uTile
Us donem la benvinguda a l’intercanvi d’informació 2.0
Us donem la benvinguda a l’intercanvi d’informació 2.0
uTile PET, una solució que permet fer càlculs de manera segura i privada sobre dades distribuïdes, sense exposar-les ni moure-les de les organitzacions.
Aquesta solució desenvolupada per GMV aprofita les dades confidencials per millorar algoritmes de machine learning i models analítics, complint en tot moment els requisits organitzatius i garantint la privacitat de les dades, així com les normatives vigents.
Característiques
Permet fer càlculs de manera segura i privada sobre les dades distribuïdes sense exposar-les ni moure-les
Aprofita les dades sensibles per millorar els algoritmes de machine learning i els models analítics
Compleix requisits organitzatius i garanteix la privacitat de les dades, així com el compliment de les normatives
Les tecnologies que formen part d’uTile PET
MPC (Secure Multiparty Computation: La computació segura multipart fa ús de la compartició additiva de secrets, que permet segmentar una dada secreta en parts de tal manera que cap de les parts participants no tingui la capacitat de reconstruir la dada secreta original.
FL (Federated Learning): L’aprenentatge federat és una solució algorítmica que permet l’entrenament dels models d'ML enviant còpies d’un model i fent l’entrenament al lloc on resideixen les dades.
PSI (Private Set Intersection): Utilitzat en casos de particionament vertical, PSI és una tècnica criptogràfica que permet trobar la intersecció entre diversos conjunts de dades sense haver d’exposar les dades.
Differential Privacy: Aquesta tècnica fa que les dades es mantinguin anònimes en incorporar deliberadament soroll en un conjunt de dades, de manera que es puguin dur a terme tot tipus d’anàlisis estadístiques de gran utilitat, però sense que es pugui revelar cap informació personal.
Assegura que les dades sensibles no siguin mai exposades ni transferides a través de departaments, organitzacions o geografies.
Els propietaris de les dades no han de confiar les seves dades a tercers.
Les dades romanen protegides darrere dels seus controls interns, sigui on-premise o cloud, i la seva informació sensible roman privada durant el còmput.
Un avantatge addicional d’aquest nou paradigma és que obre les portes a col·laboracions entre organitzacions des d’àmbits diferents, com pot ser la publicoprivada o la col·laboració intersectorial explotant sinergies.
Projecte finançat pel Ministeri d’Economia i Empresa
(Número d’expedient: TSI-100906-2019-2)