Automatizirana anonimizacija tekstova koji sadrže osjetljive podatke

master's thesis

• Title (english): Automatic Anonymization of Textual Documents Containing Sensitive Data
• Author: Martin Pandek
• Mentor: Ljiljana Brkić (mentor)
• Committee member: Ljiljana Brkić (predsjednik povjerenstva)
• Committee member: Igor Mekterović (član povjerenstva)
• Committee member: Marko Horvat (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-10, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U radu su opisane metode koje se koriste za prepoznavanje i klasificiranje imenovanih entiteta u nestrukturiranom tekstu s naglaskom na strojno učenje. Detaljno su opisane višeklasna klasifikacija i logistička regresija koje su korištene u ovome radu te sva definirana pravila. Razvijen je sustav odnosno web aplikacija za automatsku parametriziranu anonimizaciju tekstova.
Obrađena su pravila anonimizacije u sudskoj praksi te domenski neovisna pravila za zaštitu privatnosti fizičkih i pravnih osoba. Testirano je i prikazano kako radi sustav s različitim parametrima anonimizacije. Algoritam strojnog učenja je evaluiran te su dobiveni rezultati koji potvrđuju da je odabran dobar pristup za rješenje problema.
Promjene nastale anonimizacijom se pohranjuju u bazu podataka te se koriste kod deanonimizacije.

Abstract (english)

The paper describes the methods used to recognize and classify named entities in unstructured text with emphasis on machine learning. Multiclass classification and logistic regression used in this paper and defined rules are described in detail. Web application for automatic parametrized anonymization of text has been developer in this paper.
Anonymization rules in court practice and domain independent rules for protection of personal privacy are discused. It is tested and shown how the system works with different anonymization parameters. The machine learning algorithm was evaluated and results confirm that good approach was chosen to solve problem.
Changes made by anonymization are stored in a database and used in deanonymization.

• Keywords: anonimizacija; prepoznavanje imenovanih entiteta; višeklasna klasifikacija; logistička regresija; deanonimizacija; evaluacija
• Keywords (english): anonymization; named entity recognition; multiclass classification; logistic regression; deanonymization; evaluation
• Language: croatian
• URN:NBN: urn:nbn:hr:168:612860
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 10:32:38