Show simple item record

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



dc.contributor.advisorKylar Ivo
dc.contributor.authorJan Jeníček
dc.date.accessioned2021-06-11T22:52:22Z
dc.date.available2021-06-11T22:52:22Z
dc.date.issued2021-06-11
dc.identifierKOS-961987335505
dc.identifier.urihttp://hdl.handle.net/10467/95046
dc.description.abstractProdukční 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.cze
dc.description.abstractProduction 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.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectgenerativní metodycze
dc.subjectbankovní datacze
dc.subjectgenerativní adversariální sítěcze
dc.subjecttabulková datacze
dc.subjectCTGANcze
dc.subjectanonymizacecze
dc.subjectaugmentace datcze
dc.subjectgenerative methodseng
dc.subjectbanking dataeng
dc.subjectgenerative adversarial networkseng
dc.subjecttabular dataeng
dc.subjectCTGANeng
dc.subjectanonymizationeng
dc.subjectdata augmentationeng
dc.titleGenerativní metody vhodné pro anonymizaci a tvorbu testovacích dat v bankovnictvícze
dc.titleGenerative methods applicable for data anonymization and test data creation in the banking industryeng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeFriedjungová Magda
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatika 2009cze


Files in this item






This item appears in the following Collection(s)

Show simple item record