Description du projet
Améliorer la gestion du trafic aérien grâce à la collaboration en matière d’apprentissage machine sur des ensembles de données privées
La gestion du trafic aérien (ATM) pourrait grandement bénéficier de l’exploitation cyber-sécurisée de grands ensembles de données privées appartenant à différentes parties prenantes. Cependant, il existe actuellement une réticence à partager des données sensibles. Le projet AICHAIN, financé par l’UE, propose un concept novateur de gestion des informations numériques (DIM) qui permettra d’exploiter ces précieux ensembles de données privées. Il combinera deux technologies émergentes de gestion de l’information numérique, l’apprentissage automatique fédéré et la chaîne de blocs, afin d’élaborer un concept avancé d’apprentissage fédéré préservant la vie privée, dans lequel l’échange de données et les modèles d’apprentissage ne seront pas compromis. Il étudiera également les avantages potentiels de cette DIM innovante par le biais de cas de recherche en ATM liés au modèle de pronostic avancé d’équilibrage de la capacité de la demande du gestionnaire de réseau, complété par des données opérationnelles réelles provenant des utilisateurs de l’espace aérien.
Objectif
This project proposes an innovative Digital Information Management (DIM) concept, i.e. the AICHAIN solution, that aims at enabling the cyber-secured exploitation of large private data sets that belong to different stakeholders and that contain valuable information for ATM operations. To overcome the stakeholders’ reluctance to share sensitive data, the exploitation will not be performed by exchanging the data itself but by articulating an advanced privacy-preserving federated learning architecture in which neither the training data nor the training model need to be exposed. This will be possible thanks to the innovative combination of two emerging DIM technologies: Federated Machine Learning (FedML) and Blockchain technologies.
The potential benefits of the new proposed DIM concept will be explored through ATM research use cases related to advanced Demand Capacity Balancing (DCB) predictive models of the Network Manager (NM), whose prediction performance is expected to significantly improve thanks to the exploitation of relevant operational private data from Airspace Users. The accuracy of the new DCB predictive models augmented with real operational data accessed through the AICHAIN solution will be benchmarked against the machine learning models for DCB that are currently in use or under research by NM.
The project will also address the exploration of governance and incentives mechanisms as part of the AICHAIN solution concept architecture, to facilitate the adoption of the concept and the alignment of interests of the key stakeholders (especially of the data owners). The design of advanced governance & incentives mechanisms, which could be implemented using the mechanism of “smart contracts” available in the toolset of Blockchain, will be complemented with a theoretical identification of data exploitation benefits and with discussions in workshops participated by external experts.
Champ scientifique
Not validated
Not validated
Mots‑clés
Programme(s)
Régime de financement
RIA - Research and Innovation actionCoordinateur
08005 Barcelona
Espagne