Kompilator HEIR firmy Google umożliwia szyfrowanie homomorficzne w prywatnym wnioskowaniu AI

Google przekonuje, że prywatna sztuczna inteligencja może być praktyczna. W poście opublikowanym 14 sierpnia 2026 r. na firmowym blogu Security inżynier oprogramowania Jeremy Kun zaprezentował HEIR, kompilator typu open source, który odblokowuje kryptograficznie bezpieczne prywatne wnioskowanie AI, obecnie najnowsze narzędzie w zestawie narzędzi Google Private Computing Toolkit.

HEIR — skrót od Homomorphic Encryption Intermediate Representation — umożliwia konwersję wstępnie wytrenowanych modeli sztucznej inteligencji, które działają na niezaszyfrowanych danych, tak, aby działały na zaszyfrowanych danych wejściowych. Wizją Google jest uczynienie HEIR rozwiązaniem dostępnym za pomocą jednego kliknięcia, które pozwala osobom niebędącym ekspertami włączać zaszyfrowane wnioskowania do aplikacji produkcyjnych.

Kompromis dotyczący prywatności Psuje się szyfrowanie homomorficzne

W poście przedstawiono podstawowy dylemat. Standardowe zabezpieczenia, takie jak kompleksowe szyfrowanie, stanowią kompromis: dane użytkownika można chronić przed naruszeniami, ale wtedy dostawca usług nie może oferować funkcji zależnych od tych danych – kanonicznymi przykładami są filtrowanie spamu i wykrywanie wirusów. Sektory krytyczne, takie jak opieka zdrowotna i finanse, są jeszcze bardziej niechętne tym zagrożeniom, a rygorystyczne przepisy ograniczają wymianę danych między instytucjami.

Alternatywy mają swoje własne ograniczenia. Lokalne przetwarzanie na urządzeniu użytkownika jest ograniczone możliwościami sprzętu, a przesłanie zastrzeżonego modelu sztucznej inteligencji dostawcy na urządzenie grozi wyciekiem samego modelu – własność intelektualna wychodzi na jaw.

Szyfrowanie homomorficzne zmienia równanie, umożliwiając wykonywanie obliczeń bezpośrednio na zaszyfrowanych danych. Serwery przetwarzają szyfrogramy i zwracają zaszyfrowane wyniki, nigdy nie ujawniając podstawowych informacji. Usługa w chmurze może na przykład udostępniać rekomendacje treści bez możliwości zobaczenia funkcji użytkownika — scenariusz, który według Google nie jest przesadą, ponieważ jedna z wersji demonstracyjnych w poście właśnie to robi.

Technologia ta nie jest darmowa: szyfrowanie homomorficzne wiąże się z nietrywialnymi kosztami. Jednak, jak zauważa Kun, przesuwa to kompromis między możliwościami a prywatnością na kwestię kosztów, a koszt ten szybko maleje. Czytelnicy śledzący powiązania sztucznej inteligencji i bezpieczeństwa mogą zapoznać się z AI Buzz Wire opisującym te zmiany na bieżąco.

Co właściwie robi HEIR

Powodem, dla którego szyfrowanie homomorficzne pozostaje niszowe, jest użyteczność: ręczna konwersja istniejącego programu w celu jego wydajnego wykorzystania, według Google, wymaga zespołu kryptografów. HEIR to odpowiedź Google — pełny zestaw narzędzi kompilatora typu open source i platforma programistyczna do szyfrowania homomorficznego.

Projekt nabiera tempa, odkąd Google po raz pierwszy ogłosił swoje zamiary w 2023 r. Od tego czasu firma obserwuje, jak społeczność szyfrująca homomorficznie przyjęła to narzędzie, w tym współpracuje z firmami budującymi akceleratory sprzętowe dla tej technologii: Belfort, Niobium, Cornami i Optalysys. Google twierdzi, że planuje w najbliższej przyszłości wykazać zalety tych akceleratorów w zakresie opóźnień.

