Браузер Brave Browser запустит конфиденциальный агрегатор рекомендуемых новостей

Принцип федеративного обучения позволяет пользователям хранить свои данные на локальном устройстве, а не на централизованном сервере. «Brave Today» - это всего лишь первый шаг.

Браузер Brave, ориентированный на конфиденциальность, стремится следовать идеалам сохранения приватности пользователей даже тогда, когда предлагает рекомендации по новостям в недавно запущенном Brave Today, агрегаторе новостей, интегрированном в браузер.

Он продолжает постепенный прогресс Brave в создании набора сервисов, призванных конкурировать и превосходить доминирующие браузеры, такие как Chrome и Safari.

В марте Brave объявил о приобретении Tailcat, открытой поисковой системы, которая станет основой своего будущего продукта Brave Search. Brave продвигает Brave Search как альтернативу поиску Google в Chrome и на мобильных устройствах без отслеживания.

Системы рекомендаций - это особенность Интернета сегодня. Будь то алгоритм рекомендаций YouTube или еженедельные списки воспроизведения Spotify, эти системы часто полагаются на отслеживание вашего поведения в Интернете, то есть, по сути, на сбор и анализ ваших данных.

Brave Today позволяет пользователям «анонимно подписываться на RSS-каналы своих любимых новостных агентств и оставаться в курсе всех последних новостей в одном месте». Пользователи могут выбирать из 15 различных категорий курируемых источников, а затем настраивать свой поток, добавляя или удаляя их.

«Начиная с рекомендации Brave Today на устройстве, мы хотим начать предлагать пользователям Brave уровень персонализации, основанный на моделях, которые обучаются на месте, при этом сохраняя конфиденциальность пользователей нашим главным приоритетом», - сказал Пит Снайдер, старший исследователь конфиденциальности в Brave.

Отслеживание без особого фактора

Чтобы избежать сбора данных о поведении пользователей в целях предоставления рекомендаций, Brave предлагает «новую структуру для выработки рекомендаций по сохранению конфиденциальности на устройстве, которая не требует сбора данных о взаимодействии с пользователем на сервере».

Brave использует технику под названием «Федеративное обучение с конфиденциальностью».

Федеративное обучение - это метод машинного обучения, который обучает модели (алгоритмы) прогнозирования, сохраняя данные локально на устройствах, а не отправляя эти данные на центральный сервер (будь то в офисе компании или в облаке), на котором размещена модель.

«Пользователи обучают локальные модели на своих личных данных и передают на центральный сервер только обновления своих локальных моделей», - говорится в сообщении блога, в котором анонсируется эта функция. «Центральный сервер вычисляет глобальную модель как совокупность всех локальных моделей и отправляет ее обратно пользователям, где процесс повторяется».

Снайдер сказал, что, хотя типичные федеративные системы обучения имеют важные последствия и риски для конфиденциальности пользователей, существует большое и активное исследовательское сообщество, работающее над улучшением конфиденциальности федеративных систем обучения, чтобы пользователи могли сотрудничать для повышения точности системы, не раскрывая свою личную информацию и поведение.

Конфиденциальность быстро становится чем-то важным для крупных технологических компаний. Google, например, представил и внедрил систему под названием Федеративное обучение когорт (FLoC), хотя и с неоднозначными результатами. Различные браузеры, такие как Brave, отказались принимать FLoC и фактически отключили его в своем браузере.

Снайдер сказал, что FLoC и федеративное обучение кардинально отличаются. По его словам, FLoC - это система поведенческой рекламы, наносящая ущерб конфиденциальности, предложенная Google и реализованная в некоторых браузерах на основе Chromium.

«Хотя «FL» в FLoC означает «федеративное обучение», сейчас это лишь название из первоначальных планов Google по внедрению FLoC; «FLoC фактически не использует федеративного обучения в текущих реализациях», - сказал Снайдер. «Google также упоминает это в своей документации, где отмечается, что «федеративное обучение не используется (несмотря на «FL» в названии)».

Следующие шаги

Снайдер сказал, что конечная цель Brave - улучшить взаимодействие с пользователем в браузере Brave с помощью федеративного частного обучения, а система частных рекомендаций на устройстве для Brave Today - это всего лишь первый шаг.

«Мы планируем добиваться этого постепенно и измеримыми шагами. В настоящее время мы сосредоточены на создании инфраструктуры федеративного обучения, - сказал он, добавив - Когда он будет запущен и заработает, мы планируем протестировать его на небольших задачах оптимизации, которые практически не требуют затрат на конфиденциальность. Если наши тесты пройдут успешно, мы сможем использовать нашу федеративную структуру частного обучения для расширения возможностей пользователей, таких как Brave News, и оптимизации уже существующих, таких как наша локальная реклама с таргетингом на машинное обучение».