迈向基于联邦数据的可证明隐私学习

Toward provably private learning from federated data

AI 导读

Google Research 于 2026 年 10 月 2 日发布的博客文章，宣布一套新的联邦学习系统，声称可提供外部可验证的隐私保证，同时将计算转移到服务器以提升训练速度、准确率和设备覆盖范围。文中回顾 2017 年引入的联邦学习及其在 Gboard、Google Messages、Android 等产品中的应用，并列出数据最小化、匿名化、透明与控制、可验证与可审计四项隐私原则，以及差分隐私相关算法。提供论文链接。