GboardのAI学習はサーバーへ、データを守る「検証できる仕組み」とは｜2026年10月4日版
Googleは10月2日、スマートフォンのデータを使うAI学習を、保護されたサーバー内で実行する新しい連合学習システムを発表しました。Gboardの英語・日本語の次単語予測モデルに、すでに導入されています。
核心は、学習の計算をサーバーへ移しながら、データを処理できるプログラムを制限し、その内容を外部から検証できるようにしたことです。端末で計算する負担を減らすだけでなく、事業者の説明と実際の処理を照合する仕組みを組み込んでいます。
2026年10月4日、日本時間時点の公開情報を基に、入力予測の裏側で何が変わったのかを整理します。
- 対象はGboardの次単語予測を育てる学習基盤。新しいチャットAIの発表ではありません。
- 端末は学習用データを暗号化して送信し、許可されたサーバー内の処理だけが復号できます。
- 公開ログと実行内容の検証を組み合わせ、データの使い道を追跡できるようにします。
端末の稼働状況に左右される学習を変える
連合学習は、複数の端末などが持つデータを使い、共通のモデルを学習させる方式です。Googleは従来から、Gboardなどの機能に活用してきました。
従来方式では、端末側の計算能力や学習に参加できる時間が進行を制約していました。Googleによると、対象モデルの学習には以前、1〜2カ月かかることがありました。
新方式では、端末からの暗号化されたアップロードと、サーバーでの学習を切り離します。学習を進める時点で端末が利用可能かどうかに依存しにくくなり、サーバー側で計算を並列化できます。
Googleは学習の高速化と精度改善を報告しています。ただし、公式ブログは新方式の学習日数や日本語モデルの改善率を具体的に示していません。入力候補が何％良くなった、とまでは判断できません。Google Researchの発表
暗号化データを「許可された処理」に結び付ける
サーバーへ送る以上、通信の暗号化だけでは処理中のデータ利用を制限できません。そこで使うのが、TEEと呼ばれる保護された実行環境です。
TEEは、内部の状態を外から読み取ったり、実行する処理を改変したりすることを制限します。さらに、どのプログラムが動いているかを遠隔から確かめる「リモートアテステーション」を利用できます。
鍵を渡す前に、プログラムを確認する
9月25日に初版が公開され、9月30日に更新された論文は、データと処理ルールを結び付ける構成を説明しています。
- 端末がデータを暗号化し、利用を許可する処理のポリシーとともに送信する。
- TEE内の鍵管理サービスが、復号鍵を管理する。
- サーバー側の処理がポリシーに一致すると確認された場合に、鍵を渡す。
- 外部の監査者が公開ログを確認し、許可されている処理を追跡する。
重要なのは、暗号化されたデータを受け取っても、任意のプログラムで自由に開ける構成にはしないという点です。データの利用条件を、鍵の受け渡しに反映します。論文「Toward provably private learning from federated data」
公開コードと実行記録を照合する
関連する公開実装「Confidential Federated Compute」は、データの変換処理と鍵管理を担う部品を提供しています。データを復号する部品は、自分が動かしているコードがポリシーで許可されていることを証明する必要があります。
リポジトリには、検証記録や公開ログを、再現可能なビルドで生成した実行ファイルと結び付けるための案内もあります。ソースコードが公開されているだけでなく、実際に動くものとの対応を確認することが狙いです。公開実装の説明
TEEと差分プライバシーは、守る場所が違う
処理中のデータを保護しても、学習済みモデルの出力から個人の情報が推測される問題は別に残ります。
今回のシステムは、TEEに加えて差分プライバシーを使います。差分プライバシーは、特定の人のデータが含まれるかどうかによって結果が大きく変わらないよう、統計的に情報の漏れを抑える考え方です。
役割を分けると、仕組みが見えやすくなります。
- TEEと鍵管理：誰のどのプログラムが、元データを処理できるかを制限する。
- 公開ログと実行検証：許可された処理と実際の実行内容を確認する。
- 差分プライバシー：外へ出る学習結果から、個人の情報を推測されるリスクを抑える。
論文は、従来方式より小さいプライバシー予算で精度を改善したと報告しています。プライバシー予算は、保護の強さを評価するための量です。比較する際は、精度だけでなく、この条件も一緒に見る必要があります。
日本語入力への影響と、企業が確認すべきこと
日本の利用者に直接関係するのは、日本語の次単語予測モデルにも新基盤が使われている点です。ただし、発表が扱うのは学習の仕組みであり、キーボードの操作変更や、すべての端末での提供開始日を告知するものではありません。
企業の開発担当者にとっては、機密データを使うAI基盤を評価する際の確認項目が具体化します。今回の設計から得られる実務上の論点は、次の三つです。
- データを復号できるプログラムは、どの条件で制限されるか。
- 公開された処理ルールと実際の実行内容を、第三者が照合できるか。
- 学習結果の保護は、どの差分プライバシー条件で評価されているか。
なお、公開実装は公式サポート付きのGoogle製品ではないと明記されています。コードの公開と、そのまま業務システムへ導入できることは別に判断する必要があります。
継続ウォッチ：保証の範囲と実測値
外部から検証できる仕組みがあっても、あらゆる情報漏えいがなくなるわけではありません。Google自身も、現在のTEEの制約や、処理時間などから情報を推測するサイドチャネルへの対策を今後の課題に挙げています。
次に確認したいのは、次の点です。
- 日本語モデルの精度と学習時間について、比較条件付きの数値が公開されるか。
- 外部監査者が、公開ログと実行内容をどこまで独立に検証できるか。
- TEEのハードウェアや、動的に読み込む処理に関する保護がどう強化されるか。
今回の変化は、サーバーを使うAI学習で、データの利用条件を実行の仕組みに組み込んだことにあります。導入を評価する際は「暗号化しているか」に加え、復号後に何を実行でき、それを誰が確かめられるかまで確認することが重要です。