Comme vous le savez peut-être déjà, il existe de nombreuses données, et certaines d’entre elles pourraient en fait être très utiles. Mais les considérations de confidentialité et de sécurité imposent souvent des limites strictes à la façon dont il peut être utilisé ou analysé. DataFleets promet une nouvelle approche par laquelle les bases de données peuvent être consultées et analysées en toute sécurité sans possibilité de violation de la vie privée ou d’abus – et a levé un tour de table de 4,5 millions de dollars pour l’étendre.

Pour travailler avec des données, vous devez y avoir accès. Si vous êtes une banque, cela signifie des transactions et des comptes; si vous êtes un détaillant, cela signifie des stocks et des chaînes d’approvisionnement, etc. Il y a beaucoup d’idées et de modèles exploitables enfouis dans toutes ces données, et c’est le travail des data scientists et de leurs semblables de les extraire.

Mais que faire si vous ne peut pas accéder aux données? Après tout, il existe de nombreux secteurs dans lesquels il n’est pas conseillé ou même illégal de le faire, comme dans le domaine de la santé. Vous ne pouvez pas exactement prendre les dossiers médicaux d’un hôpital dans son ensemble, les donner à une entreprise d’analyse de données et dire «passez au crible et dites-moi s’il y a quelque chose de bon». Ceux-ci, comme de nombreux autres ensembles de données, sont trop privés ou sensibles pour permettre n’importe qui accès sans entraves. La moindre erreur – sans parler d’abus – pourrait avoir de graves répercussions.

Infos WEB:  Un malware chinois utilisé dans des attaques contre des organisations australiennes

Au cours des dernières années, quelques technologies ont vu le jour qui permettent quelque chose de mieux: analyser les données sans jamais les exposer. Cela semble impossible, mais il existe des techniques de calcul permettant de manipuler des données sans que l’utilisateur n’ait jamais réellement accès à l’une d’entre elles. Le plus largement utilisé est le cryptage homomorphique, qui produit malheureusement une énorme réduction de plusieurs ordres de grandeur de l’efficacité – et le big data est une question d’efficacité.

C’est là que DataFleets intervient. Il n’a pas réinventé le cryptage homomorphique, mais l’a en quelque sorte contourné. Il utilise une approche appelée apprentissage fédéré, où au lieu d’apporter les données au modèle, ils apportent le modèle aux données.

DataFleets …

Voir la source de cette publication