Тема выпускной квалификационной работы: «Защита от атак на системы распознавания пола человека». Целью работы является реализация метода защиты от атак на системы распознавания пола человека. Предметом исследования являются атаки на нейросетевые методы определения пола человека, основывающиеся на детекции и классификации людей. Задачи, решаемые в ходе исследования: Исследование принципов существующих алгоритмов и нейронных сетей для задач классификации по полу. Исследование сценариев атак на системы распознавания пола человека. Создание датасета для обучения и тестирования нейронной сети. Реализация метода защиты от атак на системы распознавания пола человека. В ходе работы исследованы существующие алгоритмы и нейронные сети для задач классификации по полу. Были проанализированы сценарии атак на системы детекции объектов. В результате работы построена модель сверточной нейронной сети для распознавания пола человека, защищённая от атак вредоносных патчей, была продемонстрирована эффективность данной модели. Полученные результаты могут быть использованы в качестве основы для проектирования защищенных систем распознавания пола человека.

The topic of the graduate qualification work is «Protection against attacks on human gender recognition systems». The purpose of the study is to implement a method of protection against attacks on human gender recognition systems. The subject of the work is attacks on neural network methods of human gender identification relying on face detection and classification. The research set the following goals: Studying the principles of existing algorithms and neural networks for gender classification tasks. Research of attack scenarios on human gender recognition systems. Creating a dataset for training and testing a neural network. Designing a method for protecting against attacks on human gender-recognition systems. During the work, existing algorithms and neural networks for gender classification tasks were studied. Scenarios of attacks on object detection systems were analyzed. The work resulted in the construction of a convolutional neural network model for human gender recognition, protected from attacks of adversary patches, and demonstrated the effectiveness of the model. The results can be used as a foundation for the design of protected human gender recognition systems.