Em 2017, o Google introduziu o Aprendizado Federado (FL), uma técnica de aprendizado de máquina que treina modelos em dados descentralizados e privados. Ele alimenta recursos como previsão da próxima palavra e Smart Compose no Gboard, sugestões de resposta no Google Messages e Smart Text Selection no Android. O desenvolvimento do FL é guiado por quatro princípios essenciais de privacidade: minimização de dados, anonimização de dados, transparência e controle, e verificabilidade e auditabilidade.
Anos de pesquisa levaram a fortes garantias de privacidade diferencial (DP) usando algoritmos como MF-DP-FTRL e DP distribuída com Agregação Segura. Em 2025, o Google introduziu uma definição evoluída de FL centrada nesses princípios. Em “Rumo ao aprendizado privado comprovável a partir de dados federados”, o Google anuncia a próxima geração de seu sistema FL, que aproveita Ambientes de Execução Confiáveis (TEE) para fornecer garantias de anonimização de dados totalmente verificáveis e auditáveis.
Os TEEs oferecem lógica atestável remotamente, confidencialidade e integridade. Gboard já adotou o novo sistema, beneficiando-se de tempos de computação substancialmente mais rápidos. O sistema FL baseado em TEE coordena o upload de dados, a verificação de KMS e políticas, a execução de cargas de trabalho e a recuperação tolerante a falhas. Para mais detalhes, consulte o whitepaper.
Fonte: Google AI Blog · Resumido por HeadlinesBriefing