La nostra ricerca sulle applicazioni concrete delle Privacy Enhancing Technologies continua qui con alcuni Differential Privacy Example. Consideriamo uno scenario plausibile. La DF in modo intuitivo Un’organizzazione intende condividere dati con terze parti, e procede rimuovendo o anonimizzando le PII, Personally Identifiable Information. Abbiamo già approfondito perché sia difficile l’anonimizzazione dei dati personali, ma dobbiamo […]

Ci siamo. In questo blogpost presentiamo finalmente le Privacy-enhancing Technologies (PETs). Indubbiamente i dati sono oggi prezioso carburante dell’industria. Alimentando visione strategia e processi decisionali, sostengono la crescita e lo sviluppo di nuove tecnologie, come l’Intelligenza Artificiale e l’Internet Of Things. Perché servono le Privacy-enhancing technologies? Per beneficiare a fondo di queste nuove tecnologie (i.e. […]

La verificabilità (verifiability) di una computazione, provata da un soggetto a un altro, dimostra che questa sia avvenuta come programmato (rispettando l’accordo, dunque fedelmente o faithfully) senza compromettere la segretezza del dato. Mi spiego meglio. La coputation veriafiability è un’importante nozione nell’applicazione di tecniche di tutela della privacy, e cioè delle Privacy Enhancing Technology. Devi […]

PyDP (Python Differential Privacy) è una libreria open source per Privacy Preserving AI e Data Science, sviluppata dalla community di OpenMined. Ammettiamolo: tu e io siamo persone pragmatiche. Bella la teoria, il lieto studio, e le preziose definizioni da condividere con amici sorseggiando un Negroni a Monte Carlo. Per inciso, non ci sono mai stato […]

GPT-3 è un modello di Natural Language Processing sviluppato dall’azienda fondata da Elon Musk, Open AI. Con 175 miliardi di parametri è tra i modelli più avanzati al mondo e le applicazioni che sono state create in pochi mesi dal suo rilascio lasciano a bocca aperta. Allenato su un ampio web corpus, è possibile fornire […]

DataFleets è una Federated Learning Platform, con un API per analisi con tutela della privacy, capace di unificare dati privati e distribuiti per un loro rapido e sicuro accesso. Può essere pensata come il firewall tra gli utenti e i dati. Invece di bloccare virus e minacce, garantisce con sicurezza matematica la privacy in ogni […]

Il Differential Privacy by Shuffling è un approccio di differential privacy che si pone l’obiettivo di risolvere il compromesso tra privacy e utilità (i.e. Accuratezza). Vediamo di cosa si tratta più nel dettaglio. Rammentando il nostro articolo introduttivo, sappiamo che la Differential Privacy può essere intesa come il sistema standard attraverso cui misurare la privacy […]

Il machine learning è oggi usato per calcolare il credit score, l’indicatore del merito creditizio dei richiedenti un prestito finanziario, impiegato per valutare la sua eventuale insolvibilità. In questo post vediamo insieme come tecniche di tutela della privacy possano essere concretamente impiegate per maggiore sicurezza! Un requisito fondamentale per ogni data scientist e machine learning […]

Il Federated Averaging è il più popolare federated optimizer per risolvere problemi di federated learning. Evidentemente è tutto chiaro e la definizione non necessita di ulteriori spiegazioni. Direi quindi che possiamo concludere qui il post. Ci sei ancora? Benissimo! Ora che abbiamo allontanato le persone pigre, ecco che siamo rimasti solo io e te: preparati […]

Apheris AI è un’azienda tedesca specializzata nell’analisi su dati distribuiti, attraverso tecniche che consentono la tutela della privacy, con focus nell’healthcare. In questo post, analizziamo Apheris AI per capire meglio come le tecniche di privacy-preserving possano essere impiegate concretamente per distribuire valore alle aziende. In una parola: Business! Prima, una breve introduzione. Machine Learning Companies […]