Donnerstag, 29. September 2022
Navigation öffnen
Medizin

Verteiltes maschinelles Lernen: Besserer Datenschutz für KI-Anwendungen?

Verteiltes maschinelles Lernen: Besserer Datenschutz für KI-Anwendungen?
©Giovanni Cancemi - stock.adobe.com
Künstliche Intelligenz (KI) unterstützt die Menschen in Medizin, Mobilität und im Arbeitsalltag. Grundlage für KI-Systeme ist das Training mit Daten – häufig auch personenbezogenen Informationen. Die Methode des verteilten maschinellen Lernens kann den Datenschutz bei der Entwicklung von KI-Anwendungen verbessern, da die verwendeten Daten dabei nicht zentral gebündelt werden, sondern auf den Endgeräten und damit bei den Usern verbleiben. Allerdings kann dies auch neue Angriffspunkte für Cyberkriminelle schaffen. Einen Überblick über Potenziale und Risiken des verteilten maschinellen Lernens gibt die erste Ausgabe von KI Kompakt, einer neuen Publikationsreihe der Plattform Lernende Systeme.

Lösungen für datenschutzwahrende KI-Anwendungen schaffen

KI-Systeme analysieren großen Mengen an teils sensiblen Daten. Unternehmen stellt die Entwicklung von KI-Anwendungen mithilfe personenbezogener Daten vor große rechtliche Unsicherheiten; die Hürden zur Einhaltung des Datenschutzes und des Rechts auf informationelle Selbstbestimmung sind hoch. Die Methode des verteilten maschinellen Lernens bietet eine technische Lösung, datenschutzwahrende KI-Anwendungen zu schaffen: Statt zentral auf einem Server werden Modelle des maschinellen Lernens (ML-Modelle) auf vielen Endgeräten dezentral trainiert. Somit bleiben die persönlichen Daten bei den Nutzenden.
 
 

Lesen Sie mehr zu diesem Thema:

Datenschatz im Gesundheitsbereich soll in der EU gehoben werden

Erschienen am 04.05.2022EU-Bürger sollen ihre Gesundheitsdaten künftig in allen Ländern der Europäischen Union nutzen können. Welche Hürden es noch gibt, lesen Sie hier.

Erschienen am 04.05.2022EU-Bürger sollen ihre Gesundheitsdaten künftig in allen Ländern der Europäischen Union nutzen können....

© sdecoret – stock.adobe.com

Verteiltes maschinelles Lernen eröffnet neue Möglichkeiten zur effektiven und skalierbaren Nutzung von Daten

„Verteiltes maschinelles Lernen eröffnet neue Möglichkeiten zur effektiven und skalierbaren Nutzung von Daten, ohne diese teilen zu müssen. Dadurch werden viele hilfreiche Anwendungen mit sensitiven Daten erst möglich“, so Ahmad-Reza Sadeghi, Professor für Informatik der Technischen Universität Darmstadt und Mitglied der Arbeitsgruppe IT-Sicherheit und Privacy der Plattform Lernende Systeme.

Aktuelle ML-Ansätze sind Split Learning,  Federated Learning und Swarm Learning

Zu den aktuellen technischen Ansätzen des verteilten maschinellen Lernens zählen das Split Learning,  Federated Learning und Swarm Learning. Insbesondere KI-basierte Gesundheitslösungen, die personalisierte Patient:innendaten nutzen, um z.B. Krankheitsfälle wie Covid-19 oder Leukämie zu erkennen, können von der Methode des verteilten maschinellen Lernens profitieren.

Erreichen hoher Genauigkeit notwendiger Datenmengen durch verteiltes maschinelles Lernen

„KI-Systeme in der Medizin können nur erfolgreich sein, wenn ihnen die zum Erreichen hoher Genauigkeit notwendigen Datenmengen zur Verfügung stehen. Verteiltes maschinelles Lernen stellt eine der wichtigsten technischen Möglichkeiten dar, um dies unter Wahrung der informationellen Selbstbestimmung des Einzelnen zu ermöglichen“, sagt Björn Eskofier, Professor für Maschinelles Lernen und Datenanalytik an der Friedrich-Alexander-Universität Erlangen-Nürnberg und Mitglied der Arbeitsgruppe Gesundheit, Medizintechnik, Pflege der Plattform Lernende Systeme. Allerdings könne das verteilte maschinelle Lernen auch neue Einfallstore für Angreifer öffnen und möglicherweise ein trügerisches Sicherheitsgefühl erzeugen, heißt es im KI Kompakt. Wie neu entstehende Angriffsfenster geschlossen werden können, ohne die Leistungsfähigkeit einzuschränken, ist noch Gegenstand der Forschung.
 

Zum Format: KI Kompakt

KI Kompakt bietet einen knappen und fundierten Überblick über aktuelle Entwicklungen im Bereich Künstliche Intelligenz und zeigt Potenziale, Risiken sowie offene Fragen auf. Die Analysen entstehen mit Unterstützung von Expert:innen der Plattform Lernende Systeme und werden von der Geschäftsstelle herausgegeben. Den Auftakt zur neuen Publikationsreihe macht die Ausgabe „Verteiltes maschinelles Lernen: Besserer Datenschutz für KI-Anwendungen?“ Es steht zum kostenfreien Download zur Verfügung.

Über die Plattform Lernende Systeme

Die Plattform Lernende Systeme ist ein Netzwerk von Expert:innen zum Thema KI. Sie bündelt vorhandenes Fachwissen und fördert als unabhängiger Makler den interdisziplinären Austausch und gesellschaftlichen Dialog. Die knapp 200 Mitglieder aus Wissenschaft, Wirtschaft und Gesellschaft entwickeln in Arbeitsgruppen Positionen zu Chancen und Herausforderungen von KI und benennen Handlungsoptionen für ihre verantwortliche Gestaltung. Damit unterstützen sie den Weg Deutschlands zu einem führenden Anbieter von vertrauenswürdiger KI sowie den Einsatz der Schlüsseltechnologie in Wirtschaft und Gesellschaft. Die Plattform Lernende Systeme wurde 2017 vom Bundesministerium für Bildung und Forschung (BMBF) auf Anregung des Hightech-Forums und acatech – Deutsche Akademie der Technikwissenschaften gegründet und wird von einem Lenkungskreis gesteuert. Die Leitung der Plattform liegt bei Bundesministerin Bettina Stark-Watzinger (BMBF) und Reinhard Ploss (Präsident acatech).

 

Quelle: acatech – Deutsche Akademie der Technikwissenschaften, Lernende Systeme – Die Plattform für Künstliche Intelligenz

Literatur:

www.plattform-lernende-systeme.de
https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/KI_Kompakt/PLS_KI_Kompakt_ML.pdf



Sie können folgenden Inhalt einem Kollegen empfehlen:

"Verteiltes maschinelles Lernen: Besserer Datenschutz für KI-Anwendungen?"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.