谷歌今天谈到了它正在进行的一项新研究，即在Android的Gboard虚拟键盘应用程序中增强搜索查询建议。这将涉及到训练人工神经网络处理本地存储在移动设备上的数据，而不是将所有数据都发送到谷歌的服务器上。
在过去的几天里，谷歌人发表了一些关于这两个部分的学术论文:一个叫做“联合学习”的概念和一个叫做“安全聚合”的底层隐私系统。
当Gboard显示一个建议查询时，你的手机会在本地存储当前上下文的信息，以及你是否点击了这个建议。谷歌研究科学家布伦丹·麦克马汉和丹尼尔·拉莫奇在一篇博文中写道。
McMahan和Ramage预计将使用同样的技术来提高照片排名，“基于人们查看、分享或删除的照片类型”，以及Gboard的语言模型。
这项研究是在苹果公司宣布将在iOS 10系统中引入“差异化隐私”的概念，推出智能QuickType和表情符号建议近一年后进行的。
谷歌的系统首先使用当前的模型来提出查询建议，然后随着时间的推移从本地存储的数据中学习，然后使用谷歌所称的“更新”来总结更改。“更新是以加密的方式发送回谷歌的，谷歌将其与所有其他更新进行平均。实际数据保持本地，并且只有在有成百上千的用户参与的情况下，谷歌才能解密其平均更新。
关于联邦学习的安全聚合的谷歌论文承认差异隐私，它的共同发明人Cynthia Dwork在微软研究院工作。但事实上，谷歌过去也曾探索过差异隐私，包括在Chrome中测试过的随机聚合隐私保护序号响应(RAPPOR)。现在，谷歌正考虑进一步深入该领域，并利用其更著名的应用程序之一实现其安全聚合模型——该模型严重依赖于小型加密的数据
4月7日更新:增加了安全聚合和差异隐私的细节。