مترجم HEIR من جوجل: ثورة في خصوصية الذكاء الاصطناعي أم خطوة نظرية؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo أربعة تطبيقات تجريبية (التوصيا...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها
يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo
أربعة تطبيقات تجريبية (التوصيات، كشف الاحتيال البطاقي، كشف الاختراقات، والتعرف على الصوت) ركضت على معالج واحد أحادي النواة، دون نشر مقاييس أداء فورية
What is HEIR, Google's newly open-sourced compiler, what does it do for running AI on encrypted data, who are its partners and demonstratorsGoogle's HEIR compiler toolchain enables AI inference on encrypted data without decryption.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is HEIR, Google's newly open-sourced compiler, what does it do for running AI on encrypted data, who are its partners and demonstrators. Article summary: ## What is HEIR?. Topic tags: general, academic, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
في خطوة مهمة نحو خصوصية البيانات في عصر الذكاء الاصطناعي، أصدرت جوجل في 14 أغسطس 2026 أداة HEIR (Homomorphic Encryption Intermediate Representation)، وهي مجموعة أدوات مترجم (Compiler) مفتوحة المصدر تقوم بتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من إجراء الاستدلال (Inference) مباشرة على البيانات المشفرة — دون الحاجة إلى فك تشفيرها على الإطلاق . الإعلان جاء على مدونة أمن جوجل (Google Security Blog) بقلم المهندس جيريمي كون (Jeremy Kun)، واصفًا الأداة بأنها "أحدث إضافة قوية لمجموعة أدوات الحوسبة الخاصة" (Private Computing Toolkit) . تم بناء HEIR على إطار MLIR (Multi-Level Intermediate Representation) ويدعم أنظمة التشفير التماثلي BGV و BFV و CKKS عبر مكتبات خلفية تشمل OpenFHE و Lattigo . المشروع مرخص بموجب Apache-2.0 وتتولى جوجل صيانة الكود المصدري والوثائق .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "مترجم HEIR من جوجل: ثورة في خصوصية الذكاء الاصطناعي أم خطوة نظرية؟"؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
أربعة تطبيقات تجريبية (التوصيات، كشف الاحتيال البطاقي، كشف الاختراقات، والتعرف على الصوت) ركضت على معالج واحد أحادي النواة، دون نشر مقاييس أداء فورية
مترجم HEIR من جوجل: ثورة في خصوصية الذكاء الاصطناعي أم خطوة نظرية؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo أربعة تطبيقات تجريبية (التوصيا...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها
يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo
أربعة تطبيقات تجريبية (التوصيات، كشف الاحتيال البطاقي، كشف الاختراقات، والتعرف على الصوت) ركضت على معالج واحد أحادي النواة، دون نشر مقاييس أداء فورية
What is HEIR, Google's newly open-sourced compiler, what does it do for running AI on encrypted data, who are its partners and demonstratorsGoogle's HEIR compiler toolchain enables AI inference on encrypted data without decryption.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is HEIR, Google's newly open-sourced compiler, what does it do for running AI on encrypted data, who are its partners and demonstrators. Article summary: ## What is HEIR?. Topic tags: general, academic, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
