📖 AI 总结

Google Research 发布了基于可信执行环境（TEE）的新一代联邦学习系统，并首次为联邦学习提供可外部验证的中心化差分隐私保障。该系统已应用于 Gboard 的下一词预测与智能撰写等功能。此前联邦学习存在信任缺口：设备上传的数据虽经安全聚合加密保护，但外界无法验证数据未被记录或查看，且安全聚合与矩阵分解 DP-FTRL 等先进中心化差分隐私算法不兼容，用户只能被动信任 Google 正确添加噪声。新设计将客户端梯度计算迁移至服务器，并使服务器逻辑可被远程认证，从而无需信任运营方。系统由数据上传、密钥管理与策略验证、工作负载执行、容错恢复四个核心组件协同运作，访问策略发布至 Sigstore 的公开透明日志 Rekor，外部审计者可以追踪设备数据可能经过的每一项服务器工作负载，仅差分隐私模型权重会被释放。这一进展的意义在于，它将联邦学习的隐私承诺从依赖厂商自律转变为可被第三方独立验证的技术保证。