Bu tez, merkezi sosyal ağlarda doğal olan gizlilik ihlallerini ve etik dışı veri Günümüzde sosyal platformlar, sadece etkileşim alanlarından çok daha fazlası haline gelmiş ve modern hayatın ayrılmaz bir parçası olmuştur. Bu dönüşüm, veri gizliliği endişeleri, bilgi güvenilirliği ve ekonomik değerin adil dağıtımı gibi bir dizi sorunu da beraberinde getirmiştir. Bu tez, bu sorunlara çözüm olarak blockchain teknolojisi, derin öğrenme (DL) ve doğal dil işleme (NLP) entegrasyonunu önermektedir. Bu teknolojilerin bir araya getirilmesiyle, kullanıcıların bilgi doğrulama süreçlerine katılımının sağlanması, güvenlik düzeyinin artırılması ve kullanıcı etkileşiminin teşvik edilmesi hedeflenmektedir. Blockchain, verilerin merkezi bir otoriteye ihtiyaç duymadan dağıtık bir ağda tutulmasını sağlayan, değiştirilemez ve şeffaf bir dijital defter olarak tanımlanmaktadır. Her bir blok, kriptografik hash'ler aracılığıyla önceki bloklarla bağlantılıdır, bu da veri manipülasyonunu neredeyse imkansız hale getirir. Blockchain'in merkezi olmayan yapısı, verilerin bütünlüğünü garanti eder ve kullanıcıların veri üzerindeki kontrolünü geri kazanmasını sağlar. Bu teknoloji, kripto paraların ötesinde finans, tedarik zinciri yönetimi ve belge doğrulama gibi alanlarda da uygulanmaktadır. Derin öğrenme, büyük veri yığınlarını analiz ederek anlamlı desenler çıkarmak için kullanılan bir tekniktir. DL, özellikle sosyal ağlardaki kullanıcı tercihlerini tahmin etmek ve içerik sınıflandırmasında oldukça etkilidir. Bu bağlamda, farklı türde sinir ağları, özellikle de Recurrent Neural Networks (RNN) ve Long Short-Term Memory (LSTM) ağları, teorik arka planda incelenmektedir. LSTM'ler, ardışık verilerde uzun vadeli bağımlılıkları yakalamada etkilidir ve sosyal medya metinlerinde intihar tespiti gibi görevlerde kullanılabilir. Bidirectional LSTM (BiLSTM) ağları ise veriyi hem ileri hem de geri yönde işleyerek bağlamı daha etkili bir şekilde yakalar ve bu nedenle kategori tahmini gibi görevlerde yüksek doğruluk sağlar. NLP, insan dilini işleme ve anlama konusunda güçlü bir araçtır. Bu bölümde, TF-IDF vektörizasyonu ve kosinüs benzerliği algoritmaları gibi çeşitli NLP teknikleri anlatılmaktadır. TF-IDF (Term Frequency-Inverse Document Frequency) modeli, metin verilerini sayısal vektörlere dönüştürerek her kelimenin önemini hesaplar. Bu yöntem, özellikle belge içerisindeki anahtar kelimeleri belirlemede ve metinlerin birbirine olan benzerliğini ölçmede kullanılır. Sistemimizde TF-IDF, kullanıcı gönderilerinin orijinalliğini ve benzersizliğini değerlendirmek için kullanılmıştır. Bu sayede, içerik orijinalliğinin sağlanması ve intihalin önlenmesi amacıyla benzer veya tekrarlayan içerikler tespit edilebilir. NLP'nin blockchain ve DL ile entegrasyonu, sosyal ağların kullanıcılara kişiselleştirilmiş ve ilgili içerik sunma kapasitesini artırır. Blockchain, DL ve NLP'nin bir araya getirilmesi, merkezi olmayan bir sosyal ağ oluşturma sürecinde önemli bir sinerji yaratır. Blockchain, veri güvenliği ve kullanıcı gizliliğini sağlarken, DL ileri düzey analizler sunar ve NLP etkin içerik moderasyonu ve etkileşimi sağlar. Önerilen sistem, kullanıcı kaydı, gönderi oluşturma ve veri alımı gibi temel işlevleri yönetmek için Ethereum blockchain üzerinde Solidity tabanlı akıllı sözleşmeler kullanır. JavaScript'in Web3.js kütüphanesi aracılığıyla akıllı sözleşmelerle entegrasyonu, web arayüzü ile Ethereum blockchain arasındaki etkileşimleri kolaylaştırmak için kritik öneme sahiptir. Bu etkileşim, sayfa yüklendiğinde Web3'ün başlatılmasıyla başlar ve tarayıcıya uygun bir Ethereum uzantısının (örneğin MetaMask) olup olmadığını kontrol eder. Kullanıcı hesap erişimi sağlandığında, akıllı sözleşmenin ABI'si kullanılarak sözleşme örnekleri oluşturulur ve kullanıcı ekleme, gönderi oluşturma veya blockchain'den veri alma gibi işlemler gerçekleştirilir. JavaScript'teki olay işleme, kullanıcı eylemlerini yönetir ve işlem süreçlerini kesintisiz hale getirir, böylece kullanıcı deneyimini dinamik ve tepki veren bir yapıya kavuşturur. Platformun yeteneklerini daha da artıran Flask sunucusu, JavaScript ön yüzü ile derin öğrenme (DL) ve doğal dil işleme (NLP) modelleri arasında bir köprü görevi görür. Sunucu, bu modelleri barındırır ve kategori tahmini ve gönderi benzerlik tespiti gibi işlevler için REST API uç noktalarını sağlar. Kullanıcı bir gönderiyi analiz için sunduğunda, içerik önceden eğitilmiş modeller tarafından işlenir ve kategorisi belirlenir veya mevcut gönderilerle benzerlikleri tespit edilir. Bu yapı, sistemin kullanıcı tarafından oluşturulan içerik üzerinde gerçek zamanlı, doğru geri bildirim sağlamasına imkan tanır ve ileri düzey DL ve NLP tekniklerinden yararlanarak içerik bütünlüğünü ve orijinalliğini korur. İçerik orijinalliğini korumak ve tekrar eden içerikleri önlemek için sistem, ileri düzey metin benzerlik ölçümleri kullanır. TF-IDF vektörizasyonu ile birlikte Cosine Benzerliği entegrasyonu, farklı uzunluktaki metinleri açılarına göre değerlendirerek işler. TF-IDF'nin terimlerin önemini ağırlıklandırmasıyla bu yöntem, benzerlik tespitinde yüksek doğruluk sağlar ve nadir ancak anlamlı kelimeleri vurgular. Bu yaklaşım, gerçek zamanlı içerik moderasyonunu kolaylaştırmakla kalmaz, aynı zamanda karar alma sürecinde şeffaflık sağlar ve kullanıcı güveni ile içerik yönetiminde kritik bir rol oynar. Bir Flask sunucusu, DL ve NLP modellerini barındırır ve veri alışverişi için REST API uç noktaları sağlar. Bu modeller, gönderi kategorisi tahmini ve intihar tespiti gibi görevleri yerine getirir. SocialNetwork adlı akıllı sözleşme, Solidity dilinde yazılmış ve Ethereum blockchain'ine dağıtılmıştır. Bu sözleşme, kullanıcı yönetimi ve gönderi yönetimi gibi işlevleri içerir. Kullanıcı ve gönderi verilerini saklamak için UserInfo ve PostContent gibi temel yapılar kullanılır. Kullanıcı kaydı, gönderi oluşturma ve gönderilere beğeni veya satın alma gibi etkileşimleri yöneten çeşitli işlevler mevcuttur. Belirli etkinlikleri kaydeden olaylar, şeffaflığı sağlar. DL modeli, özellikle intihar tespiti gibi metin sınıflandırma görevlerine odaklanır. Süreç, veri hazırlama, metin tokenizasyonu, sıra doldurma ve etiket kodlama aşamalarını içerir. Model mimarisi, metindeki anlamsal ilişkileri ve bağlamsal bağımlılıkları yakalamak için Embedding ve Bidirectional LSTM katmanlarını içerir. Dropout katmanları aşırı uyumu önler ve son katman, ikili sınıflandırma için sigmoid aktivasyon fonksiyonuna sahip bir Dense katmandır. Eğitim için Adam optimize edici ve ikili çapraz entropi kayıp fonksiyonu kullanılır. NLP teknikleri, metin benzerliklerini tespit etmek ve içerik orijinalliğini sağlamak için TF-IDF vektörizasyonu ve kosinüs benzerliği gibi yöntemler kullanır. Süreç, metin verilerini sayısal vektörlere dönüştürür ve benzerliği hesaplar. Bu teknolojilerin entegrasyonu, blockchain'in değişmezliği ile DL ve NLP'nin analitik gücünü birleştirir. Bu, veri bütünlüğünü sağlayarak kullanıcı etkileşimini ve güvenliğini artırır. Akıllı sözleşme, kullanıcı ve gönderi yönetim sistemi içerir. Kullanıcı kaydı (addUserInfo), gönderi oluşturma (createPost) ve etkileşim yönetimi (likePost, buyPost) gibi işlevler bulunmaktadır. Ayrıca gönderileri düzenleme ve silme desteği, blockchain ağı içinde veri bütünlüğünü korur. Ön uç, akıllı sözleşme ile JavaScript ve Web3.js kütüphanesi aracılığıyla etkileşimde bulunur. Flask sunucusu, DL ve NLP model işlemlerini yönetir ve REST API uç noktaları aracılığıyla veri alışverişi yapar. JavaScript, eşzamanlı veri akışını yönetir, gönderi içeriğini analiz eder ve sonuçları kullanıcı arayüzüne entegre eder. Önerilen merkezi olmayan sosyal ağın uygulanmasının sonuçları, blockchain, DL ve NLP teknolojilerinin veri gizliliği, güvenliği, içerik güvenilirliği ve kullanıcı yetkilendirmesi