VLAIO TETRA Project

Privacy Preserving
Data Sharing

Wil je meer halen uit je data door deze te verrijken met data verkregen via externe partijen? Of zie je wel een opportuniteit in het verhandelen van je eigen data?

Voor wie?

Privacy Preserving Data Sharing

Dit project Privacy Preserving Data sharing (DASH) van Odisee en KULeuven richt zich tot:

  • Ondernemingen
  • Non-profit organisaties
  • Overheden

Sommige actoren exploreren opportuniteiten om data te delen. Anderen willen net externe data aanwenden om eigen activiteiten te optimaliseren. Nog anderen, bijvoorbeeld technologiebedrijven, leveren algoritmen en/of infrastructuur om gedistribueerde samenwerkingen te ondersteunen.

Projectdoelstellingen

Data van externe bronnen kan de ontwikkelde Machine Learning modellen verder uitbreiden en verfijnen en de bedrijfsactiviteiten verder optimaliseren.

Daarnaast zien bedrijven ook een extra bron van inkomsten in het verhandelen van hun waardevolle data aan derden. Dit kunnen zowel persoonsgegevens als gevoelige bedrijfsgegevens zijn.

Waar dit meestal op technisch vlak geen obstakel blijkt te zijn, blijft het in veel gevallen onduidelijk hoe en met welke technologieën dit op een privacy-vriendelijke manier kan gebeuren.

Het doel van dit project is om de Vlaamse kmo te ondersteunen bij het opzetten van samenwerkingen waarbij gevoelige gegevens worden gedeeld en verwerkt. Dit omvat het selecteren en integreren van:

  • Kwalitatieve anonimiseringsstrategieën
  • Waardevolle verwerkingsalgoritmen
  • Technologieën voor het uitbouwen van een gedistribueerde infrastructuur
Privacy Preserving Data Sharing

Wat kan je verwachten?

Privacy Preserving Data Sharing

Een set van best practices wordt geëxtraheerd en samengebracht in een interactieve Data Sharing Gids die ondernemingen helpt bij:

  • het selecteren van geschikte anonimiseringstechnieken
  • het selecteren van valabele data verwerkingstechnieken 
  • richtlijnen rond de keuze van de infrastructuur het gebruik en delen van data van derden.
  • workshops met demonstraties van use-cases binnen de zorg en logistiek
  • hands-on sessies rond anonimiseringstools en gedistribueerde leertechnieken zoals Federated learning.

Tijdlijn

01 / 12 / 2021 Startdatum project
01 / 12 / 2022 Demo praktische experimenten op publieke datasets
01 / 12 /2023 Data sharing gids + demo cases uit de zorg en logistiek
01 / 12 / 2023 Einddatum