Secure and Accurate Federated Learning as a Service (SA-FLaaS)

Parannamme tietosuojaa ja tietoturvaa

Projektin kesto

1.8.2024. – 31.7.2026

Rahoituslähde

Business Finland

Kokonaisrahoitus

636 723 €

Globaalin yhdistetyn oppimisen (Federated Learning, FL) markkinoiden arvo saavutti 112,7 miljoonaa USD vuonna 2021 ja sen ennustetaan kasvavan 305,7 miljoonaan USD vuonna 2032. Federated Learning (yhdistetty oppiminen, FL) mullistaa tietosuojan mahdollistamalla turvallisen hajautetun konemallien oppimisen ilman arkaluontoisten tietojen jakamista. FL parantaa tietosuojaa ja tietoturvaa, mutta tuo mukanaan myös haasteita, kuten hyökkäykset tietoturvaan ja kompromissit, joita tehdään häiriön lisäämisen ja koulutettujen mallien tarkkuuden välillä.

Projekti perustuu PRIVASA-hankkeen tuloksiin (2021-23), jossa esittelimme palkittuja FL-ratkaisuja aivosyövän kasvaimen kuvantamiseen. Projektin tavoitteena on puuttua FL:n yksityisyyshaasteisiin ja edistää turvallista ja tehokasta hajautettua konemallien oppimista, joka yhdistää tehokkaan yksityisyyden ja tehokkaan konemallien oppimisen. Projektissa työstetään käyttöönottohaasteita terveydenhuollossa, keskittyen tietojen laatuun, mallien tulkintaan ja säännösten noudattamiseen. Mahdollistamalla yhteistyön suurissa, arkaluontoisissa aineistoissa projekti nopeuttaa FL:n kaupallistamista erityisesti terveydenhuollossa.

Patentteja on haettu kahteen innovaatioon:

1. Differentiaaliyksityisyys (DP), joka parantaa FL-suojausta lisäämällä hallittua häiriötä systeemiin varmistaen yksilön tietojen luottamuksellisuuden, kuitenkaan heikentämättä hajautettujen konemallien opetusta.
2. Mallien päivitysten dynaaminen valinta ja yhdistäminen, joka valitsee yhteistyökumppaneiden parhaat koneopetetut mallit automaattisesti.

Projektin tavoitteena on muuttaa tutkimuksemme tuotteeksi nimeltä ‘Secure and Accurate Federated Learning as a Service’, joka on ensimmäinen suomalainen tietosuoja-asetusten mukainen hajautetun koneoppimisen alusta.