Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

PID2020-116118GA-I00

Financiado

APRENDIZAJE FEDERADO PARA PRESERVAR LA PRIVACIDAD DE LOS DATOS

LA INTELIGENCIA ARTIFICIAL (IA) SE ENFRENTA A LOS RETOS PROPIOS DE SU PROGRESO, COMO SON LA CADA VEZ MAYOR CANTIDAD DE DATOS EXISTENTES, LAS DIVERSAS DISTRIBUCIONES QUE ESTOS DATOS PUEDEN EXPERIMENTAR CUANDO ESTAN DISTRIBUIDOS A T... ver más

01/01/2020

UGR

27K€

Presupuesto del proyecto: 27K€

Líder del proyecto

UNIVERSIDAD DE GRANADA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 5507

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01

0% 100%

Participantes

UGR

Lider

Proyectos interesantes

APRENDIZAJE FEDERADO PARA SECURIZAR DATOS EN... APRENDIZAJE FEDERADO PARA SECURIZAR DATOS EN EL USO DEL DEEP... Rechazado

PID2020-113795RB-C33 COMPROMISE: PRIVACIDAD EN MACHINE LEARNING COLABORATIVO Y DI... 136K€ Cerrado

TED2021-131291B-I00 APRENDIZAJE FEDERADO EXPLICABLE CON REDES BAYESIANAS 111K€ Cerrado

DIN2019-010876 Modelos de recomendación conscientes de privacidad para inte... 70K€ Cerrado

