# Accelerering af dataproveniens og overholdelse i federeret læring med Formize

Federeret læring (FL) er blevet den de‑facto‑strategi for at træne høj‑kvalitets‑AI‑modeller, mens rådata forbliver på enheden. Tilgangen løser mange privatlivs‑bekymringer, men introducerer også et nyt sæt overholdelses‑udfordringer: at spore hvilke data der bidrog til hvilken modelopdatering, bevise at samtykke er indhentet, og sikre at revisionsspor er uforanderlige på tværs af tusindvis af edge‑noder.  

Formize, en low‑code / no‑code‑platform til at bygge overholdelige arbejdsgange, kan lukke dette hul. Ved at udnytte Formizes dynamiske formular‑motor, versionsstyrede dataskemaer og blockchain‑baserede revisionsspor, kan organisationer **accelerere** hele proveniens‑livscyklussen — fra dataindsamling på kanten til regulatorisk rapportering i skyen — uden at skrive en eneste kode‑linje.

Nedenfor udforsker vi problemområdet, skitserer en praktisk arkitektur, og går igennem en trin‑for‑trin‑implementering, der kan reproduceres på uger i stedet for måneder.

---

## Hvorfor dataproveniens er vigtigt i federeret læring

| Udfordring | Indvirkning på FL‑projekter |
|------------|----------------------------|
| **Regulatorisk kontrol** | [GDPR](https://gdpr.eu/), [CCPA](https://oag.ca.gov/privacy/ccpa) og sektorspecifikke regler ([HIPAA](https://www.hhs.gov/hipaa/index.html), FINRA) kræver bevis for, at persondata er brugt lovligt. |
| **Modelforklarbarhed** | Revisorer og interessenter kræver sporbarhed fra modeloutput tilbage til den oprindelige dataslice. |
| **Hændelsesrespons** | Ved et databrud skal du hurtigt identificere, hvilke edge‑enheder der bidrog med kompromitteret data. |
| **Grænseoverskridende dataoverførsel** | Federeret læring spænder ofte over flere jurisdiktioner; proveniens‑registre forenkler SCC‑ og BCR‑overholdelse. |

Uden et systematisk proveniens‑rammeværk tyer teams til ad‑hoc‑regneark, manuelle logfiler eller specialbyggede databaser — hverken fejlsikre, hurtige eller sikre.

---

## Formize på et overblik

Formize leverer tre kernefunktioner, der matcher FL‑proveniens‑behovene direkte:

1. **Dynamisk formularbygger** – Opret genanvendelige, skemadrivne formularer til samtykke, datamærkning og opdaterings‑metadata.  
2. **Uforanderligt revisionsspor** – Gem hver formularindsendelse i en manipulations‑sikker ledger (valgfrit blockchain‑understøttet).  
3. **Low‑Code‑automatisering** – Udløs downstream‑handlinger (fx push metadata til en model‑registry, generer overholdelses‑rapporter) med visuelle workflow‑designere.

Disse funktioner leveres via en web‑baseret UI, REST‑API’er og SDK’er til Python, Java og JavaScript, så integration med FL‑værktøjskasser (TensorFlow Federated, PySyft, Flower) er ligetil.

---

## End‑to‑End Proveniensarkitektur

Nedenfor er et overordnet diagram, der viser, hvordan Formize indgår i en typisk FL‑pipeline.

```mermaid
flowchart TD
    A["Edge‑enhed – Datafangst"] --> B["Formize Samtykkeformular"]
    B --> C["Underskrevet samtykke gemt i ledger"]
    C --> D["Lokal FL‑klient – Tag data med samtykke‑ID"]
    D --> E["Federeret opdatering (model‑vægt)"]
    E --> F["Formize Metadata‑formular"]
    F --> G["Uforanderligt opdateringslog"]
    G --> H["Central aggregator"]
    H --> I["Model‑registry (MLflow)"]
    I --> J["Overholdelses‑dashboard"]
```

