Maschinelles Lernen auf Basis geheimer und/oder personenbezogener Daten
Lernen Sie Hintergrundinformationen und Ansätze zur technischen Absicherung des Trainings und des Betriebs von Künstliche Intelligenz (KI)-Modellen kennen: Welche Maßnahmen können auf der Ebene der Daten (Privacy Enhancing Technologies, Anonymisierung) und der Architektur (verteiltes Lernen, Trusted Computing) ergriffen werden? Welche Vorteile bzw. Grenzen haben die unterschiedlichen Optionen?
Zielgruppe
Das Überblicksdokument richtet sich an Projektleitende, Data-Scientists und Entwickelnde, die sich mit Fragen der Informationssicherheit befassen möchten.
Zu erwartendes Ergebnis
Das Dokument vermittelt ein Grundverständnis für IT-Sicherheits- und Privacy-Fragestellungen rund um den Einsatz maschineller Lernverfahren sowie entsprechende Lösungsansätze. Es vermittelt einen Überblick, welche Schutzgüter beim ML-Einsatz auf Basis sensibler Daten zu beachten sind, welche Architekturen und technischen Ansätze in Betracht kommen, um sensible Daten im Training und/oder im Betrieb von KI-Systemen zu schützen und wie relevant die einzelnen Ansätze für die Praxis sind. Weiterhin werden auch Privacy-Angriffe auf KI-Modelle vorgestellt, die derzeit noch Gegenstand der Forschung sind. Diese zeigen die Relevanz der Informationssicherheit beim KI-Einsatz in Zukunft auf.
Rahmenbedingungen
Keine besonderen Anforderungen.
Bedienungsanleitung
Nicht notwendig.
Format
PDF, Diensleistung
Ansprechperson
Dr. Pascal Birnstill | Fraunhofer IOSB
pascal.birnstill@iosb.fraunhofer.de
pascal.birnstill@iosb.fraunhofer.de
Maschinelles Lernen auf Basis geheimer und/oder personenbezogener Daten
Lernen Sie Hintergrundinformationen und Ansätze zur technischen Absicherung des Trainings und des Betriebs von Künstliche Intelligenz (KI)-Modellen kennen: Welche Maßnahmen können auf der Ebene der Daten (Privacy Enhancing Technologies, Anonymisierung) und der Architektur (verteiltes Lernen, Trusted Computing) ergriffen werden? Welche Vorteile bzw. Grenzen haben die unterschiedlichen Optionen?
Zielgruppe
Das Überblicksdokument richtet sich an Projektleitende, Data-Scientists und Entwickelnde, die sich mit Fragen der Informationssicherheit befassen möchten.
Zu erwartendes Ergebnis
Das Dokument vermittelt ein Grundverständnis für IT-Sicherheits- und Privacy-Fragestellungen rund um den Einsatz maschineller Lernverfahren sowie entsprechende Lösungsansätze. Es vermittelt einen Überblick, welche Schutzgüter beim ML-Einsatz auf Basis sensibler Daten zu beachten sind, welche Architekturen und technischen Ansätze in Betracht kommen, um sensible Daten im Training und/oder im Betrieb von KI-Systemen zu schützen und wie relevant die einzelnen Ansätze für die Praxis sind. Weiterhin werden auch Privacy-Angriffe auf KI-Modelle vorgestellt, die derzeit noch Gegenstand der Forschung sind. Diese zeigen die Relevanz der Informationssicherheit beim KI-Einsatz in Zukunft auf.
Rahmenbedingungen
Keine besonderen Anforderungen.
Bedienungsanleitung
Nicht notwendig.
Format
PDF, Diensleistung
Ansprechperson
Dr. Pascal Birnstill | Fraunhofer IOSB
pascal.birnstill@iosb.fraunhofer.de
pascal.birnstill@iosb.fraunhofer.de