CNS2023-145059 Ciencias de la computación y tecnología informática 390K€ Cerrado

CPP2021-009135 ADVANCED IN-STORE FEDERATED-LEARNING ARCHITECTURE TO IMPROVE... 330K€ Cerrado

Últimas noticias

29-11-2024: IDAE En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones

29-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones

29-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 37 concesiones

Líder del proyecto

UNIVERSIDAD DE GRANADA

Total investigadores 5507

Presupuesto del proyecto 27K€

Descripción del proyecto LA INTELIGENCIA ARTIFICIAL (IA) SE ENFRENTA A LOS RETOS PROPIOS DE SU PROGRESO, COMO SON LA CADA VEZ MAYOR CANTIDAD DE DATOS EXISTENTES, LAS DIVERSAS DISTRIBUCIONES QUE ESTOS DATOS PUEDEN EXPERIMENTAR CUANDO ESTAN DISTRIBUIDOS A TRAVES DE VARIAS FUENTES DE DATOS, Y LA CADA VEZ MAS EVIDENTE NECESIDAD DE PROTEGER LA PRIVACIDAD E INTEGRIDAD DE LOS DATOS, ESTOS RETOS NO PUEDEN SUPERARSE CON EL ESQUEMA CENTRALIZADO O DISTRIBUIDO TRADICIONAL DE LA IA, DADO A LOS COSTES DE ALMACENAMIENTO Y COMUNICACIONES, Y LA DIFICULTAD DE ESTA FORMA DE PRESERVAR LA PRIVACIDAD DE LOS DATOS, EL PRESENTE PROYECTO PROPONE COMO SOLUCION A ESTOS RETOS EL APRENDIZAJE FEDERADO (AF), ESTE PERMITE ENTRENAR MODELOS DE APRENDIZAJE DE FORMA FEDERADA ENTRE DIVERSOS CLIENTES BAJO LA COORDINACION DE UNA ENTIDAD CENTRAL O SERVIDOR, CARACTERIZANDOSE PRINCIPALMENTE POR EL HECHO DE QUE LOS DATOS NO ABANDONAN LOS DISPOSITIVOS O CENTROS QUE LOS HAN GENERADO O POSEEN, DE ESTA FORMA, SE PODRA AUMENTAR LA DISPONIBILIDAD DE DATOS MEDIANTE LA CREACION DE REDES DE CENTROS DE DATOS, IMPULSANDO LA CAPACIDAD DE APRENDIZAJE DE LOS ALGORITMOS DE IA,EL PROYECTO ABARCA LOS PRINCIPALES DESAFIOS DEL AF, Y SE MARCA COMO OBJETIVO EL ESTUDIO DE LAS DIFERENTES ARQUITECTURAS QUE PUEDE PRESENTAR UN SISTEMA FEDERADO, QUE SON LA HORIZONTAL, VERTICAL Y DE TRASFERENCIA DE CONOCIMIENTO (TRASNFER FEDERATED LEARNING), EL AF NO ES UN ALGORITMO, DE FORMA QUE SE TENDRAN QUE ADAPTAR LOS DIVERSOS ALGORITMOS DE APRENDIZAJE AUTOMATICO EXISTENTES,AUNQUE LOS DATOS PERMANEZCAN EN SUS SILOS, DEBEN AUN PROTEGERSE DE INTENTOS ILEGITIMOS DE ACCEDER A ELLOS, ASI COMO DE ATAQUES ADVERSARIOS AL PROPIO MODELO DE APRENDIZAJE, ES POR ELLO, QUE SE INTEGRAN EN EL PROYECTO LA INVESTIGACION Y DESARROLLO DE METODOS DE PRIVACIDAD DIFERENCIAL, LA CUAL AUMENTARA LA PROTECCION A LA PRIVACIDAD E INTEGRIDAD DE LOS DATOS, Y A LA ROBUSTEZ DEL PROPIO MODELO,EL AF PROPORCIONA UNA CAPACIDAD DE APRENDIZAJE COLABORATIVO, LO CUAL SUPONE QUE LOS DATOS DE ALGUNOS CLIENTES PUEDEN VERSE MITIGADOS POR EL VOLUMEN DE DATOS DEL RESTO DE CLIENTES DE LA RED, ESTO OBLIGA A QUE LA CAPACIDAD DE GENERALIZACION DEL AF SE VEA COMPLEMENTADA CON UNA CAPACIDAD DE PERSONALIZACION A LAS PARTICULARIDADES DE LAS DISTRIBUCIONES DE DATOS DE CADA CLIENTE, POR TANTO, SE DISEÑARAN METODOS ESPECIFICOS PARA ADAPTAR QUE LOS MODELOS DE AF SE ADAPTEN A LAS ESPECIFICIDADES DE LOS DATOS DE LOS CLIENTES AL MISMO TIEMPO QUE SE CONSIGUE UN MODELO DE DATOS GENERICO,LOS MODELOS DE IA ACTUALES DEBEN SER INTERPRETABLES PARA QUE SUS USUARIOS PUEDAN ENTENDER SUS RESULTADOS Y LA RAZON DE ESTOS, ES POR ELLO POR LO QUE SE ADAPTARAN ALGORITMOS DE IA INTERPRETABLES, COMO LOS ARBOLES DE DECISION, Y SE IMPLEMENTARAN METODOS PROPIOS PARA MEJORAR LA INTERPRETABILIDAD DEL ESQUEMA FEDERADO RELACIONADO CON LA CONTRIBUCION DE CADA CLIENTE EN EL PROCESO DE APRENDIZAJE,EL MARCO EXPERIMENTAL DEL PROYECTO SERA EL DE CLASIFICACION DE IMAGENES, PERO SE CONSIDERARA TAMBIEN LOS PROBLEMAS PROPIOS DEL PROCESAMIENTO DEL LENGUAJE NATURAL COMO LA EXTRACCION DE INFORMACION Y EL ANALISIS DE SENTIMIENTOS, DEBIDO A QUE LOS DATOS TEXTUALES SON ABUNDANTES, EN SU MAYORIA DE CARACTER PERSONAL (HISTORIAS CLINICAS U OPINIONES EN UNA RED SOCIAL), Y DISTRIBUIDOS,EN SUMA, ESTE PROYECTO CONTRIBUIRA AL AVANCE DEL AF, EL CUAL PRETENDE SUPERAR LOS NUEVOS RETOS DE LA IA, Y PROPORCIONAR A ESTA DE LA CAPACIDAD DE PRESERVAR Y RESPETAR LA PRIVACIDAD E INTEGRIDAD DE LOS DATOS, CARACTERISTICAS ESENCIALES DE UNA IA CONFIABLE, APRENDIZAJE FEDERADO\DEEP LEARNING\PRIVACIDAD DIFERENCIAL\PERSONALIZACION\INTERPRETABILIDAD\ATAQUES ADVERSARIOS\PROCESAMIENTO DEL LENGUAJE NATURAL\ANALISIS DE SENTIMIENTOS\IA CONFIABLE

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores