Im Jahr 2017 führte Google das föderierte Lernen (FL) ein, eine Technik des maschinellen Lernens, die Modelle über dezentrale, private Daten trainiert. Es unterstützt Funktionen wie die Vorhersage des nächsten Wortes und Smart Compose auf Gboard, Antwortvorschläge in Google Messages und Smart Text Selection in Android. Die FL-Entwicklung wird von vier wesentlichen Datenschutzprinzipien geleitet: Datenminimierung, Datenanonymisierung, Transparenz und Kontrolle sowie Überprüfbarkeit und Auditierbarkeit.
Jahrelange Forschung führte zu starken Garantien für differenzielle Privatsphäre (DP) unter Verwendung von Algorithmen wie MF-DP-FTRL und verteilter DP mit sicherer Aggregation. Im Jahr 2025 führte Google eine weiterentwickelte Definition von FL ein, die auf diesen Prinzipien basiert. In „Auf dem Weg zu beweisbar privatem Lernen aus föderierten Daten“ kündigt Google die nächste Generation seines FL-Systems an, das Trusted Execution Environments (TEEs) nutzt, um vollständig überprüfbare und auditierbare Garantien für die Datenanonymisierung zu bieten.
TEEs bieten remote attestierbare Logik, Vertraulichkeit und Integrität. Gboard hat das neue System bereits übernommen und profitiert von erheblich schnelleren Rechenzeiten als das vorherige FL-System. Das TEE-basierte FL-System koordiniert den Datenupload, die KMS- und Richtlinienüberprüfung, die Arbeitslastausführung und die fehlertolerante Wiederherstellung. Weitere Einzelheiten finden Sie im Whitepaper.
Quelle: Google AI Blog · Zusammengefasst von HeadlinesBriefing