Система генерації синтетичних вибірок з висококонфіденційних баз даних методами глибинного навчання

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorОстровський, Захар Юрійович
dc.date.accessioned2021-11-25T13:46:21Z
dc.date.available2021-11-25T13:46:21Z
dc.date.issued2021-06
dc.description.abstractДипломна робота: 84 с., 6 табл., 31 рис., 1 додаток, 20 джерел. Об’єкт дослідження: система генерації синтетичних вибірок на основі GAN (генеративних нейронних мереж), що відтворює конфіденційні дані учасників процесу Федеративного навчання. Мета дослідження: розробити та протестувати систему тренування моделей глибинного навчання з використанням Федеративного Навчання та перевірити її стійкість до атаки на основі GAN. Використані моделі: у програмній реалізації було використано штучні згорткові та генеративні нейронні мережі. Отриманні результати: побудована система федеративного навчання і проведено її тестування атакою на основі генеративних нейронних мереж В рамках подальшого дослідження пропонується розробити модифікації алгоритмів для підвищення якості і стабільності навчання моделей федеративним методом, модифікувати архітектуру генеративної моделі для підвищення стабільності і потужності атаки, повторити експеримент на покращених моделях.uk
dc.description.abstractenThesis: 84 p., 6 tabl., 31 fig., 1 appendix, 20 sources. Object of study: a system of generating synthetic samples based on GAN (generative neural networks), which reproduces the confidential data of participants in the process of Federated Learning. Purpose: develop and test a system of training models of deep learning using Federated Learning and test its resistance to attack based on GAN. Used models: artificial convolution and generative neural networks were used in the program implementation. Results: a federated learning system was built and tested by an attack based on generative neural networks. As part of further research, it is proposed to develop modifications of algorithms to improve the quality and stability of model training by the federated method, to modify the architecture of generative models to increase the stability and power of attack, to repeat the experiment on improved models.uk
dc.format.page89 с.uk
dc.identifier.citationОстровський, З. Ю. Система генерації синтетичних вибірок з висококонфіденційних баз даних методами глибинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Островський Захар Юрійович. - Киів, 2021. - 89 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45226
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectглибинне навчанняuk
dc.subjectфедеративне навчанняuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectгенеративні нейронні мережіuk
dc.subjectгенерування синтетичних данихuk
dc.subjectfederated learninguk
dc.subjectconvolutionamachine learninguk
dc.subjectdeep learning l neural networksuk
dc.subjectgenerative neural networksuk
dc.subjectclassification problemuk
dc.subjectgeneration of synthetic datauk
dc.titleСистема генерації синтетичних вибірок з висококонфіденційних баз даних методами глибинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Ostrovsky_bakalavr.pdf
Розмір:
2.77 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи