Srovnání metod strojového učení pro rozpoznání citlivých dat

Adam Považanec

Bakalářská práce

Comparison of machine learning methods for sensitive data identification

Anotace:

Cieľom práce je vyhodnotiť vybrané klasifikačné metódy strojového učenia zamerané na identifikáciu citlivých textových dokumentov. Na začiatku práce je vybratých, opísaných a implementovaných päť klasifikačných algoritmov s možnosťou odmietnutia. Algoritmy sú potom vyhodnotené na troch sadách dokumentov, ktoré boli vytvorené ako súčasť práce. Dôraz je kladený na klasifikačnú schopnosť, rýchlosť a pamäťovú náročnosť. Výsledky ukazujú, že vybrané metódy sú schopné identifikovať citlivé dokumenty s vysokou presnosťou a rýchlosťou.

Abstract:

The main aim of this thesis is to evaluate selected machine learning classification methods for identifying confidential text documents. Five text classification algorithms with rejection capability are selected, described and implemented. The algorithms are then evaluated on three document data sets, created as a part of the thesis. The main emphasis is put on the classification performance, speed and memory requirements. Results indicate that selected methods are able to identify confidential documents with reasonable accuracy and speed.

Keywords

machine learning, NLP, Safetica, DLP, text classification, open world classification

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 7. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 9. 2020
• Vedoucí: doc. Mgr. Pavel Rychlý, Ph.D.
• Oponent: RNDr. Vít Suchomel, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Počítačové systémy a zpracování dat