üzerindeki etkilerini değerlendirmektedir. Performans, doğruluk, kesinlik, hatırlama ve F1 puanı gibi anahtar metrikler kullanılarak değerlendirilmiştir. Performans Metrikleri, doğruluk, doğru sınıflandırılan öğelerin toplam gözlem sayısına oranını ölçer. Kesinlik, yanlış pozitiflerin maliyetinin yüksek olduğu senaryolarda önemli olan, doğru pozitif tahminlerin toplam tahmin edilen pozitiflere oranını yansıtır. Hatırlama, modelin bir veri kümesindeki tüm ilgili örnekleri tanımlama kapasitesini ölçer. F1 Puanı, Kesinlik ve hatırlamanın ağırlıklı ortalamasını hesaplar, sınıf dağılımının dengesiz olduğu durumlarda kullanışlıdır. Tartışma başlığında gizlilik ve veri güvenliği, blockchain teknolojisi, verilerin merkezi olmayan depolanması ve kriptografik teknikler kullanılarak güvenliğini ve gizliliğini önemli ölçüde artırır. İçerik güvenilirliği ve moderasyonu, DL ve NLP teknolojileri, içerik güvenilirliği ve moderasyonunu artırmada önemli bir rol oynar. Kullanıcı yetkilendirmesi, blockchain tabanlı sosyal ağın merkezi olmayan mimarisi, kullanıcıların verileri üzerinde kontrol sahibi olmalarını sağlar. Gelecek yönelimler ise ölçeklenebilirlik, blockchain ağlarının ölçeklenebilirliğini artırmak için yenilikçi stratejiler geliştirilmelidir. DL model yorumlanabilirliği, DL modellerinin karar verme süreçlerinin anlaşılabilirliğini artırmak için açıklanabilir AI teknikleri entegre edilmelidir. Yeni teknolojilerle entegrasyon, kenar bilişim ve federatif öğrenme gibi yeni teknolojilerle entegrasyon araştırılmalıdır. Kullanıcı deneyiminin iyileştirilmesi, içerik önerme algoritmalarının geliştirilmesi ve AR/VR gibi yeni etkileşim paradigmalarının araştırılması kullanıcı deneyimini artırabilir. Erişilebilirlik ve uygunluk, küçük şirketler ve bireysel kullanıcılar için merkezi olmayan sosyal ağ teknolojilerinin erişilebilirliği ve uygunluğu sağlanmalıdır. Etik ve düzenleyici hususlar, merkezi olmayan sosyal ağların etik kullanımı ve düzenleyici çerçeveler geliştirilmelidir. Uzunlamasına çalışmalar ise merkezi olmayan sosyal ağların kullanıcı davranışı, gizlilik ve veri güvenliği üzerindeki uzun vadeli etkilerini değerlendirmek için uzunlamasına çalışmalar yapılmalıdır. Bu genişletilmiş özet, blockchain teknolojisi, derin öğrenme ve doğal dil işlemenin entegrasyonu yoluyla merkezi olmayan bir sosyal ağ oluşturma sürecine kapsamlı bir bakış sağlamaktadır. Önerilen sistem, kullanıcıların veri güvenliğini, gizliliğini ve kontrolünü artırmayı hedeflerken, aynı zamanda içerik güvenilirliği ve kullanıcı etkileşimini de teşvik etmektedir.
This thesis explores the incorporation of blockchain technology, deep learning (DL), and natural language processing (NLP) to create a decentralized social network that aims to tackle privacy breaches and unethical data manipulation that are inherent in centralized social networks. The main goal is to provide a social media network that is secure, transparent, and focused on the needs of the users. The research is centered around three main areas: augmenting data security and privacy, boosting content authenticity and moderation, and empowering people through data control. Blockchain technology offers a distributed and unchangeable record system that greatly improves the security and confidentiality of data. Blockchain reduces the dangers of centralized data storage, such as data breaches and illegal access, by distributing data across a network of nodes and using cryptographic mechanisms. The research provides evidence that blockchain is capable of securely protecting user data, guaranteeing both privacy and trust. Deep learning and natural language processing (NLP) algorithms are essential for improving the accuracy and control of content authenticity and moderation on social networks. Deep learning algorithms are extremely efficient at classifying content, forecasting user preferences, and