Automatizirana anonimizacija tekstova koji sadrže osjetljive podatke

diplomski rad

• Naslov (engleski): Automatic Anonymization of Textual Documents Containing Sensitive Data
• Autor: Martin Pandek
• Mentor: Ljiljana Brkić (mentor)
• Član povjerenstva: Ljiljana Brkić (predsjednik povjerenstva)
• Član povjerenstva: Igor Mekterović (član povjerenstva)
• Član povjerenstva: Marko Horvat (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: anonimizacija; prepoznavanje imenovanih entiteta; višeklasna klasifikacija; logistička regresija; deanonimizacija; evaluacija
• Ključne riječi (engleski): anonymization; named entity recognition; multiclass classification; logistic regression; deanonymization; evaluation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:612860
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 10:32:38