Protection of sensitive data contained in images

Tato bakalářská práce je zaměřena na využití hlubokého učení v bezpečnostním problému úniku citlivých informací ve formě obrazových dat. Pokusem o vyřešení tohoto problému bylo použití Single Shot Multibox Detectoru (SSD) a plně propojené sítě, poslední je mnohem rychlejší než jiné metody a může být použitá v praxi, kde je potřeba velmi rychlé analýzy příchozí a odchozí informace, například analýzy provozu sítě. V první části práce jsou popsané metody, které mohou být použité pro detekci klíčových slov. Druhá část obsahuje popis experimentu a dosažených výsledků pro dva modely neuronových sítí: Single Shot Multibox Detector a plně propojené sítě. Druhý model dosahuje uspokojivých vlastností jak z pohledu času zpracování tak i přesnosti a lze jej použít v praxi.This work is focused on application of deep learning in security problem of escape sensitive information, that is contained in images. The presented solution of this problem is using Single Shot Multibox Detector and Fully Connected Network (FCN). FCN is faster than other methods and can be applied in industry, where is a need to analyse input and output information very quickly, for example, in network traffic analysis. In the first part of this work, methods that can be used in keyword detection are described. The second part contains a description of experiment and achieved results for two models of neural network: Single Shot Multibox Detector and Fully Connected Network. The second one gave better results and can be used in practice.