Progetti

GenF: Federated Learning as a Service (FLaaS) with Generative AI

Generative AI per migliorare il Federated Learning

Finanziamento: ICSC Innovation Funds

Tecnologia abilitante: Artificial Intelligence, Machine Learning

Obiettivi di sviluppo sostenibile

GenF mira a estendere FLaaS incorporando caratteristiche di AI generativa per migliorare la privacy e l’addestramento dei modelli in FL. I peer all’interno della federazione si addestrano inizialmente solo su dati sintetici e lo scambio di conoscenze impiega metodi basati sulle prove. Il processo di sintesi che rispetta la privacy prevede la navigazione negli spazi latenti dei modelli generativi per offuscare i dati sensibili. Questa innovazione è volta a colmare le lacune di sicurezza dei sistemi FL convenzionali, offrendo una soluzione incentrata sulla privacy per le applicazioni sanitarie.

Centro Nazionale di Ricerca in High Performance Computing Big Data e Quantum Computing (ICSC), progetto finanziato dall’Unione Europea – NextGenerationEU – e dal Piano Nazionale Ripresa e Resilienza (PNRR) – Missione 4 Componente 2.

Obiettivi

L’obiettivo principale è estendere FLaaS migliorando le capacità di apprendimento tra pari. Questo obiettivo è raggiungibile sfruttando il potenziale di trasformazione dell’intelligenza artificiale generativa per promuovere una strategia di apprendimento distribuito che preservi la privacy e sia guidata dai dati.

Sfida iniziale

Migliorare lo stato dell’arte dell’IA generativa e della FL con tutela della privacy. Dopo aver acquisito una panoramica dei metodi più efficaci per la sintesi dei dati nel rispetto della privacy, il progetto mira a integrare l’IA generativa nel prototipo FLaaS.

Soluzione

L’integrazione dell’IA generativa si traduce in un prototipo FLaaS avanzato: ciò consentirà al prototipo di disporre di funzionalità migliori e più efficaci per l’apprendimento distribuito rispettoso della privacy.

Benefici

Alcuni risultati attesi sono:

Contribuire alla comprensione da parte della comunità scientifica più ampia delle potenziali applicazioni e dei benefici di FLaaS in ambito sanitario.
Far progredire la visione dell’apprendimento federato in ambito clinico.
Promuovere progressi collaborativi nell’apprendimento automatico a tutela della privacy.

Per quanto riguarda le industrie, il prototipo FLaaS migliorato è pronto a posizionarsi come forza pionieristica nel mercato dell’apprendimento federato. L’obiettivo è quello di coinvolgere i centri clinici nell’apprendimento federato senza condividere direttamente i dati sensibili dei pazienti, favorendo così la creazione di modelli predittivi più robusti e precisi.

Il ruolo di IFAB

IFAB ha partecipato al progetto con un ruolo operativo, contribuendo alla gestione e al coordinamento delle attività nelle diverse fasi di sviluppo. Il coinvolgimento ha riguardato sia gli aspetti organizzativi che quelli di raccordo tra i soggetti coinvolti, assicurando la coerenza tra le attività svolte e gli obiettivi progettuali. Attraverso questo contributo, IFAB ha concorso alla corretta esecuzione del progetto e alla produzione dei risultati attesi, mettendo a disposizione le proprie competenze gestionali a supporto dell’intero processo.