SID: Säker datadelning för Industriell Digitalisering

Syfte och mål

Den digitala transformationen av industrin ökar datainsamlingen och behovet av att dela data mellan processer och aktörer. Mer datainsamling och kombinerade dataflöden från flera system öppnar stora möjligheter för dataanalys och maskininlärning. Men det finns ett hinder. Data är ofta känsligt att dela mellan olika intressenter och mellan företag och kunder. Detta förhindrar användningen av data. Projektets mål är att möjliggöra för svensk industri att använda integritetsbevarande tekniker för att dela och analysera känsligt data och undvika de hinder som finns idag.

Förväntade effekter och resultat

Integritetsbevarande tekniker ger cybersäkerhet i form av att undvika oönskade konsekvenser - läckage av känsligt data - om en incident skulle inträffa. Projektet kommer att leverera offentliga rapporter, praktiska riktlinjer och vetenskapliga publikationer för att dela med sig av lärdomar. En samling fallstudier, med tillhörande analys och identifiering av fallgropar, kommer att fungera som en praktisk guide för tillämpningen av integritetsbevarande dataanalys. Detta möjliggör ökad användning av känsligt data för analys och modeller och främjar datadriven utveckling.

Planerat upplägg och genomförande

Projektet kommer att genomföras i nära samarbete mellan projektpartnerna RISE, Sensative, Bron Innovation och industripartners i projektets referensgrupp. Projektet kommer att göra fallstudier med verkliga datamängder och genomföra integritets-, nytto- och prestandaanalyser av differentiell integritet, federerad inlärning samt även federerad inlärning kombinerat med differentiell integritet och homomorfisk kryptering. Projektet kommer att arrangera workshops med intressenter från svensk industri för att diskutera användningsfall och sprida projektresultaten.