AIDE

L’objectif du projet AIDE est de définir et de mettre en œuvre une plateforme d’apprentissage fédéré (federated machine learning) et de démontrer son efficacité à travers plusieurs études de cas. L’apprentissage fédéré permet à plusieurs clients d’entraîner de manière collaborative un modèle d’apprentissage de manière distribuée. Le processus comprend les trois étapes suivantes :

1. les modèles locaux sont appris sur des données et des algorithmes locaux,
2. puis agrégés en modèles globaux plus complets qui respectent les politiques de partage des entités participantes, et
3. enfin les modèles globaux sont déployés dans l’infrastructure des entités participantes.

L’apprentissage fédéré fournit donc une approche intégrée pour le partage et l’apprentissage à partir d’informations sans qu’il soit nécessaire de partager des quantités massives de données sensibles dans un serveur centralisé, ce qui apporte des avantages substantiels en matière de sécurité, confidentialité et protection de la vie privée. En outre, l’apprentissage fédéré est plus efficace en termes de ressources car il remplace le partage d’énormes ensembles de données par le partage de paramètres de modèles.
Afin de créer des systèmes d’apprentissage fédéré robustes, les vulnérabilités potentielles doivent être soigneusement évaluées et des contre-mesures appropriées basées sur les risques doivent être développées.

Un vaste éventail d’applications peut bénéficier de l’apprentissage fédéré. Le projet AIDE commencera par deux cas : un dans le domaine de la cybersécurité, où le partage d’informations sensibles est crucial, et un second dans les environnements de l’Internet industriel des objets (IoT).
Pour la cybersécurité, l’apprentissage fédéré par le partage des informations sur les menaces peut renforcer les tests de pénétration, améliorer la synthèse de la réparation automatique du code pour les vulnérabilités et optimiser l’analyse des logiciels malveillants, le renseignement sur les menaces et la détection des intrusions.
Pour l’IoT, l’accent sera mis sur la maintenance prédictive.

Le projet AIDE financé par l’appel 2022 "Financement de projets pour le développement de l’intelligence artificielle en Belgique" a été prolongé lors de l’appel 2023 pour le domaine thématique “Cybersécurité et apprentissage fédéré. Le projet AIDE 2022 a travaillé avec deux étude de deux cas : une dans le domaine de la cybersécurité, où le partage d’informations sensibles est crucial, et une seconde dans les environnements de l’Internet industriel des objets (IoT). Dans l’extension du projet AIDE de l’appel 2023 d’autres études de cas seront considérées en plus des deux initiales. Elle seront proposées par un comité de valorisation dont le rôle est de proposer/valider le choix des études de cas et de mesurer l’impact sur le tissu socio-économique. L’extension du projet permettra de continuer à poursuivre les objectifs initiaux, mais également d’explorer le lien avec l’accès aux données à grande échelle en faisant le lien avec le concept de “Data Space” et de “SOLID data pod”. Un “Data Space” est une infrastructure numérique qui permet l’échange sécurisé et fiable de données entre différentes organisations et individus (interopérabilité). Il s’agit d’un élément clé de la stratégie européenne en matière de données, qui vise à faire de l’UE un leader dans une société fondée sur les données. Les “SOLID data pod” sont un type de “data store” qui peut être utilisé pour stocker des données dans un “Data Space”. Les “SOLID data pod” sont décentralisés, ce qui signifie qu’ils ne sont pas hébergés par une entreprise ou une organisation centrale, ce qui les rend plus sécurisés et privés que le stockage de données traditionnel. Dans ce contexte, le projet Solid Lab et la protection/l’accès aux données médicales (en lien avec les projets des autres domaines thématiques de l’appel 2023) ont été identifiés comme étant stratégiques. Ces aspects seront étudiés dans les WP4/WP3.