GHGA Vorlesungsreihe: Jean-Pierre Hubaux (virtuell)

• 21 Nov 2022

[Translate to Deutsch:]

Professor Jean-Pierre Hubaux vom École polytechnique fédérale de Lausanne (EPFL)  sprach am 21. November 2022 im Rahmen der GHGA-Vortragsreihe ("Advances in Data-Driven Biomedicine") über "GDPR-Compliant Federated Learning on Medical Data".

Diesen Vortrag können Sie hier ansehen.

Abstrakt:

Datasets are often siloed, as each of them needs to remain under the control of its data provider. Nevertheless, ML models have to be generated and run over these datasets. Over the last years, we have tackled this challenge in the framework of the Swiss Personalized Health Network . In this talk, we address the problem of privacy-preserving training and evaluation of neural networks in an N-party, federated learning setting. We propose a set of techniques that enable privacy-preserving neural network training. They rely on multiparty lattice-based cryptography to preserve the confidentiality of the training data, the model, and the evaluation data, under a passive-adversary model and collusions between up to N−1 parties. They make use of homomorphic encryption and secure multi-party computation. Our experimental results show that these techniques achieve an accuracy similar to centralized (or decentralized) non-private approaches and that their computation and communication overhead scales linearly with the number of parties. Furthermore, we explain how we are using these techniques for the federated analysis of medical data, in particular for genome-wide association studies. We also describe MedCo, the system under deployment in Swiss hospitals and abroad.  Finally, we mention our joint work with lawyers to show GDPR compliance, and explain how our start-up Tune Insight leverages on these techniques. We have published our work notably in the following papers: Nature Communications, Cell Patterns, NDSS, Usenix Security, Journal of Medical Internet Research, EuroCrypt, PETS and again PETS.

Biographie:

Jean-Pierre Hubaux ist ordentlicher Professor an der EPFL und Leiter des Labors für Datensicherheit. Mit seiner Forschung trägt er dazu bei, die Grundlagen und Instrumente für den Schutz der Privatsphäre in der heutigen hypervernetzten Welt zu entwickeln. Er hat Pionierarbeit in den Bereichen Datenschutz und Sicherheit in mobilen/drahtlosen Netzwerken und im Bereich der personalisierten Gesundheit geleistet.

Er ist der akademische Direktor des Center for Digital Trust (C4DT). Bis Dezember 2021 leitete er das nun abgeschlossene, vom ETH-Rat finanzierte Projekt Data Protection in Personalized Health (DPPH). Er ist Fellow des IEEE (2008) und des ACM (2010). Jüngste Auszeichnungen: Drei seiner Arbeiten wurden  2015, 2018 und 2021 auf dem IEEE Symposium on Security and Privacy ausgezeichnet. Er gehört zu den meistzitierten Forschern im Bereich des Datenschutzes und der Informationssicherheit. Mehr über ihn erfahren Sie hier.