but.committee	doc. Dr. Ing. Petr Hanáček (předseda) doc. Ing. Vladimír Janoušek, Ph.D. (místopředseda) Ing. Martin Hrubý, Ph.D. (člen) Mgr. Kamil Malinka, Ph.D. (člen) Mgr. Ing. Pavel Očenášek, Ph.D. (člen) doc. RNDr. Pavel Smrž, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: k kapitole 6.2 uvádíte, že jste CycleGAN trénovali nad datasetem bot a textur, které se ukázaly nedostatečné i u jiných frameworků. Jak by si CycleGAN vedl nad datasetem květin? Jak by fungovala vaše práce v praxi? Jaký je hlavní přínos? Proti jakým útokům by váš přistup chránil?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Homoliak, Ivan	en
dc.contributor.author	Mjachky, Ľuboš	en
dc.contributor.referee	Malinka, Kamil	en
dc.date.created	2021	cs
dc.description.abstract	Systémy založené na biometrickej autentizácii sa stávajú súčasťou nášho každodenného bytia. Tieto systémy však nedovoľujú používateľom priamo alebo nepriamo meniť spôsob, akým sa k ich dátam pristupuje a ako sa s nimi bude zaobchádzať ďalej v budúcnosti. Dôsledkom tohto môžu vyplynúť riziká spojené s uniknutím identity jedinca. Táto práca sa zaoberá návrhom systému, ktorý zachováva privátnosť a zároveň umožňuje autentizáciu na základe biometrických čŕt používateľov, a to za pomoci generatívnej neurónovej siete (GAN). V práci sa konkrétne uvažuje o tom, že GAN je použitá na transformáciu obrázkov tvárí napríklad na obrázky kvetov. Autentizačný systém sídliaci na serveri je v konečnom dôsledku učený rozlišovať používateľov podľa obrázkov kvetov a nie tvárí. Na základe vykonaných experimentov môžeme potvrdiť, že navrhovaná metóda je robustná voči útokom, pričom stále vykazuje kvalitatívne požiadavky kladené na štandardný autentizačný systém.	en
dc.description.abstract	Biometric-based authentication systems are getting broadly adopted in many areas. However, these systems do not allow participating users to influence the way their data will be used. Furthermore, the data may leak and can be misused without the users' knowledge. In this thesis, we propose a new authentication method which preserves the privacy of an individual and is based on a generative adversarial network (GAN). Concretely, we suggest using the GAN for translating images of faces to a visually private domain (e.g., flowers or shoes). Classifiers, which are used for authentication purposes, are then trained on the images from the visually private domain. Based on our experiments, the method is robust against attacks and still provides meaningful utility.	cs
dc.description.mark	A	cs
dc.identifier.citation	MJACHKY, Ľ. Generativní adversarialní neuronové sítě využity na ochranu soukromí při biometrické autentifikaci a identifikaci [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136843	cs
dc.identifier.uri	http://hdl.handle.net/11012/200207
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	ochrana súkromia	en
dc.subject	strojové učenie	en
dc.subject	generatívne adversariálne siete	en
dc.subject	biometrické systémy	en
dc.subject	privacy preservation	cs
dc.subject	machine learning	cs
dc.subject	generative adversarial networks	cs
dc.subject	biometric systems	cs
dc.title	Generativní adversarialní neuronové sítě využity na ochranu soukromí při biometrické autentifikaci a identifikaci	en
dc.title.alternative	Generative Adversarial Networks Applied for Privacy Preservation in Bio-Metric-Based Authentication and Identification	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2021-06-24	cs
dcterms.modified	2022-08-24-18:51:21	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136843	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:34:06	en
sync.item.modts	2025.01.17 11:20:41	en
thesis.discipline	Bezpečnost informačních technologií	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Generativní adversarialní neuronové sítě využity na ochranu soukromí při biometrické autentifikaci a identifikaci

Files

Original bundle

Collections