Google hävdar att privat AI kan vara praktiskt. I ett inlägg publicerat den 14 augusti 2026 på företagets säkerhetsblogg visade personalens mjukvaruingenjör Jeremy Kun upp HEIR, en kompilator med öppen källkod som låser upp kryptografiskt säker privat AI-inferens, nu det senaste verktyget i Googles Private Computing Toolkit.

HEIR – förkortning för Homomorphic Encryption Intermediate Representation – kan konvertera förtränade AI-modeller som arbetar på okrypterad data till att arbeta på krypterade ingångar. Googles uttalade vision är att göra HEIR till en ettklickslösning som låter icke-experter införliva krypterad slutledning i produktionsapplikationer.

Avvägningen mellan sekretess och homomorfisk kryptering

Inlägget beskriver kärndilemmat. Standardskydd som end-to-end-kryptering utgör en avvägning: användardata kan skyddas från intrång, men då kan tjänsteleverantören inte erbjuda funktioner som är beroende av dessa data – skräppostfiltrering och virusdetektering är de kanoniska exemplen. Kritiska sektorer som hälso- och sjukvård och finans är ännu mer motvilliga till dessa risker, med strikta regler som begränsar datadelning mellan institutioner.

Alternativen har sina egna gränser. Lokal bearbetning på en användares enhet begränsas av hårdvarukapacitet, och att skicka en leverantörs egenutvecklade AI-modell till en enhet riskerar att läcka själva modellen – den immateriella egendomen går ut genom dörren.

Homomorf kryptering ändrar ekvationen genom att tillåta beräkningar att utföras direkt på krypterad data. Servrar bearbetar chiffertexter och returnerar krypterade resultat utan att någonsin exponera den underliggande informationen. En molntjänst kan till exempel ge innehållsrekommendationer utan att kunna se användarens funktioner - ett scenario som Google säger inte är någon överdrift, eftersom en av demos i inlägget gör precis det.

Tekniken är inte gratis: homomorf kryptering medför en icke-trivial kostnad. Men som Kun noterar, skiftar det avvägningen mellan kapacitet och integritet till en kostnadsfråga - och den kostnaden minskar snabbt. För läsare som spårar skärningspunkten mellan AI och säkerhet täcker AI Buzz Wire denna utveckling när den sker.

Vad ARVING faktiskt gör

Anledningen till att homomorf kryptering har förblivit nisch är användbarhet: att manuellt konvertera ett befintligt program för att använda det effektivt, säger Google, kräver ett team av kryptografer. HEIR är Googles svar – en komplett kompilatorverktygskedja med öppen källkod och utvecklingsplattform för homomorf kryptering.

Projektet har byggt upp fart sedan Google först tillkännagav sina avsikter 2023. Sedan dess har företaget observerat den homomorfa krypteringsgemenskapen anamma verktyget, inklusive partnerskap med företag som bygger hårdvaruacceleratorer för tekniken: Belfort, Niobium, Cornami och Optalysys. Google säger att de planerar att demonstrera latensfördelarna med dessa acceleratorer inom en snar framtid.

HEIR har också blivit en produktiv forskningsplattform. Eftersom kryptografer kan bygga på sin befintliga infrastruktur för testning, benchmarking och jämförelser, har projektet lockat till sig samarbeten med bland annat Georgia Tech, Carnegie Mellon, UC Santa Barbara, Illinois Institute of Technology, Purdue, University of Edinburgh och Tsinghua University. Hittills har fyra peer-reviewed publikationer byggts på HEIR, med fler under förberedelse.

Fyra fungerande demonstrationer

För att visa hur långt tekniken har kommit delade Google fyra privata slutledningsapplikationer, var och en kompilerad med HEIR, med latensnummer presenterade för entrådade processorer och källkod tillgänglig i dess GitHub-förråd:

1. Rekommendationer för privat innehåll

En rekommendationsmodell för djupinlärning för att ge privata rekommendationer — gemensamt arbete med Belfort Labs, LG och New York University. Detta är demon som ger rekommendationer utan att leverantören ser användarfunktioner.

2. Identifiering av kreditkortsbedrägerier

Tillsammans med Niobium och hardshell.ai sammanställde Google en detektor för kreditkortsbedrägerier som kan göra transaktioner utan att avslöja känsliga finansiella uppgifter.

3. Detektering av hotintrång

Med Niobium kompilerade teamet Kitsune-systemet för anomalidetektering av krypterad nätverkstrafik - vilket gör att en tjänsteleverantör kan upptäcka avvikelser utan att avslöja innehållet i nätverkspaket.

4. Hotword-detektering

Med Belfort Labs sammanställde Google en modell för att identifiera kommandoord som kunde låta en ljudutlöst AI-agent känna igen vakna ord och samtidigt skydda ljudinspelningarnas integritet.

Bredden spelar roll: rekommendationssystem, bedrägerier, säkerhetsövervakning och röstaktivering spänner över de flesta kontaktpunkter där konsumenter faktiskt stöter på AI – vilket tyder på att Google tänker på krypterad slutledning som infrastruktur, inte en labbkuriosa.

En linje av integritetsteknik

Google placerar HEIR i en längre tradition av sekretessteknologisk innovation – differentiell integritet, medlemskap i privat set, privat informationshämtning och säkra enklaver på Google Cloud. Till skillnad från hårdvarubaserade tillvägagångssätt är garantierna för homomorf kryptering rent kryptografiska och vilar på matematik snarare än på att lita på ett chip.

När mjukvaruindustrin anpassar sig till säkerhets- och integritetsförväntningar under AI-eran, säger Googles forskargrupp att de arbetar för att göra homomorf kryptering lätt att utveckla, snabb att köra och allmänt förekommande i branschen. Med HEIR som sänker expertisbarriären och hårdvarupartners accelererar matematiken, minskar klyftan mellan "kryptografiskt privat" och "praktiskt sett utplacerbar".

Ligg före AI

För mer täckning av AI-säkerhetsforskning och tekniken som skyddar användardata, bokmärk AI Buzz Wire och följ vår AI-forskningstäckning.

Läs mer AI-nyheter →