uTile
Witamy w systemie wymianie informacji 2.0
Witamy w systemie wymianie informacji 2.0
uTile PET to rozwiązanie, które umożliwia dokonywanie obliczeń w bezpieczny sposób z zachowaniem pełnej prywatności i wykorzystaniem rozproszonych danych, bez ich eksponowania i przenoszenia poza ramy organizacji.
To opracowane przez GMV narzędzie wykorzystuje poufne dane w celu doskonalenia algorytmów uczenia maszynowego i modeli analitycznych, jednocześnie spełniając wymogi organizacyjne i gwarantując prywatność danych, zgodnie z obowiązującymi przepisami.
Kluczowe korzyści
Umożliwia wykonywanie obliczeń w bezpieczny sposób z zachowaniem pełnej prywatności i wykorzystaniem rozproszonych danych, bez ich narażania na niebezpieczeństwo.
Wykorzystuje wrażliwe dane do celów ulepszania algorytmów uczenia maszynowego i modeli analitycznych
Oprócz zapewniania zgodności z obowiązującymi przepisami, spełnia wymogi organizacyjne i gwarantuje prywatność danych.
Technologie wchodzące w skład uTilePET
Bezpieczne obliczenia wielostronne: Bezpieczne obliczenia wielostronne wykorzystują tzw. additive secret sharing, umożliwiający segmentację tajnych danych na części w taki sposób, że żadna z uczestniczących stron nie ma możliwości zrekonstruowania oryginalnych tajnych danych
Federated Learning (sfederowane uczenie): Sfederowane uczenie to rozwiązanie algorytmiczne, które umożliwia trenowanie modeli ML poprzez wysyłanie kopii danego modelu i przeprowadzanie procesu uczenia tam, gdzie przechowywane są dane
Private Set Intersection (przecięcie zbioru prywatnego): Znajduje zastosowanie w przypadku partycjonowania pionowego. PSI to technika kryptograficzna, umożliwiająca znalezienie przecięcia pomiędzy różnymi zestawami danych, bez konieczności ujawniania danych
Prywatność różnicowa: Technika ta pozwala na zachowanie anonimowości danych poprzez umyślne dodanie szumu do zbioru danych, dzięki czemu można przeprowadzić wszelkiego rodzaju analizy statystyczne o ogromnej użyteczności
Dzięki temu wrażliwe dane nie są nigdy ujawniane ani przesyłane za pośrednictwem działów, organizacji lub stref geograficznych.
Właściciele danych nie muszą powierzać swoich danych stronom trzecim.
Dane pozostają chronione za pomocą wewnętrznych mechanizmów kontrolnych - zarówno lokalnie, jak i w chmurze - a wszelkie poufne informacje zachowują swoją prywatność podczas dokonywania obliczeń.
Dodatkową zaletą tego nowego paradygmatu jest to, że otwiera on drzwi do współpracy pomiędzy organizacjami z różnych dziedzin, na przykład publiczno-prywatnej lub międzysektorowej współpracy wykorzystującej istniejące synergie.
Projekt finansowany przez hiszpańskie Ministerstwo Gospodarki i Przedsiębiorczości
(Numer aktu: TSI-100906-2019-2)