AnswersPublished22 sources
Singapore vil gjøre KI-samarbeid mulig uten å dele rådata
Singapore kunngjorde 20. juli 2026 nye veiledere om personvernfremmende teknologi og flere bruksområder i en testsandkasse.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Singapore kunngjorde 20. juli 2026 nye veiledere om personvernfremmende teknologi og flere bruksområder i en testsandkasse.
- Et prosjekt ved Singapore General Hospital bruker et beskyttet datamiljø for KI analyse av medisinske bilder.
- Valget av metode avhenger av behovet: Tren en modell sammen mens dataene blir lokalt, eller lag et syntetisk datasett som kan brukes til analyse og deling.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How are Singapore’s Personal Data Protection Commission (PDPC) and Infocomm Media Development Authority (IMDA) advancing privacy-preserving. Article summary: PDPC and IMDA are combining practical privacy-enhancing technology (PET) guidance with sandbox experimentation to make data-driven innovation easier without requiring unrestricted access to sensitive data; these initiati. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Når flere virksomheter sitter på data som kunne vært nyttige for å utvikle KI, kan det være vanskelig å samarbeide om dem. Personopplysninger og andre sensitive data kan ikke uten videre samles på ett sted. Singapore vil gjøre slike prosjekter enklere med nye veiledere og praktiske tester av personvernfremmende teknologi, såkalt PET (privacy-enhancing technology). 1
38
To ulike måter å bruke data på
PET-er kan enten gjøre samarbeid mulig uten at originaldata deles, eller omforme data slik at de kan brukes tryggere. Hvilken tilnærming som passer, avhenger av om virksomhetene vil utvikle en modell sammen eller trenger et datasett å jobbe med. 2
Federert læring: Dataene blir værende lokalt
Ved federert læring trener flere aktører en modell på data som fortsatt ligger i deres egne systemer. I stedet for å samle rådataene utveksler deltakerne modelloppdateringer eller sammenstilte resultater. Slik kan de utvikle modeller i fellesskap uten å slå sammen originaldatasettene. 18
32
Metoden kan gjøre samarbeid mulig når dataene er fordelt mellom ulike organisasjoner. Men den gjør ikke automatisk enhver utveksling risikofri. Personvern, sikkerhet og god styring må fortsatt ivaretas. 16
Syntetiske data: Et kunstig datasett til analyse eller deling
Syntetiske data er kunstig genererte data, ikke originalopplysninger flyttet mellom virksomheter. Dette kan være nyttig når man trenger et datasett å analysere eller dele. Federert læring løser et annet behov: å trene en modell sammen mens dataene forblir fordelt hos deltakerne. PDPCs veileder om syntetiske data gjelder strukturerte data. 48
At data er kunstig genererte, betyr ikke i seg selv at de er anonyme. Virksomheter må vurdere om dataene likevel kan røpe opplysninger om enkeltpersoner, og om de egner seg til det planlagte formålet. PET-er erstatter heller ikke god sikkerhet, tilgangskontroll, menneskelig oppfølging eller ansvarlig styring. 16
Veiledning som skal gjøre teknologien lettere å ta i bruk
Under Singapore Data Festival 20. juli 2026 kunngjorde landets personvernmyndighet PDPC en ny veileder om federert læring og en oppdatert veileder om generering av syntetiske data. Målet er å hjelpe organisasjoner med å ta personvernfremmende teknologi i bruk. Omtale av veiledningen om federert læring viser til råd om innføring og risikohåndtering. 1
37
48
I praksis handler valget om hva virksomheten trenger: Federert læring kan passe når flere aktører skal utvikle en modell uten å samle originaldataene. Syntetiske data kan være aktuelle når det er selve datasettet man vil dele eller analysere. Uansett metode må man vurdere personvern, datakvalitet, sikkerhet og om løsningen fungerer i den aktuelle sammenhengen.
Testprosjekter fra helse og betalinger
IMDAs PET Sandbox ble opprettet i 2022 som en arena der virksomheter kan prøve ut personvernfremmende teknologi med støtte fra myndighetene. De nye bruksområdene fra 2026 viser hvordan ulike metoder kan brukes innen helse og betalinger. 6
38
46
- Medisinske bilder: Singapore General Hospital bruker et betrodd kjøremiljø, en såkalt Trusted Execution Environment, for KI-analyse av medisinske bilder i skyen. Prosjektet viser hvordan sensitive data kan behandles i et beskyttet miljø. Kunngjøringen er ikke i seg selv dokumentasjon på bestemte kliniske resultater eller kostnadsbesparelser.
15
38
- Betalingssamarbeid: Ant Internationals prosjekt kombinerer federert læring, flerpartsberegning (Multi-Party Computing) og homomorf kryptering. Deltakerne kan identifisere kunder de har til felles og trene en prediksjonsmodell sammen, mens de underliggende personopplysningene forblir i sine respektive miljøer.
Testene er viktige fordi en teknologi må fungere for det konkrete samarbeidet – ikke bare ha et lovende personvernstempel. En pilot kan hjelpe organisasjoner med å undersøke om løsningen passer før den tas i bruk i større skala. 6
46
Det viktigste for virksomheter
Singapores tilnærming kobler praktisk veiledning med utprøving: Bruk federert læring når modellen skal utvikles sammen, men dataene bli værende lokalt. Vurder syntetiske data når et generert datasett er det nyttigste resultatet. Og test forutsetningene for både personvern og teknisk drift i den aktuelle situasjonen. 2
16
38
PET-er kan redusere behovet for å eksponere originaldata, men er bare én del av ansvarlig databruk – ingen garanti for at personvernet er ivaretatt i alle tilfeller. 16
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Singapore vil gjøre KI-samarbeid mulig uten å dele rådata"?
Singapore kunngjorde 20. juli 2026 nye veiledere om personvernfremmende teknologi og flere bruksområder i en testsandkasse.
What are the key points to validate first?
Singapore kunngjorde 20. juli 2026 nye veiledere om personvernfremmende teknologi og flere bruksområder i en testsandkasse. Et prosjekt ved Singapore General Hospital bruker et beskyttet datamiljø for KI analyse av medisinske bilder.
What should I do next in practice?
Valget av metode avhenger av behovet: Tren en modell sammen mens dataene blir lokalt, eller lag et syntetisk datasett som kan brukes til analyse og deling.