Rumo a um aprendizado comprovadamente privado com dados federados

A Google Research anunciou um sistema de aprendizado federado baseado em Trusted Execution Environments (TEEs), que permite verificar externamente as garantias de privacidade e transfere parte da computação dos dispositivos para os servidores. Os dados enviados pelos aparelhos são criptografados e só podem ser processados dentro de TEEs autorizados por políticas de acesso publicadas em um registro público. O sistema libera apenas métricas e pesos de modelos com privacidade diferencial.

O Gboard já usa o sistema para treinar modelos de previsão da próxima palavra em inglês e japonês, com ganhos de privacidade, precisão e velocidade. A arquitetura também permite calcular a participação ideal dos dispositivos, paralelizar o processamento em várias máquinas e retomar treinamentos após falhas sem expor informações sensíveis. A Google afirma que a mudança abre caminho para treinar modelos maiores com aprendizado federado.