*Alle node‑etiketter er citeret som påkrævet for Mermaid.*

### Vigtige dataflows

1. **Samtykkecapture** – Inden sensor‑data forlader enheden, renderes en Formize‑samtykkeformular lokalt (via Formize‑SDK’en). Brugerens signatur og samtykkescope gemmes uforanderligt.  
2. **Mærkning** – FL‑klienten vedhæfter samtykketransaktions‑ID’en til hver datapart, hvilket sikrer en kryptografisk kobling mellem rådata og samtykkerecord.  
3. **Opdaterings‑metadata** – Efter hver træningsrunde sender klienten en let Formize‑formular med model‑version, data‑hash og anvendte samtykke‑ID’er.  
4. **Aggregation & rapportering** – Den centrale server aggregerer de uforanderlige logs, fodrer dem ind i et overholdelses‑dashboard og genererer automatisk regulator‑klar rapportering (fx GDPR‑DSAR, FDA 21 CFR Part 11).

---

## Trin‑for‑trin implementeringsguide

### 1. Definer samtykkeskemaet

Opret en Formize‑formular kaldet **“FL‑Device Consent”** med følgende felter:

| Felt | Type | Beskrivelse |
|------|------|-------------|
| `device_id` | Tekst | Unik identifikator for edge‑enheden |
| `user_id` | Tekst | Pseudonymiseret bruger‑ID |
| `data_scope` | Multi‑Select | Datatyper (fx “accelerometer”, “camera”) |
| `purpose` | Tekst | Tiltænkt ML‑formål (fx “aktivitetgenkendelse”) |
| `expiry_date` | Dato | Samtykkets udløbsdato |
| `signature` | Signatur | Hånd‑ eller digital signatur |

Aktivér **“Uforanderlig ledger”** og vælg en **Ethereum‑kompatibel** blockchain for ekstra juridisk vægt.

### 2. Udrul samtykkeformularen til edge‑enheder

Ved brug af Formize **JavaScript‑SDK**:

```javascript
import { FormizeClient } from '@formize/sdk';

const client = new FormizeClient({ apiKey: 'YOUR_API_KEY' });

async function renderConsent(deviceId, userId) {
  const form = await client.getForm('FL-Device Consent');
  const prefilled = {
    device_id: deviceId,
    user_id: userId,
  };
  return client.renderForm(form.id, prefilled);
}
```

SDK’en cacher formularen lokalt, så offline‑rendering er mulig. Når brugeren har underskrevet, skubber SDK’en automatisk den signerede payload til Formize‑ledgeret, så snart netværksforbindelse er genoprettet.

### 3. Tag data med samtykketransaktions‑ID

Når enheden indsamler en sensor‑sample, beregn en SHA‑256‑hash af den rå payload og gem samtykke‑transaktions‑hashen ved siden af:

```python
import hashlib
from formize_sdk import FormizeClient

def tag_data(sample, consent_tx):
    data_hash = hashlib.sha256(sample).hexdigest()
    metadata = {
        "data_hash": data_hash,
        "consent_tx": consent_tx,
        "timestamp": datetime.utcnow().isoformat()
    }
    return metadata
```

FL‑klienten inkluderer denne metadata i hver lokal træningsbatch.

### 4. Indsend opdateringsmetadata efter hver runde

Opret en anden Formize‑formular **“FL‑Update Log”** med felter:

| Felt | Type | Beskrivelse |
|------|------|-------------|
| `model_version` | Tekst |
| `round_number` | Nummer |
| `data_hashes` | Tekst (JSON‑array) |
| `consent_tx_ids` | Tekst (JSON‑array) |
| `aggregator_signature` | Signatur |

Efter hver aggregationsrunde kaldes:

```python
def submit_update_log(version, round_num, data_hashes, consent_ids):
    payload = {
        "model_version": version,
        "round_number": round_num,
        "data_hashes": json.dumps(data_hashes),
        "consent_tx_ids": json.dumps(consent_ids),
    }
    client.submit_form('FL-Update Log', payload)
```

Da formularen er knyttet til den uforanderlige ledger, bliver hver opdatering et verificerbart, tidsstemplet record.

