Federerad Tabular Datasyntetisering - Ett samarbete mellan banker

Syfte och mål

Det övergripande målet med projektet är att demonstrera möjligheten för banker att samarbeta i att bygga datadrivna modeller. Detta projekt syftar specifikt till att etablera en federerad infrastruktur mellan projektparterna för att träna en generativ modell för syntetisering av tabulär data. Projektet kommer att innefatta både tekniska såväl som juridiska utmaningar då målet är att arbeta med data av känslig natur. Syftet med projektet är därmed att påvisa att de tekniska och juridiska aspekterna är hanterbara och därmed påvisa att det är möjligt att samarbeta kring känslig data.

Förväntade effekter och resultat

Projektet förväntas bidra till kunskap i hur infrastruktur för federerat lärande kan upprättas inom bankväsenden. Vidare förväntas även de juridiska utmaningarna kring känslig data i samband med federerad inlärning kartläggas och, i viss mån, kringgås. I samband med de förestående resultaten kommer även samtliga projektparter att bygga kunskap kring vad som krävs i upprättandet av federerade strukturer för inlärning i en riktig miljö. Resultatet av projektet förväntas inspirera till uppföljningsprojekt inom federerad inlärning inom t.ex. identifiering av penningtvätt.

Planerat upplägg och genomförande

Projektet är uppdelat i sex arbetspaket som där paket 1 och 2 fokuserar på att etablera en federerad testbädd baserad på AI Swedens Edgelab. Paket 3 och 4 fokuserar på legala aspekter och risker inom IT för att upprätta en federerad arkitektur. De sista två paketen handlar om att upprätta den federerade lösningen inom bankerna.