Pada tahun 2017, Google memperkenalkan Federated Learning (FL), sebuah teknik machine learning yang melatih model di seluruh data pribadi yang terdesentralisasi. Ini mendukung fitur seperti prediksi kata berikutnya dan Smart Compose di Gboard, saran balasan di Google Messages, dan Smart Text Selection di Android. Pengembangan FL dipandu oleh empat prinsip privasi penting: minimalisasi data, anonimisasi data, transparansi dan kontrol, serta verifiabilitas dan auditabilitas.
Penelitian bertahun-tahun menghasilkan jaminan differential privacy (DP) yang kuat menggunakan algoritma seperti MF-DP-FTRL dan DP terdistribusi dengan Secure Aggregation. Pada 2025, Google memperkenalkan definisi FL yang berevolusi yang berpusat pada prinsip-prinsip ini. Dalam “Menuju pembelajaran privat yang dapat dibuktikan dari data federasi”, Google mengumumkan generasi berikutnya dari sistem FL-nya, yang memanfaatkan Trusted Execution Environments (TEE) untuk memberikan jaminan anonimisasi data yang sepenuhnya dapat diverifikasi dan diaudit.
TEE menawarkan logika yang dapat diatribusikan dari jarak jauh, kerahasiaan, dan integritas. Gboard telah mengadopsi sistem baru ini dan mendapatkan manfaat dari waktu komputasi yang jauh lebih cepat daripada sistem FL sebelumnya. Sistem FL berbasis TEE mengoordinasikan unggahan data, verifikasi KMS dan kebijakan, eksekusi beban kerja, dan pemulihan toleran kesalahan. Untuk detail lebih lanjut, lihat whitepaper.
Sumber: Google AI Blog · Diringkas oleh HeadlinesBriefing