### 5. Byg overholdelses‑dashboardet

Formize tilbyder en **rapportbygger**, der kan forespørge ledger‑poster via GraphQL. Opret et dashboard, der visualiserer:

* Antal aktive samtykker pr. jurisdiktion  
* Databidrags‑varmekort efter enhedstype  
* Model‑versions‑linje (graf over hvilke samtykker der har fodret hvilke versioner)

Eksportmuligheder inkluderer PDF, CSV og JSON – klar til indsendelse til regulatorer.

### 6. Automatiser regulatorisk rapportering

Ved hjælp af Formizes **workflow‑engine**, definér en trigger:

> **Når** en ny “FL‑Update Log”‑post oprettes **og** `round_number % 10 == 0`  
> **Så** generér en [GDPR](https://gdpr.eu/) DSAR‑overholdelsespakke og e‑mail den til DPO’en.

Work‑flowet kører fuldstændigt på Formizes serverløse runtime, så der er ingen behov for brugerdefinerede cron‑jobs.

---

## Kvantificerede fordele

| Metrik | Traditionel tilgang | Formize‑aktiveret FL |
|--------|---------------------|----------------------|
| **Tid til at implementere samtykkearbejdsgang** | 6–8 uger (special‑UI, backend) | 2–3 dage (drag‑and‑drop) |
| **Latens på revisionsspor** | Timer (batch‑uploads) | Næsten real‑time (sekunder) |
| **Omkostninger til overholdelse** | $150k‑$250k pr. år (juridisk + dev) | $30k‑$50k pr. år (automatisering) |
| **Risiko for manglende overholdelse** | Høj (manuelle fejl) | Lav (uforanderlig ledger) |

---

## Bedste praksis og faldgruber at undgå

| Praktik | Hvorfor det er vigtigt |
|---------|------------------------|
| **Versionér dine formularer** | Ændring af et skema skaber en ny kontrakt‑version; ældre poster forbliver uforanderlige og bevarer historisk integritet. |
| **Kryptér følsomme felter** | Selvom ledgeret er uforanderligt, skal felter som `user_id` krypteres for at overholde dataminimerings‑principperne. |
| **Brug edge‑caching** | Enheder kan være offline i timer; sørg for, at SDK’en cacher signerede formularer lokalt og genforsøger automatisk. |
| **Periodisk ledger‑pruning** | For offentlige blockchains, overvej off‑chain‑lagring af store payloads med on‑chain‑hashes for at kontrollere omkostninger. |
| **Integrér med model‑registry** | At knytte Formize‑logs til MLflow eller DVC giver en enkelt sandhedskilde for model‑linje. |

---

## Fremtidige udvidelser

1. **Zero‑Knowledge Proofs** – Tilføj ZKP‑baseret verifikation for at bevise data‑inklusion uden at afsløre rå‑hashes.  
2. **Federeret forklarbarhed** – Kombinér Formize‑proveniens med SHAP‑værdier for at generere per‑enhed‑bidrags‑rapporter.  
3. **AI‑drevet samtykkeoptimering** – Brug den indsamlede samtykkemetadata til at træne en anbefalings‑engine, der foreslår optimale samtykkescope for nye enheder.  

---

## Konklusion

Federeret læring lover privatlivs‑bevarende AI, men **proveniens‑ og overholdelses‑lagene** halter ofte bagefter. Formize lukker dette hul ved at gøre indsamling af samtykke, metadata‑logning og regulatorisk rapportering til konfigurerbare, low‑code‑oplevelser, understøttet af uforanderlige revisionsspor. Organisationer, der adopterer dette mønster, kan **accelerere** deres FL‑implementeringer, reducere juridisk eksponering og levere troværdige AI‑modeller i stor skala.

---

## Se også

- [Google AI Blog – Federated Learning: Privacy‑Preserving Machine Learning](https://ai.googleblog.com/2020/04/federated-learning-privacy-preserving.html)  
- [European Data Protection Board – Guidelines on Consent under GDPR](https://edpb.europa.eu/our-work-tools/consultations/consent_en)  
- [MLflow – Tracking Model Lineage and Metadata](https://mlflow.org/docs/latest/tracking.html)  
- [Hyperledger Fabric – Building Immutable Audit Trails for Enterprise Applications](https://www.hyperledger.org/use/fabric)