Ang Susunod na Trick ng Brave Browser: Mga Rekomendasyon sa Balitang Pagpapanatili ng Privacy

Ang Brave browser na nakatuon sa privacy ay naghahangad na lumakad sa linya pagdating sa pangangalaga sa Privacy ng mga user habang nag-aalok din ng mga rekomendasyon sa balita sa kamakailang inilunsad nito Matapang Ngayon, isang news aggregator na isinama sa browser.

Ipinagpapatuloy nito ang incremental na pag-unlad ng Brave tungo sa pagbuo ng isang hanay ng mga serbisyong nilalayong kalabanin, at lampasan, ang mga nangingibabaw na browser tulad ng Chrome at Safari.

Noong Marso, Matapang inihayag ang pagkuha ng Tailcat, isang bukas na search engine, upang maging batayan ng paparating nitong produkto na Brave Search. Itinaas ng Brave ang Brave Search bilang alternatibong hindi pagsubaybay sa Google Search sa Chrome at mobile.

Ang mga sistema ng rekomendasyon ay isang tampok ng web ngayon. Maging ito man ay algorithm ng rekomendasyon ng YouTube o lingguhang mga alok sa playlist ng Spotify, kadalasang umaasa ang mga system na ito sa pagsubaybay sa iyong gawi online – ibig sabihin, sa esensya, pangangalap at pagsusuri sa iyong data.

Binibigyang-daan ng Brave Today ang mga user na "hindi nagpapakilalang mag-subscribe sa mga RSS feed ng kanilang mga paboritong outlet ng balita at manatiling napapanahon sa lahat ng pinakabagong balita sa isang lugar." Ang mga user ay makakapili mula sa 15 iba't ibang kategorya ng mga na-curate na pinagmumulan at pagkatapos ay i-customize pa ang kanilang stream sa pamamagitan ng pagdaragdag o pag-alis sa mga ito (kabilang ang CoinDesk).

"Simula sa on-device na rekomendasyon para sa Brave Today, gusto naming simulan ang pag-alok sa mga user ng Brave ng antas ng pag-personalize na pinapagana ng mga modelong lokal na sinanay, habang pinapanatiling priyoridad ang Privacy ng user," sabi ni Pete Snyder, senior Privacy researcher sa Brave.

Pagsubaybay nang walang ick factor

Upang maiwasan ang pagkolekta ng data ng pag-uugali ng mga user sa serbisyo ng mga rekomendasyon, ang Brave ay nagmumungkahi ng "isang bagong framework para sa paggawa ng mga rekomendasyon sa pagpapanatili ng privacy sa device na T nangangailangan ng data ng pakikipag-ugnayan ng user na kolektahin sa isang server."

Gumagamit si Brave ng technique na tinatawag nitong "Federated Learning With Privacy."

Ang federated learning ay isang machine-learning technique na nagsasanay ng mga modelo ng hula (algorithm) habang pinapanatili ang data nang lokal sa mga device, sa halip na i-feed ang data na iyon sa isang central server (nasa lugar man iyon ng isang kumpanya o sa cloud) na nagho-host ng modelo.

"Sinasanay ng mga user ang mga lokal na modelo sa kanilang pribadong data at ibinabahagi lamang ang kanilang mga update sa lokal na modelo sa isang sentral na server," sabi ni a post sa blog pagpapahayag ng panukala. "Kinakalkula ng gitnang server ang isang pandaigdigang modelo bilang pinagsama-samang lahat ng lokal na modelo at ibinabalik ito sa mga user, kung saan umuulit ang proseso."

Sinabi ni Snyder na habang ang mga tipikal na federated learning system ay may mahalagang implikasyon at panganib para sa Privacy ng user , mayroong malaki at aktibong research community na nagtatrabaho upang pahusayin ang Privacy ng federated learning system, upang ang mga user ay makapag-collaborate para mapabuti ang katumpakan ng system, nang hindi inilalantad ang kanilang pribadong impormasyon at pag-uugali.

Mabilis na nagiging isang bagay na pinahahalagahan ng malalaking tech firm ang Privacy . Ang Google, halimbawa, ay nagpakilala at nagpatupad ng isang sistema na tinatawag na Federated Learning of Cohorts (FLoC), kahit na may magkahalong resulta. Ang iba't ibang mga browser, tulad ng Brave, ay mayroon tumangging magpatibay ng FLoC at, sa katunayan, hindi pinagana ito sa browser nito.

Sinabi ni Snyder na magkaiba ang FLoC at federated learning. Ang FLoC ay isang sistema ng pag-a-advertise na nakapipinsala sa privacy na iminungkahi ng Google at ipinatupad sa ilang browser na nakabatay sa Chromium, aniya.

"Habang ang 'FL' sa FLoC ay nangangahulugang 'federated learning,' isa na itong palimpsest ngayon sa mga orihinal na plano ng pagpapatupad ng Google para sa FLoC; T talaga gumagamit ang FLoC ng anumang federated learning sa mga kasalukuyang pagpapatupad," sabi ni Snyder sa pamamagitan ng email. “Binanggit din ito ng Google sa kanilang dokumentasyon, kung saan nabanggit nila 'walang Federated Learning ang ginagamit (sa kabila ng 'FL' sa pangalan).”'

Mga susunod na hakbang

Sinabi ni Snyder na ang pinakalayunin ng Brave ay pahusayin ang karanasan ng user sa Brave browser sa pamamagitan ng federated private learning na may pribadong on-device na balangkas ng rekomendasyon para sa Brave Today ay ang unang hakbang lamang.

"Plano naming makarating doon nang paunti-unti at sa masusukat na mga hakbang. Ang aming focus sa ngayon ay ang pagbuo ng federated learning infrastructure," aniya, at idinagdag:

"Kapag ito ay gumagana na, kami ay nagpaplano na subukan ito sa mas maliliit na problema sa pag-optimize na halos walang gastos sa Privacy . Kung ang aming mga pagsubok ay matagumpay, maaari naming gamitin ang aming federated private learning framework para paganahin ang mga feature na nakaharap sa user tulad ng Brave News, at i-optimize ang mga umiiral na, gaya ng aming mga lokal na ad na nagta-target sa machine learning."