Biometrijska je identifikacija postala ključna pretpostavka sigurnosti poslovnih sustava te njihove materijalne, financijske i informacijske imovine. Rješenja za provjeru autentičnosti temeljena na biometriji privukla su značajnu pozornost u domeni informacijske i poslovne sigurnosti. Među brojnim biometrijskim modalitetima prepoznavanje šarenice postalo je jedna od najpreciznijih i najpouzdanijih metoda osobne identifikacije. Sustavi za prepoznavanje šarenice iznimno su pouzdani zbog svoje stabilnosti, čak i u različitim svjetlosnim situacijama, te otpornosti na starenje ili male ozljede. Korištenje tehnika dubokog učenja za identifikaciju šarenice glavna je tema ovog rada. Algoritmi dubokog učenja otvorili su nove mogućnosti učenja i potencijal u pogledu prepoznavanja šarenice. Iskorištavanjem algoritama dubokog učenja, sustavi za prepoznavanje šarenice mogu postići iznimnu točnost i robusnost, što ih čini vrlo prikladnima za primjene u sigurnosti, kontroli pristupa i forenzičkim istragama. Posebno su konvolucijske neuralne mreže pokazale visoke performanse u prepoznavanju šarenica. Sustav može automatski naučiti diskriminirajuća obilježja izravno iz neobrađenih slika šarenice pomoću CNN-a za identifikaciju šarenice, uklanjajući potrebu za ručno projektiranim značajkama. Rezultati prikazani u radu sugeriraju da uspješnost prepoznavanja šarenica pomoću CNN-ova bitno ovisi o arhitekturi CNN modela koju odabiremo za rješavanje problema te o kvaliteti i veličini skupova podataka koje koristimo kao ulazne podatke za model.