DataSphere Shield: Monetize Conhecimentos, Preserve a Privacidade

O projeto DataSphere Shield surge como resposta ao crescente desafio de equilibrar a proteção de dados pessoais com a sua utilização eficaz em contextos de negócio e investigação. Na era digital, a quantidade de dados gerados e armazenados por organizações aumenta exponencialmente, oferecendo potenciais insights valiosos para diversos setores. Contudo, esta oportunidade acarreta questões complexas relacionadas com a privacidade dos dados e a conformidade legal, particularmente sob regulamentações rigorosas como o Regulamento Geral sobre a Proteção de Dados (RGPD) da União Europeia. O objetivo central deste projeto é desenvolver uma plataforma que permita a exploração segura de dados digitais por parte de distintas organizações, mantendo a integridade e a privacidade dos indivíduos, um equilíbrio difícil de alcançar com as abordagens tradicionais. Os objetivos específicos incluem: 1. Desenvolver uma plataforma de orquestração de aprendizagem federada vertical e horizontal: Permitir a colaboração entre entidades com conjuntos de dados diferentes, mas complementares, maximizando a utilidade dos dados sem comprometer a privacidade. A aprendizagem federada será protegida contra ameaças como ataques de inversão de modelo, inferência de associação e viciação do modelo, garantindo que as colaborações permaneçam seguras e confiáveis. 2. Criar um framework de risco de privacidade para aprendizagem federada: Implementar métricas sólidas para avaliar e mitigar riscos ao longo do ciclo de vida dos dados. Este framework estará acessível aos produtores de dados, promovendo a confiança dos titulares e organizações e desbloqueando o valor económico dos dados na UE. Além disso, incluirá estratégias para mitigar riscos como a utilização de dados sintéticos, que oferecem uma solução inovadora para proteger a privacidade enquanto aumentam a eficácia dos modelos. 3. Explorar fundamentos legais e de licitude para atividades de processamento de dados: Estudar o panorama jurídico para assegurar a conformidade com regulamentos como o GDPR e outros enquadramentos globais. Este objetivo abordará aspetos como proteção de dados, direitos de propriedade intelectual, responsabilidade e considerações éticas. Este esforço é essencial para criar confiança e transparência entre todas as partes envolvidas no processo de aprendizagem federada. 4. Implementar mecanismos seguros para execução de código personalizado: Desenvolver soluções tecnológicas robustas para mitigar riscos associados à execução de código arbitrário, como injeção de malware, vazamento de dados e ataques DoS. Estas soluções incluirão métodos como assinatura de código e contentorização, garantindo que apenas código verificado é executado nos sistemas de aprendizagem federada. 5. Desenvolver um gestor de consentimentos dinâmico: Criar um sistema que permita ao titular dos dados gerir o consentimento de forma dinâmica, utilizando algoritmos que aprendam e adaptem preferências ao longo do tempo. O gestor incluirá arquiteturas interoperáveis e seguras para troca de informações, inspirando-se em frameworks como OAuth2 e UMA, promovendo um ecossistema de valorização de dados mais robusto. Este projeto aposta na inovação tecnológica e no aprimoramento de soluções existentes, respondendo às necessidades emergentes do mercado de cibersegurança. As soluções propostas promovem a confiança nos dados, desbloqueando o seu valor para a economia europeia, e são detalhadas no Anexo Técnico da Candidatura.