi değişkeni arasındaki ilişkilerin varsayılan yol modelini göstermektedir.

Y müşterinin fiili suçlu davranışının ölçüsü olsun ve Y ‘ tutuklama kaydı olsun. İstenen tedavi etkisi korelasyonu, çarpım kuralına göre gözlemlenen tedavi korelasyonu ile ilgilidir.

Bu durumda, kusurlu yapı geçerliliğini düzeltmek için gözlemlenen korelasyonun üç katından fazla olması gerekir. Gözlenen d istatistiği dY ′ = .12 ise, o zaman rTY′ = .06, bu da rTY = .06/.30 = .20 ve dolayısıyla dY = .40 olarak düzeltilir.

Tedavi korelasyonu veya d istatistiği, kusurlu yapı geçerliliği tarafından üretilen korelasyondaki sistematik azalmayı ortadan kaldırmak için düzeltilebilse de, artan örnekleme hatasının etkisi düzeltilemez. Düzeltilmiş korelasyon etrafındaki güven aralığı, korelasyonun neden olduğu artan örnekleme hatasını yansıtan, düzeltilmemiş korelasyon için olanın 1/.30 = 3.33 katıdır. Düzeltilmiş etki büyüklüğü için anlamlılık testi, düzeltilmemiş etki büyüklüğü için anlamlılık testine cebirsel olarak eşdeğerdir ve dolayısıyla aynı p değerine sahiptir.

Kusurlu yapı geçerliliği, etki boyutunun boyutunu her zaman azaltmaz. Denetçiler için sosyal beceri eğitimini düşünün. Eğitim programının değerlendirilmesi ideal olarak kursiyerin programdan sonra interaktif becerilerinin ölçülmesini gerektirir. Bunun yerine, mevcut tek ölçü, kişinin eğitim programında ne kadar ustalaştığının bir ölçüsü olabilir. Bununla birlikte, malzemeye hakim olmak, davranış değişikliğinden yalnızca önce gelir; kursiyerin bu öğrenmeyi uygulamaya koyması zaman alabilir veya özel bir deneyim gerektirebilir. Bu hipotez için yol modeli Şekil 6.3’te gösterilmiştir.

İstenen tedavi korelasyonu rTY ve gözlemlenen tedavi korelasyonu rTY′, ürün kuralıyla ilişkilidir. Bilişsel öğrenme ölçüsü ile sonraki sosyal davranış arasındaki korelasyon sadece rY’Y = .30 olsaydı, o zaman arzu edilen korelasyon rTY gözlemlenen korelasyon rTY’den daha düşük olurdu.

Bu çarpım kuralının kendisi, tedavi korelasyonu için düzeltme formülüdür. d istatistiği için düzeltme, düzeltilmiş tedavi korelasyonunun bir d değerine dönüştürülmesiyle elde edilir.


Tedavi Değişkeninde Kusurlu Yapı Geçerliliği

Tedavi değişkenindeki kusurlu yapı geçerliliği, amaçlanan tedavi etkisinin başka bir nedensel etkene bağlı etkiyle karıştırılmasıdır. Bu soruna yol analizi kullanılarak saldırılabilir ve belirli koşullar altında meta-analizde kullanılabilecek bir şekilde düzeltilebilir. Karıştırıcılığın düzeltilmesi, karıştırıcı nedensel etken tarafından indüklenen süreci ölçen bir araya giren değişkenin gözlemlendiği çok sayıda bağımlı değişken tasarımının kullanılmasını gerektirir.

Arzu edilen korelasyon daha sonra tedavi değişkeni ile bağımlı değişken arasındaki kısmi korelasyon ve aradaki değişken sabit tutulur. Bu yaklaşım, eşlik eden değişken olarak kullanılan araya giren değişkenle kovaryans analizi yapmak için titiz, nicel bir ikamedir. Bu yöntemin ayrıntılı tedavisi bu çalışmanın kapsamı dışındadır.

Etki Büyüklüğünde Sapma (d İstatistik)

Etki büyüklüğü istatistiği, yasaklayıcı “yanlılık” başlığıyla bilinen istatistiksel bir olguya tabidir. 20’den büyük numune boyutları için yanlılık, büyüklük olarak önemsizdir. Bununla birlikte, meta-analiz ile ilgili büyük bir sorunun “önyargılı yöntemlerin” kullanılması olduğunu savunan makaleler bulunmaktadır. Bölümün birincil amacı önyargının önemsiz büyüklükte olduğunu göstermek olsa da, bu bölüm önyargı için bir düzeltme sunacaktır.

