Google Research宣布推出下一代基于可信执行环境（TEEs）的联邦学习系统，提供可外部验证的中心化差分隐私保证。该架构将客户端梯度计算转移到服务器，允许对服务器逻辑进行证明，从而运营商无需再信任其处理原始数据。

  • 设备在本地加密训练样本，并预先授权发布在Sigstore Rekor透明日志中的访问策略。
  • 使用RAFT共识协议密钥管理系统仅向符合策略的工作负载释放密钥。
  • 根TEE通过联邦语言运行Python训练循环，将子任务委派给工作TEE，同时仅释放差分隐私模型权重。
  • Gboard推出了具有更强隐私保证和更高准确性的英语和日语下一个词预测模型。
  • 通过在多台机器上并行化，每个模型的训练时间从1-2个月缩短，仅受TEE资源可用性的限制。

该系统允许外部审计人员跟踪设备可能馈送的任何服务器工作负载，确保与隐私相关的逻辑硬编码在已证明的程序中。