AnswersPublished22 sources
Singapore vill göra integritetsbevarande AI mer praktisk
Den 20 juli 2026 presenterade Singapores dataskyddsmyndighet PDPC och digitaliseringsmyndigheten IMDA nya guider och pilotprojekt för integritetsbevarande teknik. Singapore General Hospital testar säker AI analys av medicinska bilder i molnet, medan Ant International kombinerar flera tekniker för datadelning inom be...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Den 20 juli 2026 presenterade Singapores dataskyddsmyndighet PDPC och digitaliseringsmyndigheten IMDA nya guider och pilotprojekt för integritetsbevarande teknik.
- Singapore General Hospital testar säker AI analys av medicinska bilder i molnet, medan Ant International kombinerar flera tekniker för datadelning inom betalningar.
- Valet beror på behovet: federerad inlärning tränar modeller medan data stannar lokalt, medan syntetiska data skapar en artificiell datamängd för analys eller delning.
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
Organisationer kan ha data som vore värdefulla för AI-utveckling, men ändå sakna möjlighet eller vilja att samla känsliga uppgifter på ett och samma ställe. Det är den praktiska utmaningen bakom nya initiativ från Singapores dataskyddsmyndighet Personal Data Protection Commission (PDPC) och digitaliseringsmyndigheten Infocomm Media Development Authority (IMDA). De presenterades vid Singapore Data Festival den 20 juli 2026. 1
38
Två sätt att använda data med större integritet
Integritetsbevarande tekniker, ofta kallade PETs, kan antingen möjliggöra samarbete utan att originaldata delas eller skapa data som är säkrare att dela. Vilken metod som passar beror på vad organisationerna vill åstadkomma: träna en modell tillsammans eller arbeta med en delbar datamängd. 2
Federerad inlärning: träna utan att flytta originaldata
Med federerad inlärning tränas en modell på decentraliserade datamängder, medan uppgifterna stannar kvar i respektive organisations egen miljö. I stället för att slå ihop rådata utbyter deltagarna modelluppdateringar eller sammanställda insikter. 18
32
Metoden kan göra det möjligt för flera organisationer att samarbeta trots att de inte kan dela sina ursprungliga data. Men den innebär inte automatiskt att varje informationsutbyte är riskfritt. Det behövs fortfarande lämpliga skydd för integritet och säkerhet, liksom tydlig styrning. 16
Syntetiska data: skapa en datamängd för analys eller delning
Syntetiska data är artificiellt genererade, i stället för att originaluppgifter flyttas mellan organisationer. Det kan passa när man behöver en datamängd att arbeta med, snarare än att träna en gemensam modell medan data hålls åtskilda. PDPC:s guide om syntetiska data fokuserar på strukturerade data. 48
Att data är syntetiska betyder inte i sig att de är anonyma. Organisationer behöver bedöma om de genererade uppgifterna ändå kan avslöja information om personer och om datamängden lämpar sig för det avsedda ändamålet. PDPC har också betonat att PETs inte ersätter god styrning, säkerhet, åtkomstkontroller eller mänsklig tillsyn. 16
Guider som ska hjälpa organisationer att komma i gång
Vid Singapore Data Festival presenterades en ny guide om federerad inlärning och en uppdaterad guide om generering av syntetiska data. Syftet är att göra teknikerna mer praktiskt användbara. Rapportering om guiden för federerad inlärning nämner bland annat införandeplaner och rekommendationer för riskhantering. 1
37
48
Valet av teknik bör utgå från användningsområdet: federerad inlärning är relevant när flera parter vill utveckla en modell utan att samla sina originaldata. Syntetiska data kan vara ett alternativ när man i stället behöver en datamängd att dela. Ingen av metoderna ersätter bedömningar av integritetsrisker, datakvalitet, säkerhet och praktisk lämplighet.
Pilotprojekt prövar tekniken i praktiken
IMDA:s PET Sandbox, som lanserades 2022, ger företag en miljö där de kan testa integritetsbevarande tekniker med stöd från myndigheten. 6
46 Nya projekt som presenterades 2026 visar hur teknikerna kan användas inom vård och betalningar.
38
- Medicinska bilder: Singapore General Hospital använder enligt det presenterade projektet så kallade Trusted Execution Environments för AI-analys i molnet av medicinska bilder. Det visar hur känsligt material kan bearbetas i en skyddad miljö, men är inte i sig ett bevis på särskilda kliniska resultat eller kostnadsbesparingar.
15
38
- Samarbete kring betalningar: Ant Internationals fallstudie beskriver en kombination av federerad inlärning, flerpartsberäkning (Multi-Party Computing) och homomorf kryptering. Deltagarna kan identifiera gemensamma kunder och träna en prediktionsmodell tillsammans, samtidigt som de underliggande personuppgifterna stannar i respektive miljö.
Exemplen visar också varför pilotprojekt spelar roll: tekniken måste fungera för det konkreta samarbetet, inte bara bära en etikett som antyder att den skyddar integriteten. Tester kan hjälpa organisationer att bedöma om en lösning passar innan den införs i större skala. 6
46
Slutsatsen för företag
Singapores upplägg kombinerar vägledning med praktiska tester. Federerad inlärning kan vara rätt när målet är att träna en modell tillsammans medan data stannar lokalt. Syntetiska data kan passa när en genererad datamängd är mer användbar. I båda fallen behöver organisationer pröva antagandena om integritet och teknik i den miljö där lösningen ska användas. PETs kan minska behovet av att exponera originaldata, men de är en del av ansvarsfull dataanvändning – ingen garanti för att integriteten alltid är skyddad. 2
16
38
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 vill göra integritetsbevarande AI mer praktisk"?
Den 20 juli 2026 presenterade Singapores dataskyddsmyndighet PDPC och digitaliseringsmyndigheten IMDA nya guider och pilotprojekt för integritetsbevarande teknik.
What are the key points to validate first?
Den 20 juli 2026 presenterade Singapores dataskyddsmyndighet PDPC och digitaliseringsmyndigheten IMDA nya guider och pilotprojekt för integritetsbevarande teknik. Singapore General Hospital testar säker AI analys av medicinska bilder i molnet, medan Ant International kombinerar flera tekniker för datadelning inom betalningar.
What should I do next in practice?
Valet beror på behovet: federerad inlärning tränar modeller medan data stannar lokalt, medan syntetiska data skapar en artificiell datamängd för analys eller delning.