El próximo truco de Brave Browser: Recomendaciones de noticias que preservan la privacidad

El navegador Brave, centrado en la privacidad, busca mantener el equilibrio cuando se trata de preservar la Privacidad de los usuarios y, al mismo tiempo, ofrecer recomendaciones de noticias en su versión recientemente lanzada. Valiente hoy, un agregador de noticias integrado en el navegador.

Esto continúa el progreso incremental de Brave hacia la creación de un conjunto de servicios destinados a rivalizar y superar a navegadores dominantes como Chrome y Safari.

En marzo, valienteanunció la adquisición de Tailcat, un motor de búsqueda abierto, que será la base de su próximo producto, Brave Search. Brave lo presenta como una alternativa sin rastreo a la Búsqueda de Google en Chrome y dispositivos móviles.

Los sistemas de recomendación son una característica de la web actual. Ya sea el algoritmo de recomendación de YouTube o las listas de reproducción semanales de Spotify, estos sistemas suelen basarse en gran medida en el seguimiento de tu comportamiento en línea; es decir, en esencia, en la recopilación y el análisis de tus datos.

Brave Today permite a los usuarios suscribirse anónimamente a las fuentes RSS de sus medios de comunicación favoritos y mantenerse al día con las últimas noticias en un solo lugar. Los usuarios pueden elegir entre 15 categorías diferentes de fuentes seleccionadas y personalizar aún más su flujo de noticias añadiéndolas o eliminándolas (incluido CoinDesk).

“A partir de la recomendación en el dispositivo para Brave Today, queremos empezar a ofrecer a los usuarios de Brave un nivel de personalización impulsado por modelos entrenados localmente, al mismo tiempo que mantenemos la Privacidad del usuario como nuestra primera prioridad”, dijo Pete Snyder, investigador sénior de Privacidad en Brave.

Seguimiento sin el factor asqueroso

Para evitar recopilar datos sobre el comportamiento de los usuarios al servicio de recomendaciones, Brave propone "un nuevo marco para hacer recomendaciones que preserven la privacidad en el dispositivo y que no requiera que se recopilen datos de interacción del usuario en un servidor".

Brave está utilizando una técnica que llama “Aprendizaje federado con Privacidad”.

El aprendizaje federado es una técnica de aprendizaje automático que entrena modelos de predicción (algoritmos) mientras mantiene los datos localmente en los dispositivos, en lugar de enviar esos datos a un servidor central (ya sea en las instalaciones de una empresa o en la nube) que aloja el modelo.

“Los usuarios entrenan modelos locales con sus datos privados y comparten solo las actualizaciones de sus modelos locales con un servidor central”, dijo unentrada de blogAnunciando la propuesta. «El servidor central calcula un modelo global como la suma de todos los modelos locales y lo envía a los usuarios, donde el proceso se repite».

Snyder dijo que si bien los sistemas de aprendizaje federado típicos tienen implicaciones y riesgos importantes para la Privacidad del usuario, existe una comunidad de investigación grande y activa que trabaja para mejorar la Privacidad de los sistemas de aprendizaje federado, de modo que los usuarios puedan colaborar para mejorar la precisión del sistema, sin revelar su información y comportamientos privados.

La Privacidad se está convirtiendo rápidamente en algo que las grandes empresas tecnológicas valoran. Google, por ejemplo, ha introducido e implementado un sistema llamado Aprendizaje federado de cohortes (FLoC), aunque conresultados mixtosVarios navegadores, como Brave, tienense negó a adoptar FLoC y, de hecho, lo ha desactivado en su navegador.

Snyder afirmó que FLoC y el aprendizaje federado son categóricamente diferentes. FLoC es un sistema de publicidad comportamental que vulnera la privacidad, propuesto por Google e implementado en algunos navegadores basados en Chromium, explicó.

“Si bien 'FL' en FLoC significa 'aprendizaje federado', esto es ahora un reflejo de los planes de implementación originales de Google para FLoC; FLoC en realidad no utiliza ningún aprendizaje federado en las implementaciones actuales”, explicó Snyder por correo electrónico. “Google también lo menciona en su documentación, donde indica:No se utiliza aprendizaje federado (a pesar de la palabra "FL" en el nombre).”

Próximos pasos

Snyder dijo que el objetivo final de Brave es mejorar la experiencia del usuario en el navegador Brave a través del aprendizaje privado federado con el marco de recomendación privado en el dispositivo para Brave. Hoy es solo el primer paso.

Planeamos lograrlo gradualmente y con pasos mensurables. Actualmente, nos centramos en construir la infraestructura de aprendizaje federado, afirmó, y añadió:

Una vez que esté en funcionamiento, planeamos probarlo en problemas de optimización más pequeños que prácticamente no tienen impacto en la Privacidad . Si nuestras pruebas tienen éxito, podremos usar nuestro marco de aprendizaje privado federado para potenciar funciones orientadas al usuario como Brave News y optimizar las ya existentes, como nuestros anuncios locales orientados al aprendizaje automático.