Privacy Foundations for Multi-Institutional Scientific Artificial Intelligence

arXiv cs.CR · 1 oct, 06:00

Un artículo académico propone un marco para la privacidad en sistemas de IA científica compartidos entre instituciones (laboratorios nacionales, universidades, hospitales), identificando seis elementos clave: activo protegido, observador, canal, revelación permitida, garantía y evidencia. Los autores reconocen que las técnicas existentes (differential privacy, federated learning, secure computation) protegen partes aisladas del sistema pero sus garantías no se componen efectivamente en entornos multi-institución con niveles de acceso mixtos.