Integritetsbevarande samverkande AI
Vad måste gälla, tekniskt och institutionellt, för att federerad analys av känsliga dataset ska vara förtroendevärd och inte bara decentraliserad?
Institutioner som inte kan samla sina känsliga data kan ändå lära tillsammans, om styrningen byggs jämsides med metoden.
Federated learning is often presented as a privacy guarantee. It is better understood as a change in where the risk sits. Moving computation to the data removes one exposure and introduces others: attribution that shifts with modelling choices, updates that leak, and a governance question about who is accountable when no single party holds the dataset.
I work on both halves of that, the technical behaviour of federated methods under audit, and the institutional arrangements that make a federation legible to a regulator or a ministry.
Utvalda arbeten
- ArtikelBA-FedSHAP: A reproducible toolkit for auditing background-induced attribution driftFörfattare, SSRN2026
- ProgramvaraBA-FedSHAP, auditing background-induced attribution driftFörfattare2026
- PolicyFederated learning for children's data: encoding trust in education systemsFörfattare, UNICEF Innocenti, Office of Strategy and Evidence2025
Nästa / Område
Människocentrerade adaptiva system