Nuestra intensa actividad digital diaria genera una huella de la que es posible extraer información confidencial. La conexión continua a través de nuestros teléfonos móviles, las redes sociales o los vehículos inteligentes deja un rastro de datos sensibles, por ejemplo, nuestra ubicación vinculada a las publicaciones o búsquedas en internet que realizamos. La Universidad de Vigo forma parte de un consorcio nacional que tiene como objetivo preservar la privacidad de estas comunicaciones y mejorar la seguridad a través de técnicas de aprendizaje automático (machine learning).
Compromise es una de las iniciativas seleccionadas en la última convocatoria nacional Proyectos de I+D+i Retos de Investigación, que el Ministerio de Ciencia acaba de resolver. Se desarrollará durante tres años con una financiación de 125.000 euros e implica a expertos de la Politécnica de Cataluña (UPC), la Carlos III de Madrid (UC3M) y el grupo Information &Computing Lab, de la Escuela de Ingeniería de Telecomunicación y el centro AtlantTIC de la UVigo.
El consorcio ya ha colaborado en tres proyectos anteriores relacionados con la respuesta a situaciones de emergencia en comunidades inteligentes. Y cada uno de los grupos que lo integran aplica sus conocimientos en seguridad, privacidad, protocolos de comunicación, calidad de servicio y aprendizaje automático.
“Cada uno de los equipos tenemos nuestra área de trabajo, que se complementan en este cuarto proyecto coordinado. El grupo de la UPC trabaja fundamentalmente en privacidad en bases de datos, el de la UC3M en seguridad en los protocolos de comunicación y nosotros somos expertos en técnicas de machine learning distribuido y cooperativo”, explica la investigadora Rebeca Díaz Redondo, coordinadora de Compromise en la UVigo.
Respuesta a la encrucijada
A través de diferentes tecnologías, el consorcio pretende dar respuesta a la “encrucijada” actual en la que se encuentra la tecnología, entre la privacidad y la utilidad en escenarios que combinan comunicaciones de intercambio masivo, grandes bases de datos y aprendizaje automático.
La pérdida de control sobre datos sensibles y su impacto negativo en la vida íntima constituyen uno de los principales temores de los ciudadanos en una sociedad cada vez más digitalizada. El internet de las cosas ha incrementado este problema, ya que los asistentes de voz domésticos o los vehículos conectados también intercambian información, y hay estudios que demuestran que algoritmos de aprendizaje automático bien entrenados son capaces de inferir información incluso si se utilizan protocolos de comunicación segura.
El problema del machine learning sobre datos distribuidos entre múltiples fuentes sin llegar a desvelar dicha información constituye uno de los retos más ambiciosos en varias áreas de investigación.
El aprendizaje federado –técnica de machine learning para entrenar al algoritmo– se está posicionando como el “paradigma general” para resolver estos problemas, pero todavía quedan muchas cuestiones por desarrollar. Entre otras, cómo afectan los requisitos de privacidad a las tareas de aprendizaje e inferencia privada colaborativas.
El grupo I&CLab aportará su experiencia de casi una década en técnicas de inteligencia artificial para que el proyecto Compromise pueda plantear avances científicos en los mecanismos, modelos matemáticos y algoritmos de aprendizaje que garanticen la eficiencia y calidad del servicio, así como la privacidad de los datos de los usuarios, tanto en la fase de aprendizaje como en la de inferencia o deducción.
Los algoritmos de protección de privacidad desarrollados durante el proyecto se pondrán a prueba con una aplicación desarrollada por el propio consorcio, MobilitApp. El prototipo se encuentra en su fase inicial y su función es procesar de forma anónima la información obtenida para analizar el modo de transporte utilizado por el usuario y que éste visualice en un mapa su historial de ubicaciones diario.
Junto con Rebeca Díaz Redondo, la participación viguesa se completa con Ana Fernández Vilas, Manuel Fernández Veiga, Francisco Troncoso Pastoriza, Keeley Alexandra Crockett y Nashwa M. M. Elbendary.