identifying suicidal inclinations in posts. This skill is crucial for delivering prompt interventions and guaranteeing a more secure online environment. In addition, the platform's capabilities are enhanced by employing NLP techniques, which enable the system to efficiently comprehend and analyze human language. This involves the identification of similarities between postings and the detection of plagiarism, which are crucial in upholding the validity of content and preventing the dissemination of disinformation. The blockchain-based social network's decentralized architecture grants users enhanced authority over their data, so empowering them. Conventional social networks frequently utilize user data for financial benefit without adequately compensating or empowering the users. Conversely, the suggested solution guarantees that consumers maintain ownership of their data and possess enhanced authority over its utilization. Smart contracts enable transparent and secure interactions, enabling users to participate in transactions and data exchanges without the need for a central authority. Nevertheless, the establishment of a social network based on blockchain technology presents several obstacles. Scalability is a major concern. Public blockchain networks frequently encounter scalability issues as a result of the substantial computational resources needed for transaction validation and consensus methods. This can lead to decreased transaction speed and increased operational expenses, thus impeding the mainstream acceptance of the system. Another obstacle lies in the interpretability of deep learning models. DL algorithms are extremely efficient in data analysis, yet their intricate and obscure nature sometimes leads to them being referred to as "black boxes." The absence of openness can provide challenges, especially in situations when comprehending the decision-making process is essential. Moreover, the incorporation of blockchain and distributed ledger (DL) technologies necessitates substantial processing capacity and infrastructure, which can pose a hindrance for smaller enterprises or individual users. Ensuring that decentralized social networks are accessible and affordable is crucial for their future development and adoption. Future research should prioritize the development and implementation of cutting-edge technologies, such as sharding and off-chain solutions, to improve scalability. Furthermore, it is imperative to prioritize the development of DL models that are easier to understand and to integrate explainable AI techniques in order to improve transparency and foster user trust. By investigating the incorporation of additional cutting-edge technologies, such as edge computing and federated learning, it is possible to enhance the efficiency and safety of decentralized social networks. It is crucial to prioritize the accessibility and cost of these technologies for smaller companies and individual consumers. Ultimately, the combination of blockchain, deep learning, and natural language processing presents a hopeful resolution for revolutionizing social networks. The suggested approach has the potential to revolutionize the social media ecosystem by addressing privacy concerns, improving content authenticity, and empowering users. This study presents an all-encompassing structure for creating a social networking platform that is more safe, transparent, and centered around the needs of the users. This framework sets the stage for future advancements in digital communication. The challenges identified emphasize the necessity of ongoing enhancement and originality to fully achieve the advantages of these technologies. In summary, this thesis adds to the current endeavors aimed at establishing a more secure, fair, and user-focused online atmosphere.
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by/4.0/
