Pubblicazioni scientifiche

Le soluzioni innovative di ricerca ed i risultati principali ottenuti da Dhiria in questi ambiti sono stati pubblicati nelle principali riviste e conferenze internazionali:

• A. Falcetta, M. Roveri, “EVAD: encrypted vibrational anomaly detection with homomorphic encryption”, Neural Computing and Applications, Springer 2024
• L. Colombo, A. Falcetta, M. Roveri, “TIFeD: a Tiny Integer-based Federated learning algorithm with Direct feedback alignment”, 2023 International Conference on AI-ML Systems, Bangalore, India, 2023.
• A. Falcetta, M. Pavan, S. Canali, V. Schiaffonati, M. Roveri, “To Personalize or Not To Personalize? Soft Personalization and the Ethics of ML for Health”, The 10th IEEE International Conference on Data Science and Advanced Analytics (DSAA), Thessaloniki, Greece, 2023.
• A. Falcetta, M. Roveri, “T4C: A Framework for Time-Series Clustering-as-a-Service”, CEUR Workshop Proceedings vol. 3252 – Workshop proceedings, 2023.
• F. Puoti, A. Falcetta, M. Roveri, D. Riva, D. Chiggiato, “GreenTea: Time-series Exploration as-a-Service for environmental science”, IEEE Conference on Artificial Intelligence (CAI), Santa Clara, CA, USA, 2023.
• M. Gambella, A. M. Roveri, “EDANAS: Adaptive Neural Architecture Search for Early Exit Neural Networks”, the International Joint Conference on Neural Networks (IEEE IJCNN), Gold Coast, Queensland, Australia, 2023.
• A. Falcetta, M. Roveri, “Privacy-preserving machine learning with homomorphic encryption: an introduction”, IEEE Computational Intelligence Magazine, August, 2022 [Q1 SCIMAGO – Computer Science].
• M. Gambella, A. Falcetta, M. Roveri, “CNAS: Constrained Neural Architecture Search”, Accepted at the 2022 IEEE International Conference on Systems, Man and Cybernetics (IEEE SMC 2022),Prague, 2022.
• A. Falcetta, M. Roveri, “TIMEX: an Automatic Framework for Time-Series Forecasting-as-a-Service”, Accepted at the 6th International Workshop on Automation in Machine Learning, held in conjunction with the SIGKDD Conference on Knowledge Discovery and Data Mining conference (KDD2022),Washington DC, 2022.
• A. Falcetta, M. Roveri, “Privacy-preserving time series prediction with temporal convolutional neural networks”, in Proc. 2022 International Joint Conference on Neural Network (IJCNN2022),Padova, Italy, 2022.
• S. Disabato, A. Falcetta, A. Mongelluzzo, M. Roveri, “A privacy-preserving distributed architecture for deep-learning-as-a-service”, in Proc. 2020 International Joint Conference on Neural Networks (IJCNN),Glasgow, 2020.
  

Tali pubblicazioni certificano da parte della comunità scientifica internazionale, il valore e la validità delle soluzioni che Dhiria ha prodotto per rispondere alle sfide esistenti sul tema della privacy preserving computation.

Maggiore efficienza di algoritmi e infrastrutture cloud, pensati per elaborare dati criptati, significa minor costi e maggiori performance a beneficio dei clienti Dhiria

Dhiria: vantaggi competitivi

Un ulteriore punto merita però attenzione: i risultati ottenuti dalla ricerca Dhiria, pensati per fornire soluzioni efficaci ed efficienti in ambito privacy-preserving machine learning, rappresentano una competenza di valore per Dhiria anche per la computazione in chiaro.

Essere in grado di elaborare dati criptati, mette in gioco dimensioni di uno, anche due ordini di grandezza maggiori rispetto alle equivalenti elaborazioni su dati in chiaro, sia per quel che riguarda i tempi di elaborazione che per le dimensioni delle reti neurali e questo ci spinge costantemente verso l'ottimizzazione di ogni componente della nostra piattaforma.

Le soluzioni innovative in ambito algoritmico, tecnologico ed architetturale sviluppate da Dhiria forniscono infatti un incredibile vantaggio competitivo, rispetto alla concorrenza, nel portare al mercato soluzioni di machine e deep learning as-a-service che operano in chiaro, garantendo migliori performance e minori costi di elaborazione.