Google Research تعلن نظامًا جديدًا للتعلم الاتحادي بخصوصية قابلة للتحقق

أعلنت Google Research عن الجيل التالي من نظام التعلم الاتحادي لديها، في ورقة بعنوان Toward provably private learning from federated data، مع تركيز واضح على تقديم ضمانات خصوصية يمكن التحقق منها خارجيًا بدل الاعتماد على الثقة في مشغّل الخادم فقط.

وقالت الشركة إن النظام الجديد يستخدم بيئات التنفيذ الموثوقة TEEs لتشفير بيانات التدريب وتشغيل منطق المعالجة داخل بيئة معزولة يمكن التثبت من كودها عن بُعد. ووفقًا للمقال، لا يطّلع مشغلو النظام إلا على المقاييس وأوزان النموذج المطبَّقة عليها الخصوصية التفاضلية، بينما تُنشر سياسات الوصول في سجل شفافية عام، وتُبنى الثنائيات بصورة قابلة لإعادة الإنتاج من مستودع مفتوح المصدر. كما يتيح النظام استعادة العمل بعد الأعطال دون كشف معلومات إضافية حساسة.

وأوضحت Google أن Gboard اعتمد النظام بالفعل لتشغيل نماذج التنبؤ بالكلمة التالية بالإنجليزية واليابانية مع خصوصية أقوى ودقة أفضل. كما ذكرت أن هذا التصميم يخفف قيود توافر الأجهزة عبر تجميع البيانات أولًا ثم تنفيذ التدريب على الخادم، وأن نقل الحوسبة من الأجهزة إلى الخوادم حسّن أوقات المعالجة بشكل ملحوظ مقارنة بالنظام السابق، مع بقاء التوسع الحالي مرتبطًا بتوافر موارد TEEs.

وتشير الخطوة إلى محاولة أكثر صرامة لجعل المعالجة على الخادم قابلة للتدقيق، بحيث يمكن لجهات خارجية معرفة ما الذي يُشغَّل وكيف تُحمى البيانات. وهذا مهم خصوصًا للمنتجات التي تعتمد على بيانات المستخدمين الموزعة، مثل اقتراحات الكتابة والردود الذكية، لأنه يربط بين السرعة والتحقق والخصوصية في نظام واحد.