Google Research ने एक अगली पीढ़ी का फेडरेटेड लर्निंग सिस्टम घोषित किया है जो ट्रस्टेड एक्जीक्यूशन एनवायरमेंट्स (TEEs) पर बनाया गया है और जो बाहरी रूप से सत्यापनीय केंद्रीय अंतरिय निजता गारंटी प्रदान करता है। यह आर्किटेक्चर क्लाइंट ग्रेडिएंट कंप्यूटेशन को सर्वर पर स्थानांतरित करता है, जिससे सर्वर लॉजिक का एटेस्टेशन किया जा सकता है ताकि ऑपरेटरों को राव डेटा पर भरोसा करने की आवश्यकता न हो।
- डिवाइस ट्रेनिंग उदाहरणों को स्थानीय रूप से एन्क्रिप्ट करते हैं और Sigstore के Rekor पारदर्शी लॉग में प्रकाशित एक्सेस पॉलिसियों को पूर्व-अनुमोदित करते हैं।
- RAFT कंसेंसस प्रोटोकॉल का उपयोग करने वाला एक की मैनेजमेंट सिस्टम केवल उसी पॉलिसी से मेल खाने वाले वर्कलोड्स को कुंजी जारी करता है।
- एक रूट TEE फेडरेटेड लैंग्वेज के माध्यम से एक पायथन ट्रेनिंग लूप चलाता है, उपकार्यों को वर्कर TEEs को सौंपता है और केवल DP मॉडल वजन जारी करता है।
- Gboard ने मजबूत निजता गारंटी और बेहतर सटीकता के साथ अंग्रेजी और जापानी अगले शब्द की भविष्यवाणी मॉडल लॉन्च किए।
- मशीनों के बीच समानांतरता करके प्रति मॉडल 1-2 महीने के ट्रेनिंग समय को कम किया गया है, जो केवल TEE संसाधन उपलब्धता द्वारा सीमित है।
सिस्टम बाहरी ऑडिटर्स को हर सर्वर वर्कलोड को ट्रैक करने की अनुमति देता है जिसे कोई डिवाइस फीड कर सकता है, यह सुनिश्चित करते हुए कि निजता-संबंधी लॉजिक एटेस्टेड प्रोग्राम में हार्डकोडेड बना रहता है।