待验证50% 置信事实精确时间
联邦学习与本地推理等隐私保护技术允许模型在用户设备侧完成数据处理，避免原始个人数据上传至云端
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
Gemini个性化图像生成：连接Google生态，AI真正「懂你」
twitterGeminiApp2026/6/29
相关事实
待验证隐私保护极强但丧失智能化能力：数据纯本地存储无云端上传，但也意味着无法自动匹配体检套餐对应的禁忌清单，全靠用户自己查资料录入80% 相似待验证联邦学习通过仅上传加密的模型梯度更新而非原始数据来缓解隐私担忧，但面临通信开销大、设备算力异构、数据非独立同分布等挑战76% 相似待验证购买前应确认平台对聊天记录的加密方式和数据删除机制，心理倾诉涉及高度隐私，需明确数据是否可由用户主动删除、是否用于模型训练74% 相似待验证云端备份与在线咨询功能越强，隐私数据暴露面越大，选择时应确认是否本地加密及可否导出/删除数据，避免更换APP后病历丢失73% 相似待验证设备端处理、差分隐私、联邦学习是提升可穿戴AI设备隐私保护水平的技术方向73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/458950API
curl https://kongchang.com/api/v1/knowledge/claims/458950MCP
get_claim(id=458950)