Projekt · Dnr 2023-02994 · Källa: Vinnova
SID: Säker datadelning för Industriell Digitalisering
- Koordinator
- RISE RESEARCH INSTITUTES OF SWEDEN AB, RISE
- Projekttid
- 2023-11-01 till 2025-10-31 (avslutat)
- Beviljat bidrag
- 6 225 250 SEK
- Diarienummer
- 2023-02994
Beskrivning
Målet med projektet har varit att studera integritetsbevarande tekniker och möjliggöra för svensk industri att i större utsträckning använda dessa metoder. Projektet har genomfört fallstudier med metoderna differentiell integritet och federerad maskininlärning och analyserat hur väl information skyddas och hur användbart data förblir när dessa metoder används. Fallstudierna har gett nya insikter om hur väl metoderna fungerar för olika typer av data och för olika användningsområden. Projektet har gett ökad kunskap om integritetsbevarande tekniker och har publicerat en praktisk guide till hur man använder dessa. Detta kan hjälpa svensk industri att använda metoderna på rätt sätt. Med en allt ökande datainsamling är det uppenbart att integritetsbevarande tekniker är något viktigt och kommer så vara framöver. Både för att skydda människors integritet och för att möjliggöra användandet av data till att träna AI-modeller i industri och offentlig verksamhet.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
SARDIN - Systemdemo, Analys, Resurseffektivitet, Datadelning, Integritetsskydd, Nyttiggörande
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2023-11-01 · 9 738 359 SEK · Projekt
Projektet visade att decentraliserad databehandling är tekniskt möjlig och juridiskt relevant, och kan bidra till att uppfylla integritetskrav inom EHDS. En systemdemonstrator för decentraliserad analys och integritetsskyddande tekniker (PETs) utvecklades. En spelmetodik togs fram som ett effektivt …
-
Säkra enklaver för federerad maskininlärning
Scaleout Systems AB · 2021-05-03 · 1 966 373 SEK · Projekt
Projektets mål har varit att utvärdera möjligheten att med så små insatser som möjligt från slutanvändaren möjliggöra integritetsbevarande maskininlärning på hårdvara som garanterar dataintegritet såväl som applikationens integritet, och därigenom möjliggöra samarbeten på klientnivå som annars inte …
-
Kontinuerlig, Aktiv Federated Learning för Dataströmmar
Lindholmen Science Park AB · 2025-06-01 · 3 870 228 SEK · Projekt
Fordon skapar stora mängder data med sina sensorer. Dagens metoder för AI-träning kan medföra risker för integritet och säkerhet om data lagras eller överförs. Nuvarande metoder för federerad inlärning (FL) kräver ofta långvarig datalagring. Projektet syftar till att möjliggöra kontinuerlig, aktiv o…
-
eCoreX2 - AI-metoder för att Koppla Mineralogi och Sågning av Borrkärnor till Malningseffektivitet fas 2
STIFTELSEN FRAUNHOFER-CHALMERS CENTRUM FÖR INDUSTRIMATEMATIK · 2025-11-15 · 6 014 091 SEK · Projekt
Syftet är att utveckla och integrera en kostnadseffektiv metod för att förutsäga malmers malbarhet genom sågenergi, XRF och AI-baserad geometallurgisk modellering. Målet är att operationalisera metoden direkt hos behovsägarna genom integration i deras borrkärne- och analysflöden, och därmed leverera…
-
Sjyst data!
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2022-02-01 · 15 959 351 SEK · Projekt
Sjyst data! möter behovet av att utnyttja data på ett sätt som förenar användarens krav på transparens och integritet, med att skapa nytta för företag och organisationer som vill utveckla datadrivna tjänster. Därför har vi utvecklat Sjyst data! Labbets tjänster och innovationsstöd som konkret bemöte…