Skalbara och säkra distribuerade beräkningsnätverk

Syfte och mål

Målet i det här projektet är att utveckla säkra och skalbara distribuerade beräkningsnätverk baserad på AI-in-a-box beräkningsnoder för säker, integritetsbevarande och skalbar maskininlärning på öppen infrastruktur. Detta åstadkoms genom att utnyttja en kombination av homomorf kryptering, differential privacy samt federated learning.

Förväntade effekter och resultat

Projektet utvecklar kunskap om utveckling och implementering av säkra beräkningsnätverk för säker maskininlärning på stor skala, inklusive tillhörande maskininlärningsmetoder, samt en kartläggning av kravbilden på datasäkerhet för databehandling av känslig information på öppen infrastruktur.

Planerat upplägg och genomförande

Projektet varar i tre år och består av följande fyra tekniska arbetspaket: * WP1: Computation network - utveckling av beräkningsnätverkets arkitektur och noder * WP2: Algorithms - forskning och utveckling av algoritmerna * WP3: Application platform - design och utveckling av applikationen för användaren * WP4: Use-case - implementering och utvärdering av algoritmerna, arkitekturen, och nätverket i ett proof-of-concept Utöver de tekniska aktiviteterna ingår ett femte arbetspaket för projektledning, rapportering, och resultatspridning.