データの秘められた可能性を引き出す
問題点
グデータ、機械学習、分析技術の進展により、データ共有の能力は、病気を治療する薬の発見、金融詐欺の撲滅、産業を変革するビジネスインサイトの解明といった可能性を秘めています。しかし、病院、金融機関、企業などの組織は、プライバシー規制により正当にこの強力なデータの共有を禁止されています。暗号化、信頼できる実行環境（TEE）、分析技術の進歩により、プライベートデータを共有しながらプライバシーを保護し、新たな学習の解禁と進展が可能になりました。
ソリューション
>Fortanixは、プライベートデータを他者にさらすことなく、またプライバシー規制に違反することなく共有するプロセスを簡素化し、安全にします。複数の関係者が暗号化されたデータを「エンクレーブ」と呼ばれる信頼できる実行環境に提供し、そこでデータが統合・分析され、分析結果が暗号化された形式で各関係者に返されます。データは転送中、計算中、保存中のすべての過程で暗号化されたままであり、データのプライバシーを保護します。
プライベートなマルチパーティ分析は、複数の関係者が持つプライベートデータを、基となるデータや機械学習モデルを他の関係者にさらすことなく統合・分析する必要があるあらゆるケースに適用できます。この技術は、金融サービスにおける詐欺防止、医療業界での病気の検出や治療法の開発、またはビジネスインサイトの獲得に応用可能です。上記の例では、複数の病院がデータを統合し、放射線情報を用いて脳腫瘍をより正確に検出する機械学習モデルの訓練を行いました。
医療画像におけるフェデレーテッドラーニングの例
各当事者は機密データを保有しています。
各病院には、共有機械学習モデルの精度を向上させることができる患者の個人データがあります。
各当事者の秘密鍵によるデータ暗号化
機械学習モデルと患者の放射線データは、各病院のみがアクセス可能な秘密鍵で暗号化されています。
セキュアエンクレーブを作成しました
The Fortanix Runtime Encryption platform creates secure enclaves for the hospitals to upload their encrypted models and data sets.
データセットの統合とモデルの学習
分析アプリケーションはエンクレーブ内で実行され、データを統合し、モデルをトレーニングして、結果を導き出します。
各当事者に提供される結果
改善された機械学習モデルと更新されたデータセットを含む暗号化された結果は、機密データを一切公開することなく、各関係者に提供されます。