Tamamı aynı örneklem büyüklüğüne ve aynı popülasyon etki büyüklüğüne sahip, mükemmel şekilde kopyalanmış bir dizi çalışma düşünün. Ortalama örnek etki büyüklüğü, popülasyon etki büyüklüğünden biraz farklı olacaktır. Bu tutarsızlık, istatistiksel tahmin literatüründe “yanlılık” olarak adlandırılır. Önyargı boyutu, örnek boyutuna bağlıdır. Etki büyüklüğü istatistiği d ve tedavi korelasyonu r için sapma farklı yönlerdedir. Ortalama d, δ’den biraz daha büyükken, ortalama korelasyon ρ’dan biraz daha küçüktür.

Tedavi korelasyonunda yanlılığın tam bir tedavisi Hunter, Schmidt ve Coggin (1996) tarafından verilmiştir ve bu yanlılığın çok küçük örneklemli çalışmalarda önemsiz olduğunu ve küçük örneklemli çalışmalar için küçük olduğunu göstermiştir. Bazı yazarlar, yanlılığı azaltmak için Fisher’s z dönüşümünü kullanmayı önerdiler, ancak Fisher’s z’yi kullanan sapma, ters yönde olmasına rağmen daha da büyük çıktı. Tedavi korelasyonundaki yanlılık ile verilir.

Bu önyargı ne kadar küçük? Nüfus korelasyonu ρ = .20 ve örneklem büyüklüğü N = 100 olan mükemmel şekilde kopyalanmış çalışmaları düşünün. Ortalama gözlemlenen korelasyon çarpanı a = 1 − .00485 = .995 olacaktır. Ortalama korelasyon .200 yerine .199 olacaktır. Korelasyondaki önyargının önemsiz boyutu, önyargının geleneksel olarak göz ardı edilmesinin nedenidir. Ancak, çok küçük örneklem boyutu meta-analizleri için (ortalama örneklem boyutu 10’dan az) veya çok titiz analistler için, yanlılık için gözlenen tedavi korelasyonunu düzeltmek mümkündür. Önceki denkleme karşılık gelen doğrusal olmayan düzeltme olacaktır.

Doğrusal düzeltme, meta-analizden sonra uygulanabilmesi avantajına sahiptir. Nüfus korelasyonlarının hem tahmini ortalamasını hem de tahmini standart sapmasını, ortalama örneklem büyüklüğünde N seti ile hesaplanan çarpana bölün. Düzeltilmiş korelasyonun, düzeltilmemiş korelasyondan önemsiz derecede daha büyük olacağına dikkat edin.

d istatistiğindeki yanlılığın tam bir tedavisi Hedges ve Olkin’de (1985) verilmiştir. Önyargı, çok küçük örneklem çalışmaları hariç tümü için önemsiz olsa da, bu önyargı için rutin düzeltmeyi önerirler. Gerçekten de, d simgesini yalnızca düzeltilmiş istatistik için kullanırlar.

Bu önyargı ne kadar büyük? N = 100’lük bir örneklem büyüklüğüne dayalı olarak ders kitabı boyutunda d = .40 etkisi olan bir çalışma düşünün. Çarpan a = 1 + .0077 = 1.0077’dir. Ortalama çalışma etki büyüklüğü .400 yerine .403 olacaktır. Öte yandan, örneğin N = 10 (her grupta beş denek) gibi son derece küçük bir örneklem büyüklüğü ile yapılan bir çalışmayı düşünün. Çarpan a = 1 + .107 = 1.107 olur ve ortalama etki büyüklüğü .400 yerine .443 olur. Düzeltme basittir; sadece a’ya bölün.

Bunun doğrusal bir düzeltme olduğuna dikkat edin. Böylece meta-analizden sonra uygulanabilir. Düzeltilmiş d değerlerinin hem tahmini ortalamasını hem de tahmini standart sapmasını çarpan a’ya bölmeniz yeterlidir. Yine, kullanılan N, ortalama N olmalıdır. Düzeltilmiş efekt boyutları, düzeltilmemiş efekt boyutlarından biraz daha küçük olacaktır.