Opis projektu
Spora dawka przetwarzania dużych zbiorów danych
Duże zbiory danych zawierają ogromne i trudne do opanowania ilości uporządkowanych i nieuporządkowanych danych. Są tak duże, że przetwarzanie ich przy użyciu tradycyjnych metod jest trudne lub niemożliwe. Finansowany ze środków UE projekt SECURED zwiększy skuteczność przetwarzania poprzez przeskalowanie obliczeń z udziałem wielu stron, anonimizację danych i generowanie danych syntetycznych. Skupiając się na prywatnej i obiektywnej SI i analityce danych, zespół projektu zademonstruje technologie opracowane w przypadkach użycia związanych ze zdrowiem, takich jak klasyfikacja guzów w czasie rzeczywistym, zdalny monitoring dzieci i dostęp do danych genomowych. Poza przyspieszeniem i wsparciem chroniących prywatność narzędzi i usług opartych na danych, służących dobremu samopoczuciu, profilaktyce, diagnostyce, leczeniu i opiece długoterminowej, zespół projektu SECURED przeanalizuje również obecne etyczne i prawne wyzwania związane z udostępnianiem danych.
Cel
The overall goal of the SECURED project is to scale up multiparty computation, data anonymization and synthetic data generation, by increasing efficiency and improving security, with a focus on private and unbiased artificial intelligence and data analytics, health-related data and data hubs, and cross-border cooperation. The project will address the limitations that are currently preventing the widespread use of secure multiparty computation and effective anonymization, namely: the limited practical capabilities of current cryptographic schemes for secure multi-party computation protocols, and their performance; the lack of well understood and standardized data anonymization methods for health data; the absence of dynamic and on demand services for generating synthetic data; the complex and ad-hoc nature of current federation protocols for machine learning and AI-based data analytics; the lack of support for health technology providers to implement privacy enhancing technologies, in particular SMEs.
SECURED will tackle these challenges by focusing on scaling up privacy technologies via algorithmic improvements and implementation efficiency (HW and SW), as well as the generalization of primitives and definitions, with the aim of speeding up and facilitating privacy preserving data-driven tools and services for wellbeing, prevention, diagnosis, treatment and follow-up care. SECURED will also analyse the current ethical and legal challenges to data sharing, and is targeted at overcoming current limited adoption of advanced multi-party computation and data anonymization technologies by providing direct support to health technology SMEs through a funding call. To ensure relevance to real-world settings, SECURED will showcase the technologies developed in four health-related use cases provided by partner hospitals and health stakeholders, namely: real-time tumor classification; telemonitoring for children; synthetic data generation for education; access to genomic data.
Dziedzina nauki
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
1012WX Amsterdam
Niderlandy