Projekt · Dnr 2026-00392 · Källa: Vinnova
Privacy‑Preserving Decentralized Learning for Trustworthy Edge Intelligence in 6G Networks
- Koordinator
- RISE RESEARCH INSTITUTES OF SWEDEN AB, RISE AB - Digitala System
- Projekttid
- 2026-02-15 till 2026-06-15 (avslutat)
- Beviljat bidrag
- 100 000 SEK
- Diarienummer
- 2026-00392
Beskrivning
Projektet har i stort uppfyllt sina tekniska mål. Det har bidragit till ökad kunskap om integritetsrevision av federerad maskininlärning genom membership inference-attacker och om avvägningen mellan nytta och integritet under differential privacy, relevant för förtroendeingivande edge-AI i 6G. Projektet förväntas bidra till integritetsbevarande, förtroendeingivande edge-AI för 6G, med metoder för att granska och begränsa informationsläckage i modeller. Det stödjer regelefterlevnad och öppnar nya forsknings- och examensarbetsspår inom integritetsrevision.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
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 …
-
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 …
-
FREEWAY - Automatisera asynkron federerad inlärning och Edge Computing för effektiv analys av fordonsdrift
Volvo Technology AB · 2025-08-17 · 7 349 996 SEK · Projekt
FREEWAY-projektet syftar till att leverera nästa generations digitala tjänster för elektromobilitet genom att möjliggöra asynkron federerad inlärning (AFL) för att hantera skalbarhetsutmaningar, integrera avancerad edge processing och MLOps-arbetsflöden för att förbättra fordonens driftseffektivitet…
-
Mixture of Experts-modeller anpassade för Fleet Intelligence
Scaleout Systems AB · 2025-08-25 · 4 043 633 SEK · Projekt
Digitalisering skapar enorma datamängder vid nätverkets kant. Federated Learning (FL) möjliggör lokal AI-träning utan att dela rådata och stärker integritet inom vård, transport, finans och försvar. Scaleout Systems utvecklar fleet intelligence där fordon samarbetar för säkerhet och övervakning. Gen…
-
LEAKPRO II: Operativ integritetsriskhantering för AI-system
Lindholmen Science Park AB · 2025-11-10 · 13 787 510 SEK · Projekt
LeakPro är ett ramverk med öppen källkod som utvärderar hur AI-modeller, syntetiska data och federated learning-modeller kan läcka känslig information genom avancerade integritetsattacker. Projektet bygger vidare på detta genom att utöka attackmetoder, lägga till verktyg för skadebedömning och stärk…