Le géant du Net explique qu'elle permet aux développeurs et chercheurs d'entraîner plus facilement des intelligences artificielles en respectant la confidentialité des personnes dont sont issues les données.

Google indique notamment s'appuyer sur une technique baptisée « differential privacy ». « Lors de l'apprentissage sur des données d'utilisateurs, ces techniques offrent de solides garanties mathématiques que les modèles n’apprennent ni ne se souviennent des détails d’un utilisateur ».

De plus amples informations sont données dans ce billet sur Medium. TensorFlow Privacy est disponible en open source sur GitHub avec une licence Apache 2.0