ČVUT DSpace
  • Search DSpace
  • Čeština
  • Login
  • Čeština
  • Čeština
View Item 
  •   ČVUT DSpace
  • Czech Technical University in Prague
  • Faculty of Information Technology
  • Departments
  • Department of Applied Mathematics
  • Bachelor Theses - 18105
  • View Item
  • Czech Technical University in Prague
  • Faculty of Information Technology
  • Departments
  • Department of Applied Mathematics
  • Bachelor Theses - 18105
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Generativní metody vhodné pro anonymizaci a tvorbu testovacích dat v bankovnictví

Generative methods applicable for data anonymization and test data creation in the banking industry

Type of document
bakalářská práce
bachelor thesis
Author
Jan Jeníček
Supervisor
Kylar Ivo
Opponent
Friedjungová Magda
Field of study
Znalostní inženýrství
Study program
Informatika 2009
Institutions assigning rank
katedra aplikované matematiky



Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item record
Abstract
Produkční data často obsahují velmi citlivé informace a je složité s nimi manipulovat. Má práce zkoumá generativní metody strojového učení a jejich schopnost naučit se distribuci dat. Tato schopnost je použita pro generování syntetických dat, která mohou v případě potřeby kompletně nahradit ty reálná. Práce nejprve prezentuje teoretický základ a věnuje se do hloubky dvěma metodám hlubokého učení, VAE a GAN. Existující modifikace GAN pro tabulková data, CTGAN, je implementována a na bankovních datech je natrénován model. Výsledky vycházející z různých metrik ukazují, že tento způsob anonymizace bankovních dat může být velmi úspěšný a jsou navrženy další kroky, které mohou zakládat na této práci. Práce je tvořena ve spolupráci s Komerční Bankou.
 
Production tabular data are often extremely sensitive and thus difficult to manipulate. My thesis surveys generative machine learning methods and their ability to learn data distributions. This ability is used to generate new synthetic data that can completely replace the original data where it is needed. The thesis provides a theoretical basis with a strong focus on two significant deep learning approaches, VAE and GAN. Existing GAN modification for tabular data, CTGAN, is implemented and trained with banking dataset as a proof of concept. Results from different metrics show that the chosen anonymization approach of banking data might be very successful and steps following this thesis are suggested. The thesis was written in collaboration with Komerční Banka.
 
URI
http://hdl.handle.net/10467/95046
View/Open
PLNY_TEXT (871.3Kb)
PRILOHA (2.116Mb)
PRILOHA (1.459Mb)
POSUDEK (50.95Kb)
POSUDEK (48.29Kb)
Collections
  • Bakalářské práce - 18105 [182]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Useful links

CTU in PragueCentral library of CTUAbout CTU Digital LibraryResourcesStudy and library skillsResearch support

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV