Gboard中的私有联邦学习
密码学与安全
2023-06-27 v1
摘要
本白皮书描述了Gboard（Google键盘）近期在利用联邦学习、DP-Follow-the-Regularized-Leader（DP-FTRL）算法和安全聚合技术，从众多用户的输入数据中训练机器学习（ML）模型以实现建议、预测和纠错智能方面的进展。Gboard对这些隐私技术的投入使得用户的输入数据能够在设备本地处理、尽早聚合，并在可能时具备强匿名化与差分隐私。已建立技术策略与实践，使ML模型能够在具有切实形式化DP保证和高实用性的情况下被训练和部署。本文还展望了可信执行环境等技术如何被用于进一步提升Gboard的ML模型的隐私与安全性。
引用
@article{arxiv.2306.14793,
title = {Private Federated Learning in Gboard},
author = {Yuanbo Zhang and Daniel Ramage and Zheng Xu and Yanxiang Zhang and Shumin Zhai and Peter Kairouz},
journal= {arXiv preprint arXiv:2306.14793},
year = {2023}
}