في خطوة مهمة نحو خصوصية البيانات في عصر الذكاء الاصطناعي، أصدرت جوجل في 14 أغسطس 2026 أداة HEIR (Homomorphic Encryption Intermediate Representation)، وهي مجموعة أدوات مترجم (Compiler) مفتوحة المصدر تقوم بتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من إجراء الاستدلال (Inference) مباشرة على البيانات المشفرة — دون الحاجة إلى فك تشفيرها على الإطلاق . الإعلان جاء على مدونة أمن جوجل (Google Security Blog) بقلم المهندس جيريمي كون (Jeremy Kun)، واصفًا الأداة بأنها "أحدث إضافة قوية لمجموعة أدوات الحوسبة الخاصة" (Private Computing Toolkit) . تم بناء HEIR على إطار MLIR (Multi-Level Intermediate Representation) ويدعم أنظمة التشفير التماثلي BGV و BFV و CKKS عبر مكتبات خلفية تشمل OpenFHE و Lattigo . المشروع مرخص بموجب Apache-2.0 وتتولى جوجل صيانة الكود المصدري والوثائق .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "مترجم HEIR من جوجل: ثورة في خصوصية الذكاء الاصطناعي أم خطوة نظرية؟"؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت جوجل مترجم HEIR (Homomorphic Encryption Intermediate Representation) مفتوح المصدر، لتحويل نماذج الذكاء الاصطناعي المدربة مسبقًا لتتمكن من العمل على بيانات مشفرة دون فك تشفيرها يدعم HEIR أنظمة التشفير التماثلي BGV و BFV و CKKS، ومبني على إطار MLIR، ويستهدف مكتبات OpenFHE و Lattigo
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
أربعة تطبيقات تجريبية (التوصيات، كشف الاحتيال البطاقي، كشف الاختراقات، والتعرف على الصوت) ركضت على معالج واحد أحادي النواة، دون نشر مقاييس أداء فورية
يكسر HEIR الحاجز أمام استخدام التشفير التماثلي الكامل (Fully Homomorphic Encryption - FHE) في استدلال التعلم الآلي. يمكن للمطور أخذ نموذج مدرب عادي، وإدخاله في مسارات التجميع الخاصة بـ HEIR، فينتج ملفًا تنفيذيًا يعمل على النصوص المشفرة (ciphertexts). بهذه الطريقة، لا يرى الخادم أبدًا المدخلات الواضحة (plaintext inputs) ولا مخرجات النموذج، مما يوفر خصوصية آمنة تشفيريًا لبيانات المستخدم . يعالج التصميم متعدد الطبقات لـ HEIR مهامًا مثل ترتيب البيانات المشفرة ("التعبئة" أو packing)، واختيار المعاملات، وتحويل العمليات الحسابية بشكل تلقائي . يهدف المشروع إلى تمكين قابلية التشغيل البيني لبرامج FHE عبر أنظمة تشفير ومترجمات ومعجلات أجهزة مختلفة .
التطبيقات التجريبية الأربعة
أطلقت جوجل أربعة تطبيقات تجريبية تم تجميعها باستخدام HEIR لإظهار الجدوى العملية :
نظام توصيات عميق التعلم — تقديم توصيات شخصية خاصة دون كشف تاريخ المستخدم (تم تطويره بالتعاون مع Belfort Labs و LG و NYU)
كشف الاحتيال في البطاقات الائتمانية — اكتشاف المعاملات الاحتيالية على بيانات مالية مشفرة (بالتعاون مع Niobium و hardshell.ai)
كاشف الاختراقات الشبكية Kitsune — تحديد الهجمات الإلكترونية دون كشف أنماط حركة المرور (أيضًا مع Niobium)
اكتشاف الكلمات المفتاحية الصوتية — التعرف على كلمات التنبيه (مثل "Hey Google") من صوت مشفر (مع Belfort Labs)
جميع التطبيقات الأربعة ركضت على معالجات أحادية النواة (single-threaded CPU) . لم تنشر جوجل بعد أرقام زمن الاستجابة التي تثبت الأداء الفوري (real-time) لمعظم أحمال العمل .
الشركاء والمتعاونون
شركاء تسريع الأجهزة (Hardware Accelerator) — تتعاون جوجل مع موردي أجهزة متخصصين لتسريع استدلال FHE:
Belfort — جوجل هي أول عميل مدفوع لـ Belfort في مجال الحوسبة المشفرة
Niobium — شريحة BASALISC ASIC الخاصة بهم تدعم BGV و CKKS عبر واجهة OpenFHE API
Cornami
Optalysys
يقوم HEIR بتوليد كود خلفي لـ FPGA من Belfort بلغة Rust، ولـ TPU من جوجل عبر مكتبة jaxite بلغة Python . تم تقديم أول دعم خلفي لـ FPGA في مؤتمر FHE.org عام 2026، حيث تم تقييم خطوط الأنابيب المنطقية (Boolean) والحسابية (Arithmetic) لتسريع FHE العملي، بجهود باحثين من KU Leuven وجوجل .
