Google联邦学习：让服务器上的隐私处理可审计

Toward provably private learning from federated data

设备加密上传并限定可运行程序，TEE密钥服务、公开策略日志与可重建代码让外部审计者核查处理边界。Gboard已采用；TEE侧信道和软件正确性仍有限制。论文9月25日首次提交。

首次公开：2026-09-25 · 收录：2026-10-03

相关期次：2026-10-03 精选

阅读笔记

Google提出基于TEE的联邦学习系统：设备先加密上传并限定许可处理程序，TEE内的密钥服务只向符合策略的处理程序放行密钥；策略和可重建代码供外部审计。Gboard的英日语下一词预测训练已采用。新意在于把原来需相信服务器加噪的承诺，推进到可检查的程序与策略；同时服务器计算减轻设备在线时间约束。TEE侧信道与软件实现正确性仍有限制，不能称为完全无需信任。论文9月25日首次提交，10月2日Google博客介绍应用。

原文：https://arxiv.org/abs/2609.31494
本期资料页：https://www.asteronline.cn/juju-radar/2026-10-03/
AI辅助整理。

笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。