Bakgrund
Industrins digitalisering bygger på data som organisationer ogärna, eller inte lagligen får, lämna ifrån sig. Driftdata avslöjar produktionsvolymer, kundbeteenden och sårbarheter, så det säkraste valet blir ofta att låsa in dem i den egna organisationen, där de skapar långt mindre värde än de kunde.
SID (Säker datadelning för Industriell Digitalisering) arbetade med de tekniker som löser upp den konflikten: differentiell integritet, federerad maskininlärning och liknande metoder som gör att modeller kan tränas och slutsatser dras utan att rådatan lämnar sin ägare.