المتعاونون الأكاديميون — من بين المؤلفين المشاركين في ورقة HEIR البحثية باحثون من إنتل (Alexander Viand)، و Moreh (Jaeho Choi)، و KU Leuven، وجامعة كاليفورنيا في سانتا باربرا، وجامعة ميشيغان، وجامعة تسينغهوا . تشمل قائمة الشركاء الأكاديميين أيضًا Georgia Tech و Carnegie Mellon .
القيود العملية الحالية
لا يزال التشفير التماثلي الكامل (FHE) بطيئًا جدًا. تشير معايير مستقلة من منتصف 2026 إلى أن حسابات FHE لا تزال أبطأ بنحو 1000 إلى 10,000 مرة مقارنة بالحسابات العادية (plaintext)، اعتمادًا على النظام والعملية . لكن تحسينات الخوارزميات، وتحسين المترجمات، وتقنيات التجميع، وتسريع الأجهزة المخصصة جعلت أداء FHE أسرع بنسبة 1000 إلى 10,000 مرة مما كان عليه قبل خمس سنوات، لكن الفجوة مع الحوسبة غير المشفرة لا تزال كبيرة لمعظم أحمال العمل .
ركضت تطبيقات HEIR من جوجل على معالج أحادي النواة، ولم تنشر الشركة أرقام زمن استجابة تثبت الأداء الفوري لمعظم أحمال العمل . من المتوقع أن يؤدي تسريع الأجهزة من شركاء مثل Belfort و Niobium إلى تحسين السرعة، لكن هذه الفوائد لم تثبت بعد في الإنتاج . كشفت دراسة بحثية لتقييم ثلاثة أطر عمل رائدة لـ FHE — بما في ذلك HEIR من جوجل — عن 21 خطأ عبر طبقات مختلفة، بما في ذلك 16 خطأ منطقيًا يؤدي إلى حسابات غير صحيحة صامتة و5 أعطال (crashes) .
على الصعيد العالمي، لا يوجد سوى ثلاثة أنظمة إنتاجية موثقة علنًا تستخدم تقنية FHE حتى منتصف 2026 ، مما يؤكد أن HEIR هو في المقام الأول منصة بحثية وتمكينية وليست أداة نشر ناضجة بعد. على منصة Hacker News، حصل الإعلان على 275 نقطة، ووصفه المعلقون بشكل عام بأنه تقدم حقيقي لكنه لا يزال بعيدًا عن سرعة الإنتاج لاستدلال الذكاء الاصطناعي العام .
ai-tldr.devHEIR — Google's compiler runs AI models on encrypted data
يكسر HEIR الحاجز أمام استخدام التشفير التماثلي الكامل (Fully Homomorphic Encryption - FHE) في استدلال التعلم الآلي. يمكن للمطور أخذ نموذج مدرب عادي، وإدخاله في مسارات التجميع الخاصة بـ HEIR، فينتج ملفًا تنفيذيًا يعمل على النصوص المشفرة (ciphertexts). بهذه الطريقة، لا يرى الخادم أبدًا المدخلات الواضحة (plaintext inputs) ولا مخرجات النموذج، مما يوفر خصوصية آمنة تشفيريًا لبيانات المستخدم . يعالج التصميم متعدد الطبقات لـ HEIR مهامًا مثل ترتيب البيانات المشفرة ("التعبئة" أو packing)، واختيار المعاملات، وتحويل العمليات الحسابية بشكل تلقائي . يهدف المشروع إلى تمكين قابلية التشغيل البيني لبرامج FHE عبر أنظمة تشفير ومترجمات ومعجلات أجهزة مختلفة .
