Privacy Enhancing Technologies: Guide on Federated Learning|PDPC Singapore

Технологии повышения конфиденциальности (PET) позволяют организациям обрабатывать, анализировать и извлекать полезную информацию из данных, не раскрывая при этом личную или коммерчески конфиденциальную информацию.

Федеративные вычисления - один из методов, решающий проблему, как обеспечить совместную разработку ИИ в организациях, чьи наборы данных изолированы нормативными, конкурентными или операционными ограничениями.
Это достигается за счет переноса вычислений туда, где находятся данные, а не централизации необработанной конфиденциальной информации.
Включает в себя две взаимодополняющие возможности: федеративное обучение (FL) и федеративную аналитику (FA).
Гайд в основном посвящен FL из-за его большей технической сложности и рисков конфиденциальности, включает структурированную оценку соответствия проблемы, практические рекомендации по проектным решениям, а также средства управления и технические меры по снижению рисков.

Целевая аудитория: CIO, CTO, CDO, специалисты по ИИ, защите данных и лиц, принимающих технические решения, которые могут прямо или косвенно участвовать в оценке, внедрении и управлении федеративными системами.

#AIShelf
————
@pattern_ai | AI GDPR Navigator