Säkra enklaver för federerad maskininlärning

Syfte och mål

Projektets syfte är att utveckla och utvärdera en pilotlösning för att mitigera utmaningen att skydda och skapa betrodd exekvering av maskininlärning på lokala klienter baserad på säkra enklaver. Projektets huvudmål är att utveckla en pilotimplementation där säkra enklaver används för att skapa spårbar och säker federerad maskininlärning och att systematiskt utvärdera denna implementation utifrån två typer av maskininlärningsmodeller för att reducera risker associerade med implementering av en produktionslösning för decentraliserad AI.

Förväntade effekter och resultat

Huvudprojektleverabel består av en pilotimplementation för att kunna tillämpa på de två huvudsakliga användarfallen. En implementation som stödjer exekvering av federerad maskininlärning där säker enklav används för att öka säkerhet, korrekthet och pålitlighet i systemet. En implementation som stödjer exekvering där utvalda delar av federerad maskininlärning sker i säker enklav och delar utanför. En systematisk utvärdering av pilotimplementationerna ur prestandasynpunkt. Dissemination av resultaten i form av publikt tillgänglig rapport, kod och öppet seminarie.

Planerat upplägg och genomförande

Projektet är uppdelat i fyra huvudarbetspaket som alla avslutas av en milstolpe. WP1 - Teknisk utvärdering av identifierade och brett använda säkra enklav teknologier med möjlig tillämpning för federerad maskininlärning. WP2- Implementation av prototyp för verifiering av identiteter på klienter samt FEDn klienter som använder säker enklavteknik för de två användarfallen. WP3 - Systematiska prestandatester av den implementerade lösningen för de två användarfallen. WP4 - Resultatgranskning och förmedling till svensk industri och akademi.

Externa länkar

Grundprojekt utifrån vilket vidareutveckling kommer ske. Projektlandningssida