‘Eindelijk een privacyvriendelijke manier om data te benutten.’ Met die woorden presenteert TNO twee modellen voor data-analyse. Het gaat om multi-party computation en federated learning, waarbij alleen de uitkomsten van een data-analyse worden gedeeld en geen privacygevoelige gegevens worden uitgewisseld.

Multi-party computation (mpc) en federated learning zijn volgens TNO kansrijke technieken om data-analyse toepassingen op een privacyvriendelijke manier te ontwerpen. Zowel mpc als en  federated learning gaan uit van een scenario waarin meerdere partijen een gezamenlijke berekening of analyse willen uitvoeren op basis van hun eigen en andermans data zonder deze te hoeven delen. Denk aan een ziekenhuis en een zorgverzekeraar met het gezamenlijke doel om zo efficiënt mogelijk de beste zorg te leveren. Om dit te bereiken, hebben ze elkaars informatie nodig over de behandelhistorie van patiënten. De patiëntgegevens die hiervoor geanalyseerd moeten worden zijn echter privacygevoelig en zijn niet zomaar uit te wisselen. 

TNO breekt met de nieuwe toepassingen voor data-analyse met de huidige praktijk waarin vaak één partij alle gegevens in handen heeft om waarde te kunnen halen uit data. ‘Deel geen data, maar benut inzichten uit verspreide databronnen terwijl privacy en vertrouwelijkheid gewaarborgd worden’, adviseren de wetenschappers van TNO.  

Federated Learning

Federated Learning moet het privacyprobleem oplossen door de analyses naar de data te brengen in plaats van de data naar de analyses. Daarbij worden de analyses ‘opgeknipt’ in kleine deelberekeningen die lokaal zijn uit te voeren door de verschillende partijen. Na het uitvoeren van een berekening worden alleen de (tussen)resultaten met één of meerdere partijen gedeeld. De gevoelige data worden met niemand gedeeld en blijven bij de partij.

TNO: ‘Federated learning maakt het mogelijk op verspreide databases machine learning toe te passen: De algoritmen trainen lokale modellen op de verspreide databases en combineren deze tussenresultaten tot een globaal model. Veelal herhaalt dit trainingsproces zich een aantal keer tot een definitief model is bereikt.’

Deze versturen we 3-4x per jaar.