WO2026094024 - SYSTEM AND METHOD FOR SECURE MANAGEMENT, LINKING, AND OPERATIONS TO GENERATE INSIGHTS AND ACCELERATE ANALYTICS AND AI MODELING
National phase entry is expected:
Publication Number
WO/2026/094024
Publication Date
07.05.2026
International Application No.
PCT/IB2025/061256
International Filing Date
04.11.2025
Title **
[English]
SYSTEM AND METHOD FOR SECURE MANAGEMENT, LINKING, AND OPERATIONS TO GENERATE INSIGHTS AND ACCELERATE ANALYTICS AND AI MODELING
[French]
SYSTÈME ET PROCÉDÉ DE GESTION, DE LIAISON ET D'OPÉRATIONS SÉCURISÉES POUR GÉNÉRER DES INFORMATIONS EXPLOITABLES ET ACCÉLÉRER L'ANALYSE ET LA MODÉLISATION PAR IA
Applicants **
PRIVACY ANALYTICS INC.
Inventors
ARBUCKLE, Lon Michel Luk
BISWAL, Devyani Priyambada
MIAN, Muhammad Oneeb Rehman
Priority Data
63/715,972
04.11.2024
US
63/789,739
16.04.2025
US
19/377,688
03.11.2025
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
CIPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2984 | |
| EPO | Filing, Examination, Granting | 16573 | |
| Japan | Filing, Examination, Granting | 2335 | |
| South Korea | Filing, Examination, Granting | 2496 | |
| USA | Filing, Examination, Granting | 5190 |
Total:
29,578
Contact Us
Abstract[English]
A method for generating a trained machine learning model trained on multiple segregated data sources includes generating a first dataset by transforming a first source dataset by generating an embedded representation of the first source dataset and adding privacy parameters. The method includes generating a second dataset by transforming a second source dataset by generating an embedded representation of the second source dataset and adding privacy parameters, generating a combined dataset that includes the first dataset and a ground truth dataset from a first segregated data environment combined with the second dataset from a second segregated data environment (e.g., within a trusted research environment or a secure processing environment). The method includes training a machine learning model with training data that includes a subset of the combined dataset, in which the model parameters of the trained machine learning model are stored in a storage device.[French]
Un procédé de génération d'un modèle d'apprentissage automatique entraîné, entraîné sur de multiples sources de données séparées, comprend la génération d'un premier ensemble de données par transformation d'un premier ensemble de données source, par génération d'une représentation intégrée du premier ensemble de données source et ajout de paramètres de confidentialité. Le procédé consiste à générer un second ensemble de données par transformation d'un second ensemble de données source, par génération d'une représentation intégrée du second ensemble de données source et ajout de paramètres de confidentialité, à générer un ensemble de données combiné qui comprend le premier ensemble de données et un ensemble de données de vérité terrain provenant d'un premier environnement de données séparé, combiné au second ensemble de données provenant d'un second environnement de données séparé (par exemple, dans un environnement de recherche de confiance ou un environnement de traitement sécurisé). Le procédé consiste à entraîner un modèle d'apprentissage automatique avec des données d'entraînement comprenant un sous-ensemble de l'ensemble de données combiné, les paramètres de modèle du modèle d'apprentissage automatique entraîné étant stockés dans un dispositif de stockage.