In this paper, we analyzed Sun et al.’s scheme which proposes an M2M (Machine-to-Machine) secure communication scheme by using existing TD SCMA (Time Division-Synchronous Code Division Multiple Access) networks. They offer a password-based authentication and key establishment protocol for mutual authentication. Moreover, their proposed secure channel establishment protocol uses symmetric cryptography and one-way hash algorithms and they considered using their protected channel model for mobile users and smart home networks. In this paper, we propose to complete the missing part of Sun et al.’s scheme. This can occur by addressing privacy-preserving and message modification protection. Moreover, improvements can be made to MITM (Man-In-The-Middle) attack resistance, anomaly detection and DoS (Denial-of-Service) attacks with timing. ECDH (Elliptic Curve Diffie Hellman) cryptography based protected cipher-key exchange operation used on initial setup and key-injection operations to provide secure user registration, user password change and home gateway network join phases. We simulated both the proposed and Sun et al.’s schemes. We analyzed Sun et al.’s scheme for performance, network congestion and resource usage. Missing privacy-preserving was analyzed and compared with the GLARM scheme, and the storage cost of each phase was analyzed according to Ferrag et al.’s survey proposal. In Sun et al.’s scheme, future work for the security architecture of the home network is related to Li et al.’s protocol being implemented in our proposed design.

This research evaluates 20 advanced convolutional neural network (CNN) architectures for classifying mushroom diseases in Agaricus bisporus, utilizing a custom dataset of 3195 images (2464 infected and 731 healthy mushrooms) captured under uniform white-light conditions. The consistent illumination in the dataset enhances the robustness and practical usability of the assessed models. Using a weighted scoring system that incorporates precision, recall, F1-score, area under the ROC curve (AUC), and average precision (AP), ResNet-50 achieved the highest overall score of 99.70%, demonstrating outstanding performance across all disease categories. DenseNet-201 and DarkNet-53 followed closely, confirming their reliability in classification tasks with high recall and precision values. Confusion matrices and ROC curves further validated the classification capabilities of the models. These findings underscore the potential of CNN-based approaches for accurate and efficient early detection of mushroom diseases, contributing to more sustainable and data-driven agricultural practices.

Saygıdeğer okuyucular,Her şeyden önce size teşekkür etmek istiyorum, bilgi çağında, bilgiden yoksun, bilgiden uzak işini yapadurmak yerine, sağlık alanındaki inovasyon, teknoloji ve yapay zeka kulvarlarındaki merakınız ve hekimseniz hastanıza en doğru tanıyı koyup, en doğru tedaviyi vermek gayesi yada alan uzmanı iseniz de bu alanlarda gelişime inanarak okumayı seçtiğiniz, konfor alanınızı bozmayı kabul ettiğiniz için.Bu kitapta sağlığımızın geleceğinin büyük bir kısmını oluşturacak olan, sağlığın yapay zekasını size sunduk. Yapay zekanın sağlık alanındaki gelişmelerini, karar destek sistemlerini, büyük veriyi ve gelecek perspektifini en güncel bilgiler ışığında bu kitapta bulacaksınız.

Doğu Karadeniz’de çay nemli koşullarda yetişmesine karşın yaz ikliminin yaş çay üretimi ve alımları üzerindeki etkisi tartışılmaktadır. Önceki çalışmalar yıllık ham verilerde sıcaklık ve bazı durumlarda yağışla pozitif ilişkiler bildirmiştir; ancak bu ilişkiler ortak zaman eğilimleri ve iller arasındaki kalıcı farklılıklardan etkilenebilir. Bu çalışmada, yaz iklim sinyalinin Çay İşletmeleri Genel Müdürlüğünün (ÇAYKUR) yaş çay alım kayıtlarında hangi ölçekte saptanabildiği araştırılmıştır. İllere göre yıllık alımlar (2001–2024) ile ulusal aylık alımlar (2014–2024), yıla özgü iklim verileriyle eşleştirilmiş; Rize yıllık zaman serisi, il ve yıl sabit etkili dört birimli panel ve hasat dönemi içindeki aylık alım dağılımı, sınama yılları eğitim verisinden bütünüyle ayrılarak incelenmiştir. Dört alım biriminin ham yıllık verilerinde alım ile yaz en yüksek sıcaklığı ve yağışı arasındaki korelasyonlar sırasıyla 0,57 ve 0,61’dir; ancak bu ilişkiler eğilimler ve birimler arasındaki kalıcı farklılıklar ayrıldığında büyük ölçüde zayıflamıştır. Rize’de sıcaklık korelasyonu eğilim giderildikten sonra 0,29’dan 0,03’e düşmüş, eğilimden arındırılmış alım varyansının %75’inin bütün birimleri aynı yıl etkileyen ortak şoklarla ilişkili olduğu belirlenmiştir. İl ve yıl etkileri ayrıldıktan sonra bir standart sapmalık daha yüksek yaz su dengesinin alımı artırıcı etkisinin üst %90 güven sınırı yaklaşık %0,3’tür. Rize’nin 24 yıllık serisinde Çay Su Açığı Göstergesi (TEWDI) ve standart kuraklık göstergeleri dâhil sekiz göstergenin hiçbiri örneklem dışında ortalama tahmini aşamamıştır. Benzetimler, gerçek belirlilik katsayısı 0,30 olduğunda bile bu tasarımın anlamlı bir ilişkiyi saptama olasılığının yalnızca %22 olduğunu göstermiştir. Sonuçlar, ÇAYKUR alımlarındaki yıllar arası değişimin büyük bölümünün bölge genelinde ortak etkenlerle ilişkili olduğunu ve mevcut idari kayıtların yaz iklimine ait bağımsız bir sinyali saptama gücünün sınırlı olduğunu göstermektedir.

Machine-to-machine and Internet of Things endpoints operate in physically accessible environments, motivating decapsulation-path hardening against an adversary with full code access. We present PQ-WB-KEM, a feasibility study that is, to our knowledge, the first systematic exploration of the table-based white-box design space for a NIST-standardized lattice key-encapsulation mechanism (ML-KEM-768, FIPS 203); prior white-box post-quantum work targets hash-based SPHINCS+ and multivariate hidden field equations (HFE; 256 GB), while the only earlier lattice-based white-box is custom and non-standardized. Because the base multiply runs in the number-theoretic transform (NTT) domain, where the secret operand $\widehat{s}=\mathrm{NTT}\left(s\right)$ is full-range over ${\mathbb{Z}}_q$, coefficient smallness does not shrink the tables. We map the design space with two verified lookup-only constructions: a shared full multiply table (Construction A, a measured 22.16 MB base, 25.57 MB core) and per-component tables with the secret baked in (Construction B, 7.67 MB base, 11.08 MB core), with the base tables being about 11,600× (A) and 33,400× (B) smaller than the 2022 256 GB HFE white box. Three-share arithmetic masking drives the measured first-order differential computation analysis (DCA) correlation to near the noise floor (${\rho }_{\max }=0.011$, versus $0.85$ unmasked). The projected deployment overhead is ≈47×, anchored on the native-C protected primitive measured with its mask-generation random number generator (RNG) randomness included ($4.30\times$, times an ≈11× embedded cache factor); the RNG-excluded harness yields the $17\times$ lower bound. We delimit scope honestly: against the full white-box adversary this construction does not achieve key confidentiality because the base multiply forms the clear product coordinates $p_0,p_1$ before masking and these yield linear equations for the secret; every positive result holds only against strictly weaker adversaries, and the work maps the lattice white-box design space rather than delivering a fully white-box key-encapsulation mechanism.