Сегодня правительства Великобритании и США запустили серию призовых испытаний, чтобы раскрыть потенциал технологий повышения конфиденциальности (PET) для борьбы с глобальными социальными проблемами. Как было объявлено на Саммите за демократию в прошлом году, новаторы из академических кругов, промышленности и широкой общественности будут иметь возможность участвовать в двух отдельных направлениях (улучшение выявления финансовых преступлений и прогнозирование риска заражения человека во время пандемии), а также как возможность разработать одно обобщенное решение, которое работает для обоих сценариев для более широкой применимости.

Соревнуясь за денежные призы из объединенного призового фонда Великобритании и США в размере 1,6 млн долларов США (1,3 млн фунтов стерлингов), новаторы будут разрабатывать решения для федеративного обучения с сохранением конфиденциальности, которые позволят обучать модели искусственного интеллекта на конфиденциальных данных без необходимости раскрывать, делиться или объединить их необработанные данные. Победившие решения задач будут продемонстрированы на втором Саммите за демократию, который президент Байден планирует созвать в первой половине 2023 года.

Первое направление, направленное на трансформацию предотвращения финансовых преступлений, будет стимулировать технологические инновации для решения проблемы международного отмывания денег. По оценкам Организации Объединенных Наций (ООН) , отмывание денег ежегодно обходится в 2 триллиона долларов, подрывая экономическое процветание и финансируя организованную преступность. PET можно использовать для облегчения обмена финансовой информацией и совместной аналитики с сохранением конфиденциальности, что позволяет выявлять аномальные платежи без ущерба для конфиденциальности отдельных лиц.

Новаторы будут работать с синтетическими данными глобальных транзакций, созданными SWIFT, глобальным поставщиком услуг безопасного обмена финансовыми сообщениями. Зарегистрированные участники челленджа получат доступ к данным, которые являются реалистичными, но искусственными, и поэтому не рискуют раскрыть частную информацию.

Чтобы обеспечить нормативный контекст, важный для понимания потенциала этих развивающихся технологий для противодействия незаконной финансовой деятельности, конкурсные испытания предоставят новаторам возможность взаимодействовать с регулирующими органами по обе стороны Атлантики, включая Управление финансового надзора Великобритании (FCA) и Комиссара по информации. Office (ICO) и Сеть по борьбе с финансовыми преступлениями США (FinCEN). Инноваторы также будут сотрудничать с Национальным центром по борьбе с экономическими преступлениями Великобритании.

Второе направление задач, направленное на усиление возможностей реагирования на пандемию, укрепит глобальную готовность к текущим и будущим чрезвычайным ситуациям в области общественного здравоохранения за счет разработки решений для сохранения конфиденциальности, которые могут прогнозировать индивидуальный риск заражения. Инноваторы получат доступ к синтетическому набору данных, созданному Институтом биокомплексности Университета Вирджинии, который представляет собой цифровой двойник населения региона. Как и в случае с набором финансовых данных, набор данных о мерах реагирования на пандемию является синтетическим и не раскрывает личную информацию. Участники Challenge смогут пообщаться с сотрудниками Центров США по контролю и профилактике заболеваний (CDC), NHS England и программы UK Research and Innovation DARE UK (Data and Analytics Research Environments UK).

Надин Доррис, государственный секретарь Министерства цифровых технологий, культуры, СМИ и спорта Великобритании, сказала:

Я рад, что сегодня мы запускаем совместные британско-американские призовые конкурсы, чтобы ускорить внедрение технологий повышения конфиденциальности (PET). Эти передовые технологии могут помочь нам использовать возможности данных для решения глобальных проблем, таких как международное отмывание денег, и для планирования последующих чрезвычайных ситуаций в области общественного здравоохранения, соблюдая при этом права граждан. Это партнерство демонстрирует приверженность Великобритании и США совместной работе по решению транснациональных проблем, а также обеспечению того, чтобы наше видение технологической революции — открытое и демократическое — превалировало.

Доктор Алондра Нельсон, глава Управления Белого дома по научно-технической политике, сказала:

Эти призовые задачи будут стимулировать таланты и изобретательность по обе стороны Атлантики для продвижения технологических решений, повышающих конфиденциальность, и позволят им решать глобальные проблемы.

Эта важная инициатива отражает нашу общую цель разработки технологий и внедрения инноваций таким образом, чтобы укрепить нашу приверженность демократическим ценностям и фундаментальному праву на неприкосновенность частной жизни.

Доктор Сетураман Панчанатан, директор Национального научного фонда (NSF), сказал:

Эти призовые задачи, основанные на десятилетиях инвестиций NSF в исследования в этой области, ускорят внедрение революционных технологий повышения конфиденциальности. Таким образом, эти призовые задачи, поддерживаемые Управлением NSF по компьютерным и информационным наукам и инженерии, а также новым Управлением по технологиям, инновациям и партнерским отношениям, иллюстрируют синергию фундаментальных исследований и трансляционной деятельности в продвижении исследований на практике. Путем использования инноваций на национальном уровне и укрепления трансатлантического сообщества инноваций, призовые задачи США и Великобритании продемонстрируют ценность международного сотрудничества для разработки технологий таким образом, чтобы поддерживать наши общие ценности.

Министр торговли США Джина Раймондо заявила:

Мы находимся на пороге решения некоторых из самых неразрешимых мировых проблем и улучшения качества нашей жизни с помощью силы искусственного интеллекта, но мы должны делать это ответственно, отстаивая наши общие ценности в отношении конфиденциальности.

Я очень рад, что мы запускаем эти совместные британо-американские конкурсы на призы в области технологий, повышающих конфиденциальность, и мотивируем наших лучших исследователей в промышленности и академических кругах внедрять инновации в защиту конфиденциальности, чтобы мы все могли пожинать плоды.

Джон Эдвардс, комиссар Великобритании по вопросам информации, сказал:

Привлечение Управления Комиссара по информации (ICO) к началу этих призовых испытаний гарантирует, что конфиденциальность и доверие людей лежат в основе процесса проектирования. Люди могут быть уверены в силе личных данных для спасения жизней и предотвращения финансовых преступлений.

Технологии повышения конфиденциальности позволяют внедрять большие инновации при правильном использовании. Мы с нетерпением ждем поддержки этих решений и окончательных результатов, которые в конечном итоге помогут обществу.

Планированием проблем занимаются Центр этики данных и инноваций Великобритании (CDEI) и Innovate UK, а также Управление по науке и технологиям Белого дома США (OSTP), Национальный институт стандартов и технологий США (NIST), и Национальный научный фонд США (NSF). Конкурс в США финансируется и управляется Национальным институтом стандартов и технологий США и Национальным научным фондом США.

Контакт:

Виктория Фелл

Тел.: +44 7785 382608

Электронная почта: [email protected]

Примечания для редакторов:

• Многоэтапный конкурс включает в себя представление технического описания, разработку прототипа и фазу подбора команды. У новаторов есть время до понедельника, 19 сентября, чтобы принять участие в конкурсе. Дополнительную информацию о призовых испытаниях можно найти на сайте petsprizechallenges.com .

• О сотрудничестве Великобритании и США в решении задач на получение приза было впервые объявлено на первом саммите за демократию в декабре 2021 года.

• ПЭТ позволяют обмениваться конфиденциальными личными или коммерческими данными и/или анализировать их, защищая при этом конфиденциальность и конфиденциальную информацию отдельных лиц. PET включают развивающиеся технологии, такие как федеративное обучение с сохранением конфиденциальности, которое позволяет обучать модели машинного обучения на высококачественных распределенных наборах данных без необходимости совместного использования необработанных данных.