MOTIVATION
À l’ère du numérique, où le nombre de personnes utilisant divers services et outils numériques est plus élevé que jamais, les possibilités de collecter de grandes quantités de données à des fins statistiques et d’identification de modèles comportementaux sont nombreuses. Ces données peuvent être utilisées à des fins d’analyse et de prise de décision par les parties prenantes de différents secteurs, notamment le commerce de détail, les transports, les soins de santé, l’assurance, les médias et le divertissement ou les secteurs publics tels que la recherche médicale, les statistiques démographiques, etc.
L’utilisation des grands volumes de données disponibles sur les utilisateurs est très limitée pour des raisons de respect de la vie privée. C’est pourquoi les données sont isolées dans des îlots du système et ne sont pas disponibles pour une utilisation et un traitement secondaires. En outre, la pratique a montré que, dans de nombreux cas, les données sont consultées et partagées avec des tiers de manière injustifiée et que, même lorsque le consentement au traitement des données existe, les modèles d’apprentissage intègrent des approximations qui sont inexactes, partiales et souvent injustes.
Pourquoi Harpocrates
Le projet HARPOCRATES vise à jeter les bases de systèmes d’évaluation numériquement aveugles qui, de par leur conception, élimineront les variables indirectes telles que la géographie, le sexe, la race et d’autres facteurs, et auront à terme un impact tangible sur la construction de sociétés plus justes, démocratiques et impartiales. Pour ce faire, nous prévoyons de concevoir plusieurs schémas cryptographiques pratiques (chiffrement fonctionnel et chiffrement homomorphique hybride) pour analyser les données en préservant la vie privée.
Outre le traitement des données statistiques dans le respect de la vie privée, nous visons également à permettre une approche plus riche, plus équilibrée et plus complète dans laquelle l’analyse des données et la cryptographie vont de pair avec une évolution vers une plus grande protection de la vie privée.
Bases de données sur les privatisations
Dans HARPOCRATES, nous montrerons d’abord comment combiner efficacement la cryptographie avec les principes de la confidentialité différentielle pour sécuriser et privatiser les bases de données.
Données cryptées
Ensuite, nous construirons des modèles d’apprentissage automatique préservant la vie privée, capables de classer les données cryptées en effectuant des prédictions très précises directement sur les cryptogrammes dans des espaces de données fédérés.
Partage des données
Enfin, pour démontrer comment ces solutions répondent aux besoins des utilisateurs, nous mettrons en œuvre deux scénarios réels de partage transfrontalier de données liés à l’analyse des données de santé pour la médecine du sommeil et au renseignement sur les menaces pour les autorités locales.
Écosystème
En outre, Harpocrates construira un écosystème en s’appuyant sur les écosystèmes et les communautés existants, minimisant ainsi la quantité de travail et de ressources nécessaires pour contribuer au renforcement des capacités de cybersécurité et de la souveraineté de l’UE dans le domaine des technologies numériques.
Objectifs du projet
La disponibilité des Big Data combinée aux progrès de l’intelligence artificielle (IA) permet aux acteurs privés et publics de disposer de vastes capacités. Cependant, le partage de données entre organisations et entre pays, conformément au GDPR, est de plus en plus difficile, car la collecte de données personnelles granulaires et multidimensionnelles se heurte à l’amélioration des capacités de recoupement des ensembles de données.
HARPOCRATES s’appuie sur de nouveaux schémas cryptographiques pour faire progresser les capacités de l’apprentissage automatique préservant la vie privée (PPML) et de l’apprentissage fédéré (FL), permettant ainsi une formation, une validation et une prédiction décentralisées sur des données cryptées. Ces services de préservation de la vie privée et de calcul sécurisé permettent aux utilisateurs de bénéficier de l’intelligence des machines en nuage tout en gardant le contrôle des données.
HARPOCRATES permettra de mettre en place des systèmes d’évaluation numériquement aveugles, démontrés dans des scénarios d’application pratiques, contribuant ainsi à construire des sociétés plus justes, démocratiques et impartiales.
Nos objectifs
Concevoir des schémas efficaces de cryptage fonctionnel cachant des fonctions.
Combinez le chiffrement fonctionnel et la confidentialité différentielle pour obtenir des bases de données chiffrées privées.
Conception d’un système pratique de cryptage homomorphique hybride multi-clients.
Construire un cadre d’apprentissage automatique préservant la vie privée en combinant le chiffrement fonctionnel et le chiffrement homomorphe hybride.
Schéma d’apprentissage fédéré robuste à la Byzantine avec des garanties de confidentialité des données.
Études de cas réels et contribution à la science ouverte et à la recherche reproductible.
Contribuer à la mise en conformité GDPR automatisée et évolutive.