HEIR stał się także produktywną platformą badawczą. Ponieważ kryptografowie mogą wykorzystywać istniejącą infrastrukturę do testowania, analiz porównawczych i porównań, w ramach projektu nawiązano współpracę między innymi z Georgia Tech, Carnegie Mellon, UC Santa Barbara, Illinois Institute of Technology, Purdue, Uniwersytetem w Edynburgu i Uniwersytetem Tsinghua. Do chwili obecnej opracowano cztery recenzowane publikacje na temat HEIR, a kolejne są w przygotowaniu.

Cztery demonstracje robocze

Aby pokazać, jak daleko zaszła ta technologia, Google udostępnił cztery aplikacje do wnioskowania prywatnego, każdą skompilowaną za pomocą HEIR, z numerami opóźnień dla procesorów jednowątkowych i kodem źródłowym dostępnym w repozytorium GitHub:

1. Rekomendacje treści prywatnych

Model rekomendacji głębokiego uczenia się do udostępniania prywatnych rekomendacji — wspólna praca z Belfort Labs, LG i New York University. To jest wersja demonstracyjna wyświetlająca rekomendacje bez możliwości zobaczenia przez dostawcę funkcji użytkownika.

2. Wykrywanie oszustw związanych z kartami kredytowymi

Wraz z Niobium i hardshell.ai Google stworzył narzędzie do wykrywania oszustw związanych z kartami kredytowymi, które może oceniać transakcje bez ujawniania wrażliwych danych finansowych.

3. Wykrywanie zagrożeń

Korzystając z Niobium, zespół skompilował system Kitsune do wykrywania anomalii w zaszyfrowanym ruchu sieciowym, umożliwiając usługodawcy wykrywanie anomalii bez ujawniania zawartości pakietów sieciowych.

4. Wykrywanie słów kluczowych

W laboratorium Belfort Labs firma Google opracowała model wykrywania słów-kluczy, który umożliwia agentowi AI uruchamianemu dźwiękiem rozpoznawanie słów budzących, chroniąc jednocześnie prywatność nagrań dźwiękowych.

Szerokość ma znaczenie: systemy rekomendacji, oszustwa, monitorowanie bezpieczeństwa i aktywacja głosowa obejmują większość punktów kontaktu, w których konsumenci faktycznie spotykają się ze sztuczną inteligencją, co sugeruje, że Google myśli o zaszyfrowanym wnioskowaniu jako o infrastrukturze, a nie o ciekawostce laboratoryjnej.

Linia inżynierii prywatności

Google umieszcza firmę HEIR w dłuższej tradycji innowacji w zakresie technologii prywatności — prywatności różnicowej, członkostwa w zestawach prywatnych, wyszukiwania prywatnych informacji i bezpiecznych enklaw w Google Cloud. W przeciwieństwie do podejść sprzętowych, gwarancje szyfrowania homomorficznego mają charakter czysto kryptograficzny i opierają się na matematyce, a nie na zaufaniu chipowi.

W miarę jak branża oprogramowania dostosowuje się do oczekiwań w zakresie bezpieczeństwa i prywatności w epoce sztucznej inteligencji, zespół badawczy Google twierdzi, że pracuje nad tym, aby szyfrowanie homomorficzne było łatwe w opracowywaniu, szybkie w działaniu i wszechobecne w całej branży. W sytuacji, gdy HEIR obniża barierę wiedzy specjalistycznej, a partnerzy sprzętowi przyspieszają obliczenia, różnica między „prywatnymi kryptograficznie” a „praktycznie możliwymi do wdrożenia” zmniejsza się.

Wyprzedź sztuczną inteligencję

Aby uzyskać więcej informacji na temat badań nad bezpieczeństwem sztucznej inteligencji i technologii chroniących dane użytkowników, dodaj zakładkę AI Buzz Wire i śledź nasze relacjonowanie badań nad sztuczną inteligencją.

Przeczytaj więcej aktualności o sztucznej inteligencji →