Google運用聯合分析技術，可保護用戶隱私又能改善服務品質

聯合分析技術讓使用者資料都只留在手機上，僅上傳匯總資料，且透過安全聚合協定，讓用戶喜好不會曝光

Google擴展聯合學習（Federated Learning）技術的想法，發展出聯合分析（Federated Analytics）技術，能夠在用於改善Google自家鍵盤Gboard，以及音樂辨識應用的準確度。Google表示，這項技術最大的優點，就是讓使用者的資料留在本機上，但是工程師又能獲取匯總分析資料改善服務。

聯合學習是2017年才出現的新興機器學習技術，能夠跨多個裝置訓練模型，以非集中的方式收集資料，因此能保證使用者的資料不會被共用，Google目前運用這項技術，改善Android Gboard的下一個單詞建議，以及Android Messages的智慧回覆品質。

隨著這些應用的成熟，聯合技術被重新思考用來處理更基本的問題，像是計數或是比率等運算，Google提到，這些問題跟機器學習沒有關係，但是可以用來分析用戶行為，以改進產品體驗。Google發展出了一個稱為聯合分析的技術，可以對儲存在使用者裝置中的資料，應用資料科學方法，與聯合學習一樣，其概念都是在各裝置上，進行本地端運算，僅回傳匯總資料給產品工程師，不會提供來自裝置上的資料。

聯合分析的發展，一開始是為了用來支援聯合學習，因為聯合學習訓練出來的模型，工程師難以取得用戶實際資料進行實測評估，因此Google決定讓評估模型品質這個工作，也在用戶的手機上進行。

Google舉例，當Gboard工程師想要評估單詞預測模型的品質，參與實驗的手機下載了候選模型，並在本地端計算該模型的預測和實際輸入單詞間的差異，並上傳比對結果，這過程不會修正模型權重，也不改變Gboard輸入體驗，只是單純收集資料，透過多個使用者手機上傳的指標，工程師就能了解模型的效能。

除了模型評估之外，聯合分析還被用在支援Google Pixel手機上的正在播放（Now Playing）功能，正在播放工具可顯示環境正在播放的音樂，音樂辨識的工作不需要連接網路，僅利用手機上的曲目指紋資料庫進行辨識，不過，因為曲目指紋資料庫僅會存放熱門音樂，並且該功能只可辨識資料庫中的歌曲，而相同地區使用者接受到的資料庫都一樣，因此在資料庫中存放對的歌曲便非常重要。

為了評估每個區域資料庫的品質，工程師要能夠回答一些基本的統計資料，像是哪一種歌曲最常被辨識，這個時候聯合分析技術就能派上用場。當正在播放功能辨識出歌曲時，便將曲目名稱記錄在歷史紀錄中，用戶可以查看最近辨識的歌曲，在手機進入閒置並連接上無線網路時，Google聯合學習和分析伺服器，便會發出邀請，將數百臺手機一起加入一輪聯合分析計算。

這一輪分析中，每臺手機都會計算其歷史紀錄中的歌曲辨識率，並使用安全聚合協定加密其結果（下圖），將結果發送到聯合分析伺服器，該伺服器沒有單獨解開加密結果的金鑰，只有當加總同輪中的所有手機加密計數，伺服器才能解密結果。這讓Google工程師可以改進曲目指紋資料庫，但是個別使用者的喜好又不會被暴露，Google提到，他們利用這個技術，提升所有Pixel手機總體歌曲辨識率5％。

這項技術可以被應用在許多功能上，像是Gboard工程師能探索用戶常輸入的新單詞，並且添加到拼寫檢查和輸入辭典中，另外，Google也運用這項技術，找出模型難以辨識的資料類型。Google提到，聯合分析方法還在發展初期，需要提高準確度以回答更多資料科學問題。