Privacy-preserving mechanisms for face verification systems
Yüz doğrulama sistemleri için gizliliği koruyucu mekanizmalar
- Tez No: 887239
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Gizlilik Koruma Teknikleri, Biyometrik Sistemler, Diferansiyel Mahremiyet, Siyam Sinir Ağı (SNN), Yüz Doğrulama, DP-SGD, Makine Öğrenimi, Veri Güvenliği, Privacy-Preserving Techniques, Biometric Systems, Differential Privacy, Siamese Neural Network (SNN), Face Verification, DP-SGD, Machine Learning, Data Security
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, biyometrik sistemler alanında veri gizliliğini koruma tekniklerini detaylı bir şekilde incelemekte ve bu tekniklerin veri gizliliğini sağlamadaki ve makine öğrenimi yeteneklerini artırmadaki katkılarına odaklanmaktadır. Araştırmada, k-anonimlik, l-çeşitlilik, t-yakınlık ve diferansiyel mahremiyet gibi çeşitli gizlilik koruma teknikleri ile bu tekniklerin güçlü ve zayıf yönleri, farklı bağlamlardaki uygunlukları tartışılmaktadır. Bu tekniklerin karşılaştırmalı analizi, kritik durumlarda gizlilik risklerini azaltmadaki etkinlikleri hakkında içgörüler sağlamaktadır. Araştırma, yüz doğrulama uygulaması için bir Siyam Sinir Ağı (SNN) tabanlı bir temel model önermekte ve bu modeli Diferansiyel Mahremiyet Stokastik Gradyan İnişi (DP-SGD) ekleyerek geliştirmektedir. Yöntem, gizliliği koruma kapasitesi ile model performansını dengeleme arasında bir dengeyi araştırmakta ve epsilon (ϵ) parametresinin modelin doğruluğu ve benzerlik puanları üzerindeki etkisini incelemektedir. Sonuçlar, elde edilen doğruluğun %85 olduğunu, ancak yöntemin gizliliği koruma ile pratik performans metrikleri arasında etkili bir denge sağladığını göstermektedir. Ayrıca, bu tez biyometrik sistemlerin yapısı, saldırı noktaları ve gizlilik kavramları hakkında derinlemesine bir açıklama sunmaktadır. Biyometrik sistemlerin makine öğrenimi ile entegrasyonunu kapsamakta ve çeşitli seviyelerde biyometrik verileri güvence altına almak için gizlilik koruma mekanizmalarının nasıl uygulanabileceğini vurgulamaktadır. Araştırma bulguları, biyometrik sistemlerde gizlilik koruma mekanizmaları geliştirmenin gerekliliğini vurgulamakta ve bu mekanizmaların sadece veri güvenliğini sağlamakla kalmayıp aynı zamanda kullanıcı güvenini artırarak sağlık, finans ve kolluk kuvvetleri gibi uygulamalarda daha geniş kabul görmesini kolaylaştırdığını göstermektedir. Ekonomik faydalarının yanı sıra, sağlam gizlilik koruması ile donatılmış biyometrik sistemlerin etkili bir şekilde uygulanması, veri ihlalleri ve düzenleyici cezalar nedeniyle oluşan maliyetleri önemli ölçüde azaltarak işletmelerin verimliliğini ve güvenilirliğini artırabilir.
Özet (Çeviri)
This thesis delves into privacy-preserving techniques within biometric systems, emphasizing their role in safeguarding data privacy and bolstering machine learning capabilities. It explores several techniques such as k-Anonymity, ℓ-Diversity, t-Closeness, and differential privacy, analyzing their strengths, weaknesses, and context-specific suitability. Through comparative analysis, the research sheds light on how each technique effectively mitigates privacy risks in critical scenarios. The study introduces a base model using a Siamese Neural Network (SNN) for face verification and enhances it by integrating Differential Privacy Stochastic Gradient Descent (DP-SGD). The method examines the balance between privacy preservation and model performance, focusing on how the epsilon (ϵ) parameter impacts accuracy and dissimilarity scores. Findings indicate that an accuracy of 85% was achieved, demonstrating a successful balance between privacy and practical performance metrics. Furthermore, the thesis provides a comprehensive overview of biometric systems, detailing their structure, potential attack points, and privacy principles. It discusses the integration of these systems with machine learning, highlighting how privacy-preserving mechanisms can be embedded at various stages to protect biometric data. The research highlights the imperative of developing privacy-preserving mechanisms in biometric systems that ensure data security and enhance user trust, thereby promoting broader acceptance of such technologies in fields like healthcare, finance, and law enforcement. In addition to economic benefits, the robust implementation of biometric systems with strong privacy protections can save organizations substantial amounts of money by preventing data breaches and avoiding regulatory fines, ultimately improving business efficiency and reliability.
Benzer Tezler
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Privacy preserving data collection framework for user centric network applications
Günümüz kullanıcı eksenli ağ uygulamaları için kişisel gizliliği sağlayan bilgi toplama anaçatısı
HAYRETDİN BAHŞİ
Doktora
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT LEVİ
- A network-resilient and privacy preserving federated imitation learning framework for truck platooning
Kamyon konvoyları için ağ dayanıklılığı ve gizlilik koruyucu federatif taklit öğrenme çerçevesi
HALUK ÇAĞATAY KIR
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Locally differentially private mechanisms for sequential and high-dimensional data analysis
Sıralı ve yüksek-boyutlu veri analizi için lokal diferansiyelmahremiyetli mekanizmalar
EFEHAN GÜNER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET EMRE GÜRSOY
- Privacy preserving publishing of hierarchical data
Hiyerarşik verilerde mahremiyetin korunması
İSMET ÖZALP
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL SAYGIN
DOÇ. DR. MEHMET ERCAN NERGİZ