Google 发布基于 TEE 的下一代联邦学习系统，Gboard 已部署

核心亮点

Google 发布了下一代联邦学习系统，最大卖点是把可信执行环境（TEE）用进来，提供"完全可验证、可审计"的数据匿名化保证。访问策略会被发布到公共透明日志 Rekor，二进制也能从公开代码复现构建——等于把"我说我保护隐私"变成了"你可以来查"，把信任从口头承诺变成可核验的事实。

具体能力或事件经过

Gboard 已经部署了这套系统，用于英语和日语的下一词预测模型。过去一次模型训练要花 1 到 2 个月，现在显著缩短，同时带来更强的隐私保证和更高的准确率。联邦学习的老难题是：数据不出端，但你怎么证明服务端没偷看？TEE 给了一种硬件级的答案，让"可验证"第一次落到实处。

技术细节

TEE 是在 CPU/芯片里划出一块加密飞地（enclave），里面的计算和内存对外不可见。Google 把匿名化逻辑放进飞地，再把策略哈希上链到 Rekor，任何人都能核对"实际运行的代码就是公开那份"，从而减少"口说无凭"的信任成本。这种"证明代码即运行代码"的思路，是隐私工程的一大步。

与竞品对比

苹果早年在 Safari、QuickType 上用差分隐私做端侧学习；Google 这次更进一步，用 TEE + 透明日志把"可验证"做实。相比单纯靠承诺，这种可审计路线对监管和合作方更友好，也更容易在跨组织的数据协作中被接受。

行业影响或适用场景

对监管趋严的隐私环境，可验证的联邦学习会成为医疗、金融等敏感数据场景的刚需。Gboard 的落地证明它能在亿级设备上跑通，后续很可能在更多谷歌产品里铺开。对行业而言，它树立了一个新标杆：隐私保护不再只是参数配置，而是可以被第三方审计的工程事实。