Opis projektu
Analiza danych i kryptografia w służbie ochrony naszej prywatności
Chcąc sprostać wymaganiom swoich klientów, organizacje wykorzystują ogromną ilość danych o użytkownikach w połączeniu z indywidualnie dostosowaną analizą statystyczną, dzięki czemu są w stanie odpowiednio dopasować swoją ofertę. W związku z tym w aplikacjach stosowane są modele uczenia maszynowego. Jednak takie podnoszenie jakości usług i personalizacji oparte na analizie danych użytkownika jednocześnie zwiększa ryzyko naruszenia prywatności. Ponadto systemy wykorzystujące takie modele bazują często na niedokładnych, tendencyjnych i niesprawiedliwych proxy. Zespół finansowanego przez UE projektu HARPOCRATES stworzy podstawy dla zanonimizowanych cyfrowych systemów oceny zaprojektowanych w celu wyeliminowania konieczności stosowania proxy. W ramach projektu planowane jest opracowanie kilku praktycznych schematów kryptograficznych (szyfrowanie funkcjonalne i hybrydowe szyfrowanie homomorficzne) do analizy danych w sposób chroniący prywatność i umożliwiający kompleksowe podejście, dzięki któremu analiza danych i kryptografia będą się wiązać ze zwiększoną ochroną prywatności.
Cel
Availability of large volumes of user data combined with tailored statistical analysis present a unique opportunity for organizations across the spectrum to adapt and finetune their services according to individual needs. Having shown remarkable results in analyzing user data, machine learning models attracted global adulation and are applied in a plethora of applications including medical diagnostics, pattern recognition, and threat intelligence. However, such service improvements and personalization based on user data analysis come at the heavy cost of privacy loss. Furthermore, practice showed that systems that use such models incorporate proxies that are often inexact, biased and often unfair.
In HARPOCRATES, we focus on setting the foundations of digitally blind evaluation systems that will, by design, eliminate proxies such as geography, gender, race, and others and eventually have a tangible impact on building fairer, democratic and unbiased societies. To do so, we plan to design several practical cryptographic schemes (Functional Encryption and Hybrid Homomorphic Encryption) for analyzing data in a privacy-preserving way. Besides processing statistical data in a privacy-preserving way, we also aim to enable a richer, more balanced and comprehensive approach where data analytics and cryptography go hand in hand with a shift towards increased privacy. In HARPOCRATES we will first show how to effectively combine cryptography with the principles of differential privacy to secure and privatise databases. Next, we will build privacy-preserving machine learning models able to classify encrypted data by performing high accuracy predictions directly on ciphertexts across federated data spaces. Finally, to demonstrate how these solutions respond to users’ needs, we will implement two real-world cross-border data sharing scenarios related to health data analysis for sleep medicine and threat intelligence for local authorities.
Dziedzina nauki
- medical and health sciencesclinical medicinepsychiatrysleep disorders
- natural sciencescomputer and information sciencesdata science
- natural sciencescomputer and information sciencescomputer securitycryptography
- natural sciencescomputer and information sciencesartificial intelligencepattern recognition
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
33100 Tampere
Finlandia