Google 研究将联邦学习引入可信执行环境，Gboard 启用可验证差分隐私训练

Google 研究团队宣布推出新一代基于可信执行环境（TEEs）的联邦学习系统，首次为联邦学习提供外部可验证的中心差分隐私保证。该系统解决了早期系统存在的信任差距问题，将客户端梯度计算移至服务器并使其逻辑可被验证，无需再完全信任运营商。系统协调数据上传、密钥管理系统及策略验证、工作负载执行和故障恢复四个核心组件。设备在本地加密训练样本并预授权访问策略，策略需发布至公开透明度日志。密钥管理系统仅向符合策略的工作负载释放密钥。Google 表示 Gboard 已利用该系统上线英文和日文下一个词预测模型，隐私保证更强且准确率提升。训练瓶颈从设备可用性转移至服务器，支持并行化计算，显著缩短训练时间。核心 TEE 二进制文件和联邦语言采用 Apache 2.0 开源许可，代码可复现构建。外部审计员可通过 Rekor 日志追踪每台设备可能提供的服务器工作负载，确保隐私逻辑硬编码在经认证的程序中。