Maschinelles Lernen
mit sensiblen Daten

Datenschutzkonforme Plattform für ethische KI und vertrauenswürdige Analysen.
 

DQ0 ist eine Plattform für Maschinelles Lernen und SQL Analysen mit integriertem Datenschutz

Plattform

Profitieren Sie von wertvollen Erkenntnissen. Verwenden Sie alle Daten. Verbessern Sie Geschäftsprozesse und nutzen Sie wichtige Informationen für Ihre Business-Entscheidungen.

Privat

DQ0 bietet mathematisch garantierten Datenschutz. Behalten Sie die Kontrolle über Ihre Daten und vermeiden Sie Lecks und Geldstrafen.

Sicher

Lassen Sie die Analyse zu den Daten kommen! Werden Sie fehleranfällige Anonymisierung los und analysieren Sie die Daten genau dort, wo sie sind.

Vertrauenswürdige KI Entwickeln

  • Eingebaute Prinzipien der Ethischen KI
  • Sichere Architektur, TÜV-geprüfte Applikation
  • Vollständig DSGVO-kompatibel
  • Basierend auf neuesten Technologien wie Differential Privacy und Federated Learning

Sichere Datenräume erstellen

  • Grenzen innerhalb der Organisation überwinden
  • Verschiedene Unternehmenseinheiten verbinden
  • Datensilos aufbrechen
  • Gemeinschaftliche Forschung und Entwicklung ermöglichen

Daten-Marktpläte erstellen

  • Erkenntnisse teilen und Daten schützen
  • Daten wiederverwenden und Gewinne steigern
  • Das Unternehmen durch Daten-Marktpläte erweitern
  • Datenschutzkonforme Daten-Dienste für Dritte anbieten

Häufig gestellte Fragen

Weil DQ0 auf dem mathematisch überprüfbaren Pinzip der Differential Privacy beruht und gleichzeitig eine durchdachte Plattform für Data Science und SQL Analysen bietet. DQ0 setzt höchste Standards für den Schutz Ihrer Daten.
DQ0 setzt höchste Standards in Bezug auf Datenschutz und Datensicherheit. Wir haben ein Rechtsgutachten, das bestätigt, dass DQ0 zur Einhaltung der Datenschutzgesetze geeignet ist. Kontaktieren Sie uns unter dq0@gradient0.com für weitere Informationen.
Differential Privacy macht Datenschutz messbar. Bei jeder Datenabfrage wird etwas über die Daten preisgegeben (andernfalls wäre die Abfrage bedeutungslos). Bei Fragen an angeblich vollständig anonymisierte (oder pseudonymisierte oder synthetisierte) Daten werden auch Informationen über die Originaldaten preisgegeben. Und meist sehr viel mehr als gewünscht. Differential Privacy setzt einen mathematisch definierten Standard für diesen unerwünschten Informationsabfluss, und DQ0 garantiert, dass er stets so niedrig wie möglich bleibt.
Weil der Prozess zur Erstellung der synthetischen Daten selbst auch sicher sein muss. Synthetische Daten versprechen dieselben Eigenschaften wie der Originaldatensatz, ohne sensible Informationen preiszugeben. Leider ist dieses Versprechen nicht zu halten. Dies ist nach heutigem Stand der Forschung - und auch für absehbare Zeit - schlicht nicht möglich. Lösungen, die etwas anderes versprechen, sollten mit großer Vorsicht betrachtet werden.
Ja. Wenn diese Daten jedoch zuvor persönliche Informationen enthielten und anonymisiert pseudonymisiert oder synthetisiert wurden, sind sie nicht wirklich anonym, sondern lassen Rückschlüsse auf geheime Daten zu. Es gibt unzählige Fälle, die beispielsweise zeigen, wie bestimmte Personen in scheinbar vollständig anonymisierten Daten zugeordnet werden konnten (sog. membership disclosure). "This is [..] why Cynthia Dwork […] likes to say "anonymised data isn’t" – either it isn’t really anonymous or so much of it has been removed that it is no longer data." Aus "The Ethical Algorithm" von Michael Kearns und Aaron Roth. (link)
Datenschutz ist immer mit Kosten verbunden. Um die persönlichen Daten einer Person zu schützen, wird Rauschen hinzugefügt. Dies wirkt sich auch auf die Datenanalyse aus. DQ0 gewährleistet strenge Datenschutzgarantien mit genau kalibriertem Rauschen, um den besten Kompromiss zwischen Datenschutz und Privatsphäre zu erzielen.
DQ0 implementiert alle Methoden zum Datenschutz sorgfältig und sicher und testet diese Sicherheit kontinuierlich nach den neuesten wissenschaftlichen Kriterien. DQ0 ist vollständig Ende-zu-Ende verschlüsselt. Die Software zur Steuerung der Plattform ist vom TÜV Austria zertifiziert als "Trusted Application". (link)
Und doch tun es wenige. Differential Privacy ist ein mathematisches Konzept, keine Lösung. Die zuverlässige Implementierung dieser Methoden erfordert das Zusammenspiel erfahrener Experten aus Mathematik, Datenwissenschaft und Informatik, die bei Gradient Zero zusammenkommen. DQ0 bietet eine getestete und überprüfbare Lösung für den Datenschutz beim maschinellen Lernen.
DQ0 gewährleistet die sichere Implementierung dieses Budgets. Das Schutzniveau ist für Dateneigentümer immer transparent. Gleichzeitig gewährleistet DQ0 eine maximale Verwendbarkeit der Daten, selbst für anspruchsvolle SQL Abfragen oder datenwissenschaftliche Analysen.
Differential Privacy kann auch direkt angewendet werden. Fragen Sie unsere Experten nach individuellen DQ0-Lösungen, etwa für eine dezentrale Anwendung von Differential Privacy z.B. mit Federated Learning. Kontaktieren Sie uns: dq0@gradient0.com.
DQ steht für Datenquarantäne, die sichere Enklave für Ihre Daten. Die Null haben wir von unserem Unternehmen Gradient Zero geborgt.