Consisteix en un model de computació distribuïda orientat a preservar la privacitat i la confidencialitat de les dades, i permet portar els models d’aprenentatge automàtic on són les dades en lloc de treballar amb un únic dataset centralitzat.

L’anonimització es constitueix en una eina per mitigar els riscos que presenten l’obtenció i el tractament massiu de les dades de caràcter personal, consistent en un procés que oculta la informació personal o sensible, i permet la seva divulgació sense que això impliqui vulnerar els drets de protecció de dades de les persones. Tanmateix, una base de dades anonimitzada és susceptible de sofrir el que es coneix com un atac de reidentificació, que consisteix a intentar traçar els registres suposadament anònims en els registres d’una altra base o font de dades relacionada per extreure d’aquesta la informació confidencial.

Conscients d’això, GMV participa en el projecte “MPC-Learning: Aprenentatge automàtic segur i protegit mitjançant compartició de secrets”. Un projecte cofinançat pel departament de R+D+I de Secure e-Solutions de GMV i pel Ministeri d’Assumptes Econòmics i Transformació Digital, enfocat en el desenvolupament de tècniques matemàtiques i computacionals capaces de fer càlcul numèric sense necessitat de compartir dades. “GMV, dins d’aquest projecte, hi té una doble funció. D’una banda, contribueix al projecte oferint la seva experiència en sectors com ara Banca o Sanitat, i així ajuda a construir casos d’ús que permetin solucionar les dificultats dels nostres clients. D’altra banda, GMV aporta el seu coneixement en ciència de dades, que és l’àrea que s’encarrega del desenvolupament del càlcul d’una manera segura. Les sinergies resultants d’aquestes aportacions és el que fa possible consolidar els reptes d’aquest projecte”, assenyala Juan Miguel Auñón-García, Data Scientist de Secure e-Solutions de GMV.

El projecte MPC-Learning neix d’una premissa: moltes vegades hi ha interès per part de diverses organitzacions a compartir informació entre si amb l’objectiu que tothom pugui aprendre de tothom, però poden haver-hi barreres per a aquest intercanvi, com la regulació/legislació aplicable o l’interès legítim. Multi-Party Computation (MPC, per les seves sigles en anglès) integra individus (parties) que volen fer un càlcul (computation) sense haver de revelar les seves dades, però sent conscients que la col·laboració és essencial per aconseguir un bé comú.

El projecte té com a objectiu construir una plataforma d’aprenentatge federat i un model de computació distribuït orientat a preservar la privacitat i la confidencialitat de les dades, en el qual els participants puguin entrenar els seus models de Machine/Deep Learning d’una manera segura i tots els membres aprenguin de la resta.