Νέο federated learning με επαληθεύσιμες εγγυήσεις…

Η Google Research παρουσίασε στις 2 Οκτωβρίου 2026 μια νέα αρχιτεκτονική federated learning που μεταφέρει περισσότερη επεξεργασία από τις συσκευές σε προστατευμένα περιβάλλοντα διακομιστών, με στόχο οι εγγυήσεις ιδιωτικότητας να μπορούν να ελεγχθούν και από τρίτους. Η τεχνολογία έχει ήδη χρησιμοποιηθεί για την εκπαίδευση μοντέλων πρόβλεψης επόμενης λέξης στο Gboard για αγγλικά και ιαπωνικά.

Το federated learning σχεδιάστηκε ώστε πολλές συσκευές να συνεισφέρουν στην εκπαίδευση ενός κοινού μοντέλου χωρίς να συγκεντρώνεται απροστάτευτο το ιδιωτικό τους περιεχόμενο. Το νέο σύστημα της Google βασίζεται σε Trusted Execution Environments, γνωστά ως TEEs: απομονωμένες περιοχές υπολογισμού που περιορίζουν την πρόσβαση στα δεδομένα και επιτρέπουν απομακρυσμένη επιβεβαίωση του κώδικα που εκτελείται.

Στην προτεινόμενη ροή, οι συσκευές κρυπτογραφούν τα παραδείγματα εκπαίδευσης πριν από την αποστολή τους. Παράλληλα, εγκρίνουν μια πολιτική πρόσβασης που ορίζει ποια προγράμματα επιτρέπεται να τα επεξεργαστούν. Οι πολιτικές δημοσιεύονται στο δημόσιο αρχείο διαφάνειας Rekor, ώστε εξωτερικοί ελεγκτές να μπορούν να παρακολουθούν τα επιτρεπόμενα workloads. Ένα σύστημα διαχείρισης κλειδιών, επίσης μέσα σε TEEs, παραδίδει κλειδιά αποκρυπτογράφησης μόνο σε εργασίες που αντιστοιχούν στην εγκεκριμένη πολιτική.

Σύμφωνα με την τεχνική εργασία, οι χειριστές βλέπουν μόνο μετρήσεις και βάρη μοντέλου προστατευμένα με differential privacy. Η Google υποστηρίζει ότι έτσι προσφέρονται για πρώτη φορά εξωτερικά επαληθεύσιμες εγγυήσεις κεντρικής differential privacy σε τέτοιο σύστημα, ενώ τα δεδομένα παραμένουν διαθέσιμα για περιορισμένο χρόνο και επεξεργάζονται αποκλειστικά μέσα στα προστατευμένα περιβάλλοντα.

Η μεταφορά του κύριου υπολογισμού στους διακομιστές αλλάζει και τη λειτουργική πλευρά. Τα δεδομένα μπορούν να συλλέγονται πριν αρχίσει η εκπαίδευση, μειώνοντας την εξάρτηση από την ώρα κατά την οποία οι συσκευές είναι συνδεδεμένες ή διαθέσιμες. Η Google αναφέρει ότι παλαιότερες εκπαιδεύσεις μοντέλων διαρκούσαν έναν έως δύο μήνες και ότι η νέα υποδομή επιταχύνει σημαντικά τη διαδικασία μέσω παράλληλης εκτέλεσης. Η δημόσια περίληψη, ωστόσο, δεν δίνει ένα ενιαίο ποσοστό επιτάχυνσης για όλες τις εργασίες.

Το σημαντικό στοιχείο δεν είναι μόνο η κρυπτογράφηση, αλλά η δυνατότητα ελέγχου: οι πολιτικές εμφανίζονται σε δημόσιο log και βασικά binaries μπορούν να αναπαραχθούν από ανοικτό κώδικα. Αυτό περιορίζει την ανάγκη να εμπιστεύεται κανείς αποκλειστικά τον διαχειριστή του server. Δεν εξαλείφει, πάντως, κάθε κίνδυνο. Η ίδια η Google αναγνωρίζει τους περιορισμούς των σημερινών TEEs και την ανάγκη περαιτέρω προστασίας απέναντι σε επιθέσεις πλευρικού καναλιού.

Η εργασία έχει αναρτηθεί ως preprint στο arXiv και δεν αποτελεί από μόνη της ανεξάρτητη αξιολόγηση. Η παραγωγική χρήση στο Gboard δείχνει ότι η υποδομή έχει περάσει πέρα από το εργαστηριακό στάδιο, αλλά οι ευρύτερες επιδόσεις και οι εγγυήσεις της θα χρειαστούν πρόσθετο έλεγχο καθώς επεκτείνεται σε μεγαλύτερα μοντέλα και άλλους τύπους εργασιών.

Η συνοδευτική εικόνα αποτελεί ενδεικτική εικονογράφηση AI και όχι πραγματική φωτογραφία ή ακριβή απεικόνιση της υποδομής.

Πηγή: Google Research, τεχνική εργασία στο arXiv.