Google تحدث نظام التعلم الموحد الخاص بها لتعزيز الخصوصية

أصدرت Google ورقة بحثية تقنية توضح نظاماً جديداً للتعلم الموحد ينقل عمليات التدريب إلى الخادم مع الحفاظ على خصوصية بيانات المستخدم. تعتمد هذه الطريقة على بيئات تنفيذ موثوقة (TEEs) لضمان أن الكود الذي يعالج البيانات آمن وقابل للتدقيق.

يتيح التعلم الموحد لنماذج تعلم الآلة أن تتعلم من بيانات موزعة دون الحاجة إلى جمع المعلومات الخام نفسها. في هذا التصميم الجديد، تقوم الأجهزة بتشفير بياناتها قبل تحميلها، ولا تعالج الخوادم هذه البيانات إلا داخل حاويات آمنة. تتحقق هذه الحاويات بدقة مما يتم تشغيله من منطق برمجي، مما يسمح لأطراف خارجية بمراجعة العملية.

يعمل هذا النظام بالفعل على تشغيل ميزات Gboard مثل التنبؤ بالكلمة التالية باللغتين الإنجليزية واليابانية. وتساعد عملية نقل المهام الثقيلة إلى جانب الخادم في حل مشكلات السرعة الناتجة عن تفاوت توافر الأجهزة.

كيف يعمل النظام

• تقوم الأجهزة بتشفير البيانات وتفويض عمليات حسابية محددة للخادم مسبقاً.
• يتتبع سجل عام هذه المهام المعتمدة لضمان الشفافية.
• تضمن بيئات TEE عدم تمكن الخادم من رؤية البيانات الخام أثناء إجراء التدريب.
• يستعيد النظام نفسه تلقائياً من الإخفاقات المحتملة دون المساس بالخصوصية.

من خلال استخدام هذا الإعداد، يمكن للمطورين تدريب نماذج أكبر لأنهم لم يعودوا مقيدين بقدرة المعالجة للهواتف الفردية. هل تساءلت يوماً ما إذا كانت خاصية التنبؤ بالنصوص على هاتفك تتعلم فعلاً من عاداتك دون الاحتفاظ بنسخة من رسائلك؟

لا تزال هذه المقاربة تواجه قيوداً. فهي تعتمد على القدرات الحالية لأجهزة TEE وتتطلب بحثاً مستمراً للحد من الهجمات الجانبية. لا يوفر النظام حالياً براهين كاملة على صحة جميع المكونات البرمجية، رغم أن الفريق يتوقع أن يصبح ذلك ممكناً في المستقبل.