Promotie Florian van Daalen

Trefwoorden:Federated learning, Privacy, Machine learning, Data delen 
 

"Privacy Preserving Vertically Partitioned Federated Learning: New Techniques and Considerations"

Onderzoek is afhankelijk van grote hoeveelheden data. Deze data wordt verzameld door verschillende instituten, en het is vaak moeilijk om de data te delen omdat deze privacy gevoelig is. In deze thesis worden een aantal nieuwe technieken voorgesteld om de data-analyse op een privacy beschermende manier uit te voeren. Er wordt gebruik gemaakt van federated learning technieken in lijn met de “personal health train”-aanpak voorgesteld door Dr. Andre Dekker. Deze thesis was onderdeel van het CARRIER project, en heeft een focus op “verticaal” gedeelde data scenarios. In deze scenarios hebben de verschillende partijen verschillende soorten data verzameld, maar het betreft dezelfde populatie bij iedere partij. In het CARRIER project is de data verdeeld in een socio-economische dataset, verzameld door het CBS, en twee medische datasets verzameld door het MUMC en de regionale huisartsen. In alle gevallen betreft het de patiënt populatie in Zuid-Limburg. Naast de nieuwe techniek, bespreekt deze thesis de huidige aanpak binnen onderzoek voor privacy. Het bekritiseerd de invloed van grote instituten, en stelt de vraag of we wel echt de individuele patiënten beschermen. 

Klik hier voor de livestream.