Metaverse is the new buzzword in today's digital world. It is a new internet application and a new form of the social world that integrates new technologies such as; Artificial Intelligence (AI), Virtual Reality (VR), Augmented Reality (AR), Extended Reality (XR), Blockchain (BC),etc. The metaverse can be seen as a virtual world that mimics the real world. Most things that can be done in the real world, such as shopping, making new friends, attending concerts, playing games, and so on, can be done differently in Metaverse. While a person who represents himself with his presence in the real world realizes this representation in the digital world with his personal data. Hence, the Metaverse exploits personal data to create and maintain this virtual world. At this point, privacy concerns of users in Metaverse occur, and Metaverse Service Providers (MSP) should take these concerns into account. This paper focuses on privacy concerns in Metaverse, presents some measures in order to minimize these concerns, and provides a comprehensive list of personal data collected and processed in Metaverse.

This paper introduces a new privacy-preserving transfer learning framework for the classification of kidney diseases. In the proposed framework, transfer learning is employed for feature extraction, and differential privacy is used to obtain noisy gradients. A variety of CNN architectures, including Xception, ResNet50, InceptionResNetV2, MobileNet, DenseNet201, InceptionV3, and VGG19 are utilized to evaluate the proposed framework. Analysis of a large dataset of 12,400 labeled kidney CT images shows that transfer learning architectures based on the proposed framework achieve excellent accuracy ratios in privacy-preserving classification. These results demonstrate the effectiveness of the proposed framework in enabling transfer learning models to classify kidney diseases while ensuring privacy. The MobileNet architecture stands out for its exceptional performance, with an impressive accuracy of 99.83% in privacy-preserving classification. Considering the findings of this study, it is evident that the proposed framework is appropriate for the early and private diagnosis of kidney diseases and promotes the achievement of promising results in this field.

Endüstri 4.0 ile makinelerin birbiriyle haberleştiği bir sürece girmiş bulunmaktayız. Bu süreç, makinelerin otonom kararlar vereceği ve bu kararlar ile insanların hayatına önemli etkilerde bulunacağı Endüstri 5.0 döneminin de ilk adımlarını oluşturmaktadır. Endüstride meydana gelen bu gelişmelerin temelinde yapay zekâ algoritmaları ile birçok alanda elde edilen yüksek başarılar yer almaktadır. Geliştikçe başarısı ve karmaşıklığı artarken anlaşılabilirliği azalan yapay zekâ temelli sistemlerin insanları etkileyen önemli kararların alınmasında kullanılacak olması birçok şüpheyi de beraberinde getirmektedir. Bu şüpheler sadece son kullanıcı tarafında değil aynı zamanda sosyal ve ekonomik dönüşümlerle de ilgilidir. Endüstri 5.0’ın önündeki engellerin başında geliştirilmesi planlanan zeki topluluğa karşı toplumsal önyargılar bulunmaktadır. Bu sebeple, zeki ve otonom makinelerin ne tür etik ve ahlaki sorumlulukların bilincinde makineler olduğunun topluma açıklanabilir olması gerekmektedir. Bu çalışmada, hangi durumlarda yapay zekâ nın etik ve ahlaki değerlere sahip olması gerektiği ve bu değerleri ne şekilde öğrenebileceği araştırılmış, teknoloji ve sosyoloji bağlamında mevcut çalışmalar derlenerek zeki otonom sistemler için sağlam bir etik zeminin olası toplumsal ve teknolojik etkileri değerlendirilmiştir.

Küresel ısınma günümüzün en önemli problemlerinden biri haline gelmiştir. Bu durumun en büyük sebebi problemin etkilerini artık çok daha fazla hissetmemizdir. Küresel ısınma, atmosfere salınan gazların neden olduğu sera gazı etkisinin sonucunda, dünya üzerinde yıl boyunca kara, deniz ve havada ölçülen ortalama sıcaklıklarda görülen artıştır. Birçok alanda olumsuz etkileri görülen küresel ısınmanın en büyük sebebi insan faaliyetleridir. Bu faaliyetlerden en önemlisi elektrik tüketimi, ısınma ve taşımacılık için yakılan fosil yakıtlardır. Küresel ısınmanın olumsuz etkilerine daha fazla maruz kalmamak ve daha sağlıklı bir dünyada yaşamak için sürdürülebilir temiz enerji kaynaklarına yönelmeli ve enerjiyi verimli kullanmalıyız. Yapı sektörü enerji alanında önemli bir paya sahiptir. Binaların enerji verimliliği, ısıtma ve soğutma talebinin sistematik olarak azaltılmasıyla sağlanabilmektedir. Bu çalışmada, yeni yapıların mimari tasarımını değerlendirerek yapıların ısıtma ve soğutma yükünü tahmin eden, tek çıktılı ve çok çıktılı regresyon yöntemleri kullanarak yapay zeka tabanlı bir çözüm önermekteyiz. Literatürde genellikle tek çıktılı regresyon analizinin tercih edilmesi ile çözülmeye çalışılan bu gibi problemler için çalışmamızda çok çıktılı analizlerin kullanımının daha uygun olacağı hem yapılan uygulamalar ile hem de araştırmalar ile sunulmuştur. Geleneksel makine öğrenmesi yöntemlerinin tek çıktılı ve çok çıktılı regresyon analizinde kullanıldığı çalışmamızda, probleme uygun parametreler ve katmanlar ile tasarlanan bir derin sinir ağı ile hem tek çıktılı hem çok çıktılı regresyon analizinde en yüksek başarı elde edilmiştir. Bu vesile ile enerji tüketimi bakımından yüksek maliyetli yapıların tespiti sonucunda daha enerji verimliliği yüksek yapıların inşa edilmesine öncelik verilmesi amaçlanmıştır.

Authorship verification (AV) is one of the main problems of authorship analysis and digital text forensics. The classical AV problem is to decide whether or not a particular author wrote the document in question. However, if there is one and relatively short document as the author’s known document, the verification problem becomes more difficult than the classical AV and needs a generalised solution. Regarding to decide AV of the given two unlabeled documents (2D-AV), we proposed a system that provides an author-independent solution with the help of a Binary Background Model (BBM). The BBM is a supervised model that provides an informative background to distinguish document pairs written by the same or different authors. To evaluate the document pairs in one representation, we also proposed a new, simple and efficient document combination method based on the geometric mean of the stylometric features. We tested the performance of the proposed system for both author-dependent and author-independent AV cases. In addition, we introduced a new, well-defined, manually labelled Turkish blog corpus to be used in subsequent studies about authorship analysis. Using a publicly available English blog corpus for generating the BBM, the proposed system demonstrated an accuracy of over 90% from both trained and unseen authors’ test sets. Furthermore, the proposed combination method and the system using the BBM with the English blog corpus were also evaluated with other genres, which were used in the international PAN AV competitions, and achieved promising results.