Skip to main content
CORDIS - Forschungsergebnisse der EU
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Privacy preserving federated machine learning and blockchaining for reduced cyber risks in a world of distributed healthcare

Projektbeschreibung

Big Data und KI für sichere medizinische Innovationen

Big Data und künstliche Intelligenz (KI) ebnen neue Wege für Verbesserungen in der Gesundheitsversorgung. Sie bergen allerdings auch Risiken bezüglich der vertraulichen klinischen Daten, die in der kritischen IKT-Infrastruktur des Gesundheitswesens gespeichert sind. Das EU-finanzierte Projekt FeatureCloud stellt ein bahnbrechendes System mit konzeptionsintegrierter Sicherheit vor, das die Verwundbarkeit gegenüber Cyberkriminalität senken und sichere grenzübergreifende, gemeinschaftliche Data-Mining-Bemühungen ermöglichen soll. Das Konzept wird auf ein Software-Instrumentarium angewandt werden, das die weltweit erste Methode mit in die Architektur integriertem Datenschutz nutzt. Zentrale Eigenschaften der Methode bestehen darin, dass keine vertraulichen Daten über irgendwelche Kommunikationskanäle übermittelt werden und dass die Daten nicht an nur einer zentralen Stelle gespeichert werden. FeatureCloud wird dezentrales maschinelles Lernen und Blockchain-Technologie integrieren, um die KI-Technologien der nächsten Generation sicher auf medizinische Innovationen anwenden zu können.

Ziel

The digital revolution, in particular big data and artificial intelligence (AI), offer new opportunities to transform healthcare. However, it also harbors risks to the safety of sensitive clinical data stored in critical healthcare ICT infrastructure. In particular data exchange over the internet is perceived insurmountable posing a roadblock hampering big data based medical innovations. FeatureCloud’s transformative security-by-design concept will minimize the cyber-crime potential and enable first secure cross-border collaborative data mining endeavors. FeatureCloud will be implemented into a software toolkit for substantially reducing cyber risks to healthcare infrastructure by employing the world-wide first privacy-by-architecture approach, which has two key characteristics: (1) no sensitive data is communicated through any communication channels, and (2) data is not stored in one central point of attack. Federated machine learning (for privacy-preserving data mining) integrated with blockchain technology (for immutability and management of patient rights) will safely apply next-generation AI technology for medical purposes. Importantly, patients will be given effective means of revoking previously given consent at any time. Our ground-breaking new cloud-AI infrastructure only exchanges learned model representations which are anonymous by default. Collectively, our highly interdisciplinary consortium from IT to medicine covers all aspects of the value chain: assessment of cyber risks, legal considerations and international policies, development of federated AI technology coupled to blockchaining, app store and user interface design, implementation as certifiable prognostic medical devices, evaluation and translation into clinical practice, commercial exploitation, as well as dissemination and patient trust maximization. FeatureCloud’s goals are bold, necessary, achievable, and paving the way for a socially agreeable big data era of the Medicine 4.0 age.

Aufforderung zur Vorschlagseinreichung

H2020-SC1-FA-DTS-2018-2020

Andere Projekte für diesen Aufruf anzeigen

Unterauftrag

H2020-SC1-FA-DTS-2018-1

Koordinator

UNIVERSITY OF HAMBURG
Netto-EU-Beitrag
€ 734 876,39
Adresse
MITTELWEG 177
20148 Hamburg
Deutschland

Auf der Karte ansehen

Region
Hamburg Hamburg Hamburg
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 734 876,39

Beteiligte (9)