PRIVATEER

Å skape et sikkert nettverk, enten det skal brukes hjemme eller på arbeidsplassen, innebærer å dele visse typer informasjon med tredjeparter. Jo mer komplisert system som skal beskyttes, jo flere behov for å dele kritiske deler av informasjon oppstår. 

Det EU-finansierte forskningsprosjektet PRIVATEER (Privacy-first Security Enablers for 6G Networks) har som mål om å oppnå mer personvern-fokusert sikkerhet for 6G. Dette foregår gjennom å studere, designe og utvikle innovative løsninger som har både innebygd personvern (privacy-by-design) og innebygd sikkerhet (security-by-design).

En viktig del av dette er bruk av føderert maskinlæring for deteksjon av sikkerhetshendelser. I slikt bruk av føderert maskinlæring samarbeider ulike «agenter» i utviklingen av datadrevne deteksjonskapabiliteter uten nødvendigvis å dele data med hverandre.

Dette krever sikker og personvernvennlig utveksling av «læringsdata» mellom agentene. FFI bidrar til å oppnå dette gjennom bruk av:

• Multi-party computation som bruker kryptografiske metoder for å la ulike «agenter» samarbeide på en beregning uten å dele privat data.
• Differential privacy som er en matematisk tilnærming til personvern hvor man kan gi en form for garanti på at man ikke kan finne ut om gitte datapunkt var brukt til å trene maskinlæringsmodellen.
• Adverserial maskinlæring som går ut på at man gjør maskinlæringen mer robust ved å angripe den og bruke angrepsdata til å herde systemet.