Sustav za prepoznavanje i pohranu značajki lica usklađen s općom uredbom o zaštiti osobnih podataka

diplomski rad

• Naslov (engleski): GDPR Compliant System for Facial Features Recognition and Storage
• Autor: Danijel Pavlek
• Mentor: Marin Šilić (mentor)
• Član povjerenstva: Marin Šilić (predsjednik povjerenstva)
• Član povjerenstva: Klemo Vladimir (član povjerenstva)
• Član povjerenstva: Goran Delač (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Istraživanja su pokazala da je zaštita podataka vrlo važan faktor kod korisnika,
posebice slike lica. U tu svrhu moguće je implementirati sustav koji će zaobići potrebu
za njihovim spremanjem i umjesto lica, uspored̄ivati značajke. Značajke je moguće
izračunati neuronskom mrežom. Taj pristup zadovoljava opću uredbu o zaštiti osobnih
podataka zato što iz značajki nije moguće rekonstruirati polaznu sliku. Performansa
usporedbe značajno ovisi o arhitekturi neuronske mreže i mjeri sličnosti.

Sažetak (engleski)

Research has shown that data protection is a very important factor for users, especially facial images. For this purpose, it is possible to implement a system that will bypass the need to save them and instead of faces, compare features. The features can be calculated using a neural network. This approach satisfies the general regulation on the protection of personal data because it is not possible to reconstruct the initial image from the features. The performance of the comparison depends significantly on the neural network architecture and the degree of similarity.

• Ključne riječi: GDPR; zaštita podataka; prepoznavanje lica; duboko učenje; transfer učenje; neuronske mreže; autoenkoderi; vađenje značajki; gradijentni spust; ADAM
• Ključne riječi (engleski): GDPR; data protection; face recognition; deep learning; transfer learning; neural networks; autoencoders; feature extraction; gradient descent; ADAM
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:359795
• 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 10:33:28