Google ha presentado una forma de entrenar modelos con ejemplos cifrados que se procesan en servidores protegidos. La compañía explica que la utiliza para mejorar las predicciones de palabras de Gboard en inglés y japonés.
El sistema combina entornos de ejecución confiables con reglas sobre el tratamiento de los datos. También incorpora privacidad diferencial, una técnica que busca limitar lo que puede deducirse sobre ejemplos individuales a partir del resultado del aprendizaje.
La propuesta no mantiene todo el cálculo dentro del teléfono. Se envían ejemplos cifrados al servidor y el procesamiento se realiza bajo las protecciones descritas por los autores. Esa diferencia es importante para entender dónde se usan los datos y qué garantías se plantean.
El anuncio de Google y el artículo técnico permiten examinar el diseño, sus supuestos y el uso que declara la empresa. Ambos proceden de los responsables del trabajo; no constituyen dos auditorías independientes de la misma implementación.
La publicación técnica sigue siendo un preprint. Para valorar su protección en otros productos o escenarios hará falta comprobar las condiciones de aplicación y la evidencia externa disponible. El anuncio tampoco demuestra que toda la información personal de cualquier servicio de Google reciba estas mismas garantías.