Google Research는 외부에서 검증 가능한 중앙 차등 프라이버시 보장을 제공하는 신뢰 실행 환경(TEE) 기반의 차세대 연성 학습 시스템을 발표했습니다. 이 아키텍처는 클라이언트 기울기 계산을 서버로 이전하여 서버 로직을 증명할 수 있게 하므로, 운영자는 원본 데이터를 신뢰할 필요가 없습니다.

  • 장치는 훈련 예제를 로컬에서 암호화하고 Sigstore의 Rekor 투명성 로그에 게시된 접근 정책을 사전 승인합니다.
  • RAFT 합의 프로토콜을 사용하는 키 관리 시스템은 정책과 일치하는 워크로드에만 키를 해제합니다.
  • 루트 TEE는 Federated Language를 통해 Python 훈련 루프를 실행하여 하위 작업을 작업자 TEE에 위임하고 DP 모델 가중치만 해제합니다.
  • Gboard는 더 강력한 프라이버시 보장과 개선된 정확도를 갖춘 영어 및 일본어 다음 단어 예측 모델을 출시했습니다.
  • 머신 간 병렬화를 통해 모델당 1~2개월이었던 훈련 시간을 단축했으며, 이는 TEE 리소스 가용성에만 제한됩니다.

이 시스템을 통해 외부 감사자는 장치가 공급할 수 있는 모든 서버 워크로드를 추적할 수 있어 프라이버시 관련 로직이 증명된 프로그램에 하드코딩되어 있음을 보장합니다.