Quy trình mới bắt đầu ngay trên thiết bị: thiết bị mã hóa cục bộ các mẫu dữ liệu huấn luyện và đính kèm chính sách truy cập, nêu rõ những khối lượng công việc phía máy chủ nào được phép giải mã và xử lý dữ liệu. Các chính sách này được công bố lên nhật ký minh bạch công khai. Ở phía máy chủ, một cụm TEE triển khai KMS, yêu cầu xác thực từ xa và đối chiếu chính sách trước khi cấp khóa giải mã cho TEE gốc. TEE gốc chạy vòng lặp huấn luyện Python và phân công xử lý song song cho các TEE xử lý; vì dữ liệu dạng rõ chỉ tồn tại bên trong các TEE đã xác thực và khóa được kiểm soát theo chính sách, kiểm toán viên có thể theo dõi quyền truy cập dữ liệu từ lúc thiết bị tải lên đến khi xử lý trong TEE.

Công bố chính sách truy cập và hỗ trợ bản dựng có thể tái tạo là những mắt xích then chốt giúp việc kiểm toán thực sự khả thi. Kiểm toán viên có thể xem các mục nhật ký công khai để biết những khối lượng công việc nào được phép truy cập dữ liệu, đồng thời tự dựng lại các tệp nhị phân của KMS và thành phần xử lý từ mã nguồn để xác minh chúng giống hệt từng bit với các ảnh đã xác thực. Điều này giảm đáng kể vấn đề “hộp đen” khó minh bạch vốn cản trở các phương pháp FL phía máy chủ trước đây, đồng thời tạo hồ sơ công khai liên kết sự đồng thuận của thiết bị, mã được cho phép và các tệp nhị phân đang chạy bên trong TEE.

Ngay cả khi việc thực thi mã đã được xác thực và có thể kiểm toán, để bảo đảm quyền riêng tư vẫn cần giới hạn những đầu ra được công bố. Hệ thống của Google chỉ hiển thị các chỉ số và trọng số mô hình được xử lý bằng quyền riêng tư vi sai; dữ liệu thiết bị dạng rõ và các gradient trung gian vẫn được giữ bên trong TEE. Cách tiếp cận kép này—thực thi bảo mật kết hợp với DP cho dữ liệu đầu ra—giúp dung hòa tính hữu dụng với quyền riêng tư có thể chứng minh, nhưng phụ thuộc vào việc triển khai DP chính xác bên trong chương trình đã xác thực cũng như tinh chỉnh cẩn thận mức nhiễu, quy mô nhóm thiết bị và chiến lược lấy mẫu.

TEE tăng cường tính bảo mật và toàn vẹn nhưng không phải giải pháp vạn năng. Các TEE thế hệ hiện tại dễ bị một số kiểu quan sát qua kênh kề, còn việc nạp thành phần động—được dùng để giữ kín các phần tử mô hình độc quyền—có thể mở rộng bề mặt tấn công nếu không được kiểm soát chặt chẽ. Google thừa nhận những giới hạn này và cho rằng cần giữ toàn bộ logic liên quan đến quyền riêng tư bên trong chương trình Python có thể xác thực, đồng thời chỉ đưa vào qua cơ chế nạp động những đầu vào đã được kiểm toán kỹ. Vì vậy, kiểm toán viên không chỉ nên xác minh chương trình đã xác thực mà còn cần kiểm tra nguồn gốc và phạm vi dự kiến của các thành phần được nạp động.

Với các nhóm sản phẩm, kiến trúc này đưa ra một lộ trình rõ ràng để huấn luyện mô hình hữu ích trên dữ liệu nhạy cảm mà không cần đặt niềm tin mù quáng vào đơn vị vận hành: công bố chính sách truy cập, hỗ trợ bản dựng có thể tái tạo, kiểm soát việc cấp khóa bằng xác thực và chỉ công bố đầu ra đã qua xử lý DP. Kiểm toán viên nên xây dựng công cụ tự động đối chiếu các mục nhật ký, kết quả xác thực và tạo phẩm dựng lại. Các tổ chức đang đánh giá thiết kế tương tự cần dự trù năng lực TEE, đầu tư vào biện pháp giảm thiểu tấn công kênh kề và thiết lập cơ chế quản trị liên kết sự đồng thuận của thiết bị với ngữ nghĩa của chính sách truy cập.