Federated Learning for Morphing Attack Detection

Notaro, Fabio (2023) Federated Learning for Morphing Attack Detection. [Laurea], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [L-DM270] - Cesena
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Non opere derivate 4.0 (CC BY-NC-ND 4.0)

Download (4MB)

Abstract

La soluzione esplorata è il Federated Learning, che è un ramo delDeep Learning maggiormente incentrato sul rispetto della privacy e della protezione dei dati, che potrebbe rappresentare uno dei pochi approcci in grado di rispettare le stringenti normative oggi vigenti in materia di protezione dei dati sensibili. In particolare la tesi, dopo una dettagliata spiegazione del problema del morphing e l'analisi dei potenziali benefici del Federated Learning, esplora l'uso del framework NVFlare, un prodotto sviluppato da NVIDIA che consente l'addestramento di modelli di machine learning mediante, appunto, l'uso del Federated Learning. Alla fine della tesi si traggono le conclusioni e le considerazioni sul lavoro svolto e sui risultati ottenuti.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Notaro, Fabio
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
face morphing,face morping attack,morphing,morphing attack,morphing attack detection,MAD,S-MAD,D-MAD,Federated Learning,Continual Learning,Deep Learning,intelligenza artificiale,reti neruali,neural networks,CNN,machine learning,classificazione,image classification,CIFAR10,face morphing attack detection,privacy
Data di discussione della Tesi
20 Luglio 2023
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^