De HEIR-compiler van Google brengt homomorfe encryptie naar private AI-inferentie

Google beweert dat private AI praktisch kan zijn. In een bericht dat op 14 augustus 2026 op de Security-blog van het bedrijf werd gepubliceerd, presenteerde personeelssoftware-ingenieur Jeremy Kun HEIR, een open-source compiler die cryptografisch veilige privé-AI-inferentie ontgrendelt, nu de nieuwste tool in de Private Computing Toolkit van Google.

HEIR – een afkorting van Homomorphic Encryption Intermediate Representation – kan vooraf getrainde AI-modellen die op niet-gecodeerde gegevens werken, omzetten naar gecodeerde invoer. De visie van Google is om van HEIR een oplossing met één klik te maken waarmee niet-experts gecodeerde gevolgtrekkingen kunnen opnemen in productietoepassingen.

De privacy-afweging van homomorfe encryptie breekt

Het bericht legt het kerndilemma uit. Standaardbeveiligingen zoals end-to-end-encryptie brengen een wisselwerking met zich mee: gebruikersgegevens kunnen worden beschermd tegen inbreuken, maar de serviceprovider kan dan geen functies aanbieden die afhankelijk zijn van die gegevens – spamfilters en virusdetectie zijn de gebruikelijke voorbeelden. Kritieke sectoren als de gezondheidszorg en de financiële sector zijn zelfs nog meer afkerig van deze risico’s, omdat strikte regelgeving het delen van gegevens tussen instellingen beperkt.

De alternatieven hebben hun eigen grenzen. Lokale verwerking op het apparaat van een gebruiker wordt beperkt door hardwaremogelijkheden, en als je het eigen AI-model van een provider naar een apparaat verzendt, bestaat het risico dat het model zelf lekt: het intellectuele eigendom loopt de deur uit.

Homomorfe codering verandert de vergelijking doordat berekeningen rechtstreeks op gecodeerde gegevens kunnen worden uitgevoerd. Servers verwerken cijferteksten en retourneren gecodeerde resultaten zonder ooit de onderliggende informatie vrij te geven. Een cloudservice zou bijvoorbeeld inhoudsaanbevelingen kunnen geven zonder de functies van de gebruiker te kunnen zien - een scenario dat volgens Google niet overdreven is, omdat een van de demo's in het bericht precies dat doet.

De technologie is niet gratis: homomorfe encryptie brengt niet-triviale overheadkosten met zich mee. Maar zoals Kun opmerkt, verschuift de afweging tussen capaciteit en privacy naar een kwestie van kosten – en die kosten nemen snel af. Voor lezers die het snijvlak van AI en beveiliging volgen, behandelt AI Buzz Wire deze ontwikkelingen terwijl ze zich voordoen.

Wat HEIR eigenlijk doet

De reden dat homomorfe encryptie een niche is gebleven, is bruikbaarheid: voor het handmatig converteren van een bestaand programma om het efficiënt te gebruiken, is volgens Google een team van cryptografen nodig. HEIR is het antwoord van Google: een volledig open-source compilertoolchain en ontwikkelingsplatform voor homomorfe encryptie.

Het project is in een stroomversnelling gekomen sinds Google in 2023 voor het eerst zijn bedoelingen bekendmaakte. Sindsdien heeft het bedrijf gezien dat de homomorfe encryptiegemeenschap de tool omarmt, inclusief partnerschappen met bedrijven die hardwareversnellers voor de technologie bouwen: Belfort, Niobium, Cornami en Optalysys. Google zegt dat het van plan is om de latentievoordelen van deze versnellers in de nabije toekomst aan te tonen.

HEIR is ook een productief onderzoeksplatform geworden. Omdat cryptografen kunnen voortbouwen op de bestaande infrastructuur voor testen, benchmarken en vergelijkingen, heeft het project samenwerkingen opgeleverd met onder meer Georgia Tech, Carnegie Mellon, UC Santa Barbara, Illinois Institute of Technology, Purdue, de Universiteit van Edinburgh en Tsinghua University. Tot nu toe zijn er vier peer-reviewed publicaties op basis van HEIR verschenen, en er zijn er nog meer in voorbereiding.

Vier werkdemonstraties

Om te laten zien hoe ver de technologie is gekomen, deelde Google vier privé-inferentietoepassingen, elk samengesteld met HEIR, met latentiecijfers gepresenteerd voor single-threaded CPU's en broncode beschikbaar in de GitHub-repository:

1. Aanbevelingen voor privé-inhoud

Een Deep Learning-aanbevelingsmodel voor het geven van particuliere aanbevelingen – in samenwerking met Belfort Labs, LG en New York University. Dit is de demo die aanbevelingen geeft zonder dat de provider gebruikersfuncties ziet.

2. Detectie van creditcardfraude

Samen met Niobium en hardshell.ai heeft Google een creditcardfraudedetector samengesteld die transacties kan beoordelen zonder gevoelige financiële gegevens vrij te geven.

3. Detectie van bedreigingen

Met Niobium heeft het team het Kitsune-systeem samengesteld voor de detectie van afwijkingen in versleuteld netwerkverkeer, waardoor een serviceprovider afwijkingen kan detecteren zonder de inhoud van netwerkpakketten prijs te geven.

4. Hotword-detectie

Met Belfort Labs heeft Google een hotword-detectiemodel samengesteld waarmee een door audio geactiveerde AI-agent wake-words kan herkennen en tegelijkertijd de privacy van de audio-opnamen kan beschermen.

De breedte is van belang: aanbevelingssystemen, fraude, beveiligingsmonitoring en stemactivatie bestrijken de meeste contactpunten waar consumenten daadwerkelijk met AI in aanraking komen – wat suggereert dat Google versleutelde gevolgtrekkingen beschouwt als infrastructuur, en niet als een laboratoriumnieuwsgierigheid.

Een lijn van privacytechniek

Google plaatst HEIR in een langere traditie van innovatie op het gebied van privacytechnologie: differentiële privacy, lidmaatschap van privésets, ophalen van privé-informatie en veilige enclaves op Google Cloud. In tegenstelling tot op hardware gebaseerde benaderingen zijn de garanties van homomorfe encryptie puur cryptografisch en berusten ze eerder op wiskunde dan op het vertrouwen op een chip.

Terwijl de software-industrie zich aanpast aan de verwachtingen op het gebied van beveiliging en privacy in het AI-tijdperk, zegt het onderzoeksteam van Google eraan te werken om homomorfe encryptie eenvoudig te ontwikkelen, snel uit te voeren en alomtegenwoordig in de hele industrie te maken. Nu HEIR de expertisebarrière verlaagt en hardwarepartners de wiskunde versnellen, wordt de kloof tussen ‘cryptografisch privé’ en ‘praktisch inzetbaar’ kleiner.

Blijf AI een stap voor

Voor meer berichtgeving over AI-beveiligingsonderzoek en de technologieën die gebruikersgegevens beschermen, kunt u een bladwijzer maken voor AI Buzz Wire en onze AI-onderzoeksverslaggeving volgen.

Lees meer AI-nieuws →