En 2017, Google introdujo el Aprendizaje Federado (FL), una técnica de aprendizaje automático que entrena modelos en datos descentralizados y privados. Impulsa funciones como la predicción de la siguiente palabra y Smart Compose en Gboard, sugerencias de respuesta en Google Messages y Smart Text Selection en Android. El desarrollo de FL se guía por cuatro principios esenciales de privacidad: minimización de datos, anonimización de datos, transparencia y control, y verificabilidad y auditabilidad.
Años de investigación llevaron a sólidas garantías de privacidad diferencial (DP) utilizando algoritmos como MF-DP-FTRL y DP distribuida con Agregación Segura. En 2025, Google introdujo una definición evolucionada de FL centrada en estos principios. En “Hacia un aprendizaje privado demostrable a partir de datos federados”, Google anuncia la próxima generación de su sistema FL, que aprovecha los Entornos de Ejecución Confiables (TEE) para proporcionar garantías de anonimización de datos totalmente verificables y auditables.
Los TEE ofrecen lógica atestiguable remotamente, confidencialidad e integridad. Gboard ya ha adoptado el nuevo sistema, beneficiándose de tiempos de cómputo sustancialmente más rápidos. El sistema FL basado en TEE coordina la carga de datos, la verificación de KMS y políticas, la ejecución de cargas de trabajo y la recuperación tolerante a fallos. Para más detalles, consulte el documento técnico.
Fuente: Google AI Blog · Resumido por HeadlinesBriefing