Consiste num modelo de computação distribuída, orientado para a preservação da privacidade e da confidencialidade dos dados, permitindo levar os modelos de aprendizagem automática onde se encontram os dados, em vez de trabalhar com um único dataset centralizado.

 

O anonimato constitui uma ferramenta para mitigar os riscos que apresentam a obtenção e o tratamento maciço dos dados de carácter pessoal, consistindo num processo que oculta as informações pessoais ou sensíveis e que permite a sua divulgação sem que isso implique a violação dos direitos de protecção dos dados das pessoas. Não obstante, uma base de dados anónima é susceptível de sofrer o que se conhece como ataque de re-identificação que consiste em tentar traçar os registos supostamente anónimos em registos de outra base ou fonte de dados relacionada para extrair desta as informações confidenciais.

Consciente disso, a GMV participa no projecto «MPC-Learning: Aprendizagem automática segura e protegida por partilha de segredos». Trata-se de um projecto co-financiado pelo departamento de I+D+i de Secure e-Solutions da GMV e pelo Ministério dos Assuntos Económicos e Transformação Digital, centrado no desenvolvimento de técnicas matemáticas e computacionais capazes de realizar cálculo numérico sem necessidade de partilhar dados. «A GMV tem neste projecto uma dupla função. Por um lado contribui para o projecto oferecendo a sua experiência em sectores como a Banca ou a Saúde, ajudando assim a construir casos de uso que permitam solucionar as dificuldades dos nossos clientes. Por outro lado, a GMV contribui com o seu conhecimento em ciência de dados, que é a área encarregada do desenvolvimento do desenvolvimento de cálculo de forma segura. As sinergias resultantes destas contribuições são o que torna possível consolidar os reptos deste projecto», afirma Juan Miguel Auñon-García, Data Scientist de Secure e-Solutions da GMV.

O projecto MPC-Learning nasce de uma premissa: Em várias organizações existe muitas vezes interesse em partilhar informações com o objectivo de permitir que todos possam aprender de todos, mas podem surgir barreiras para este intercâmbio, tais como a regulação e a legislação em vigor ou o interesse legítimo. Multi-Party Computation (MPC, na sua sigla em inglês) integra indivíduos (parties) que querem realizar um cálculo (computação) sem ter que revelar os seus dados, porém conscientes de que a colaboração é essencial para conseguirem um bem comum.

O projecto tem como objectivo construir uma plataforma de aprendizagem federada e um modelo de computação distribuído e orientado para a preservação da privacidade e confidencialidade dos dados, no qual os participantes possam treinar os seus modelos de Machine/Deep Learning de uma forma segura, aprendendo do resto todos os membros.