REMINDER:Privacy-friendly Federated Learning for Sensor Data

Basierend auf den riesigen Datenmengen, die durch die zunehmende Hyperkonnektivität und das Aufkommen von Internet of Things (IoT)-Technologien erzeugt werden, ist Künstliche Intelligenz (KI) zu einem Teil unseres Alltags geworden, der die Industrie revolutioniert und die Art und Weise, wie wir mit Technologie umgehen, verändert. Von virtuellen Assistenten bis hin zu Empfehlungssystemen: KI gestaltet unsere Welt in nie dagewesener Weise. Außer Komfort hat KI zusätzlich das Potenzial, einige der dringendsten Herausforderungen der Gesellschaft zu bewältigen, z. B. im Zusammenhang mit nachhaltigen Städten oder fortschrittlichen elektronischen Gesundheitsdiensten. Doch mit großer Macht kommt auch große Verantwortung: Die Datenmengen, die durch die Verbreitung vernetzter Geräte erzeugt werden, werfen in Verbindung mit der Komplexität der KI- Algorithmen wichtige Fragen zum Datenschutz und zum Schutz der Privatsphäre auf. REMINDER zielt auf die Entwicklung innovativer Techniken ab, um die verantwortungsvolle und ethische Nutzung von KI unter Wahrung der Privatsphäre zu gewährleisten. Ziel ist ein dezentraler und sicherer Ansatz für den Zugriff auf und die Verarbeitung von Daten aus verteilten Systemen zu schaffen. Durch den Einsatz einer Edge-basierten Architektur und Federated Learning (FL) ermöglicht REMINDER die kollaborative Modellerstellung ohne Beeinträchtigung des Datenschutzes. Dieser Ansatz ist besonders wichtig, da er der dynamischen Natur dezentraler Systeme Rechnung trägt und gewährleistet, dass sensible Daten während ihres gesamten Lebenszyklus geschützt bleiben. Weiters erforscht REMINDER kryptographische Techniken wie Differential Privacy (DP) und Secure Multi-Party Computation (SMPC), um den Schutz der Privatsphäre zu verbessern. Diese Techniken ermöglichen die Datenanalyse bei gleichzeitiger Wahrung der Privatsphäre des Einzelnen, wobei ein ausgewogenes Verhältnis zwischen der Effektivität von KI-Techniken und der Notwendigkeit der Wahrung der Privatsphäre besteht. Darüber hinaus werden modernste Verschlüsselungs- und Signaturprotokolle in Kombination mit Technologien wie Blockchains entwickelt, um die Zuverlässigkeit geteilter Daten zu verbessern und die Durchsetzung strenger Zugangskontrollmechanismen zu gewährleisten. Die Lösungen sind sowohl präventiv als auch reaktiv und stellen sicher, dass während des gesamten Lebenszyklus der Daten bestehende Datenschutzvorschriften wie der DSGVO erfüllt werden. REMINDER wird sich auch mit einigen der wichtigsten Sicherheitsangriffe in FL-Umgebungen befassen, indem ein Authentifizierungsprotokoll entworfen und implementiert wird, um sicherzustellen, dass nur legitime Systeme am kollaborativen Erstellungsprozess von ML-Modellen teilnehmen können. Darüber hinaus wird REMINDER die Durchführbarkeit der vorgeschlagenen Forschung anhand von zwei Hauptanwendungsfällen im Bereich der elektronischen Gesundheitsdienste und intelligenten Gebäude demonstrieren.

No additional funding sources recorded.