В 2017 году Google представил федеративное обучение (FL) — метод машинного обучения, который обучает модели на децентрализованных частных данных. Он обеспечивает такие функции, как предсказание следующего слова и Smart Compose в Gboard, предложения ответов в Google Messages и Smart Text Selection в Android. Разработка FL руководствуется четырьмя основными принципами конфиденциальности: минимизация данных, анонимизация данных, прозрачность и контроль, а также проверяемость и аудируемость. Многолетние исследования привели к сильным гарантиям дифференциальной конфиденциальности (DP) с использованием таких алгоритмов, как MF-DP-FTRL, и распределенной DP с безопасной агрегацией. В 2025 году Google представил эволюционировавшее определение FL, сосредоточенное на этих принципах. В статье «К доказуемо приватному обучению на федеративных данных» Google объявляет о следующем поколении своей системы FL, которая использует доверенные среды выполнения (TEE) для обеспечения полностью проверяемых и аудируемых гарантий анонимизации данных. TEE предлагают удаленно подтверждаемую логику, конфиденциальность и целостность. Gboard уже внедрил новую систему, получая выгоду от значительно более быстрого времени вычислений. Система FL на основе TEE координирует загрузку данных, проверку KMS и политик, выполнение рабочих нагрузок и отказоустойчивое восстановление. Для получения более подробной информации см. технический документ.
Источник: Google AI Blog · Сводку подготовил HeadlinesBriefing