Privacy Preserving Data Sharing
Wist je dat traditionele machine learning, waarbij data van meerdere partijen wordt samengebracht, heel wat privacyrisico's met zich meebrengt?
Odisee hogeschool
Waar gaat dit over?
Veel bedrijven zijn hierdoor terughoudend om hun data met anderen te delen. Toch kan het gebruik van data van externe bronnen (zoals derde partijen en overheidsdiensten) de ontwikkelde machine learning modellen verfijnen en daarmee de bedrijfsactiviteiten optimaliseren.
In deze context onderzoeken we Federated Learning, een nieuwe technologie om modellen gedecentraliseerd te trainen zonder de data zelf uit te wisselen. In ons onderzoeksproject ontdek je hoe deze privacy-vriendelijke methode van machine learning kan worden geïmplementeerd en wat de vereisten zijn om praktisch van start te gaan. De resultaten van het project worden gedemonstreerd aan de hand van cases uit de zorgsector.
Interesse in dit project?
Wil je meer weten? Neem dan zeker contact op met Thomas Van den Bossche of Katja Verbeeck ze vertellen je graag alles over dit (en andere) projecten.
Onderzoek, dat mag gezien worden!
Met het digitaal magazine "Uitpakken met impact" willen de Vlaamse hogescholen exact dat doen wat de titel beoogt: laten zien (en ook een beetje 'stoefen') van hoe ze ondernemingen en organisaties helpen te professionaliseren en welke impact ze daarmee precies realiseren op de werkvloer.
Wil je precies weten wat er de afgelopen 3 jaar zoal gebeurde op gebied van onderzoek, innovatie en de kennisdeling van al deze opgebouwde expertise? Dan geeft dit digitaal magazine antwoord op deze vragen.