التطبيقات التجريبية الأربعة
أطلقت جوجل أربعة تطبيقات تجريبية تم تجميعها باستخدام HEIR لإظهار الجدوى العملية :
نظام توصيات عميق التعلم — تقديم توصيات شخصية خاصة دون كشف تاريخ المستخدم (تم تطويره بالتعاون مع Belfort Labs و LG و NYU)
كشف الاحتيال في البطاقات الائتمانية — اكتشاف المعاملات الاحتيالية على بيانات مالية مشفرة (بالتعاون مع Niobium و hardshell.ai)
كاشف الاختراقات الشبكية Kitsune — تحديد الهجمات الإلكترونية دون كشف أنماط حركة المرور (أيضًا مع Niobium)
اكتشاف الكلمات المفتاحية الصوتية — التعرف على كلمات التنبيه (مثل "Hey Google") من صوت مشفر (مع Belfort Labs)
جميع التطبيقات الأربعة ركضت على معالجات أحادية النواة (single-threaded CPU) . لم تنشر جوجل بعد أرقام زمن الاستجابة التي تثبت الأداء الفوري (real-time) لمعظم أحمال العمل .
الشركاء والمتعاونون
شركاء تسريع الأجهزة (Hardware Accelerator) — تتعاون جوجل مع موردي أجهزة متخصصين لتسريع استدلال FHE:
Belfort — جوجل هي أول عميل مدفوع لـ Belfort في مجال الحوسبة المشفرة
Niobium — شريحة BASALISC ASIC الخاصة بهم تدعم BGV و CKKS عبر واجهة OpenFHE API
Cornami
Optalysys
يقوم HEIR بتوليد كود خلفي لـ FPGA من Belfort بلغة Rust، ولـ TPU من جوجل عبر مكتبة jaxite بلغة Python . تم تقديم أول دعم خلفي لـ FPGA في مؤتمر FHE.org عام 2026، حيث تم تقييم خطوط الأنابيب المنطقية (Boolean) والحسابية (Arithmetic) لتسريع FHE العملي، بجهود باحثين من KU Leuven وجوجل .
المتعاونون الأكاديميون — من بين المؤلفين المشاركين في ورقة HEIR البحثية باحثون من إنتل (Alexander Viand)، و Moreh (Jaeho Choi)، و KU Leuven، وجامعة كاليفورنيا في سانتا باربرا، وجامعة ميشيغان، وجامعة تسينغهوا . تشمل قائمة الشركاء الأكاديميين أيضًا Georgia Tech و Carnegie Mellon .
القيود العملية الحالية
لا يزال التشفير التماثلي الكامل (FHE) بطيئًا جدًا. تشير معايير مستقلة من منتصف 2026 إلى أن حسابات FHE لا تزال أبطأ بنحو 1000 إلى 10,000 مرة مقارنة بالحسابات العادية (plaintext)، اعتمادًا على النظام والعملية . لكن تحسينات الخوارزميات، وتحسين المترجمات، وتقنيات التجميع، وتسريع الأجهزة المخصصة جعلت أداء FHE أسرع بنسبة 1000 إلى 10,000 مرة مما كان عليه قبل خمس سنوات، لكن الفجوة مع الحوسبة غير المشفرة لا تزال كبيرة لمعظم أحمال العمل .
ركضت تطبيقات HEIR من جوجل على معالج أحادي النواة، ولم تنشر الشركة أرقام زمن استجابة تثبت الأداء الفوري لمعظم أحمال العمل . من المتوقع أن يؤدي تسريع الأجهزة من شركاء مثل Belfort و Niobium إلى تحسين السرعة، لكن هذه الفوائد لم تثبت بعد في الإنتاج . كشفت دراسة بحثية لتقييم ثلاثة أطر عمل رائدة لـ FHE — بما في ذلك HEIR من جوجل — عن 21 خطأ عبر طبقات مختلفة، بما في ذلك 16 خطأ منطقيًا يؤدي إلى حسابات غير صحيحة صامتة و5 أعطال (crashes) .
على الصعيد العالمي، لا يوجد سوى ثلاثة أنظمة إنتاجية موثقة علنًا تستخدم تقنية FHE حتى منتصف 2026 ، مما يؤكد أن HEIR هو في المقام الأول منصة بحثية وتمكينية وليست أداة نشر ناضجة بعد. على منصة Hacker News، حصل الإعلان على 275 نقطة، ووصفه المعلقون بشكل عام بأنه تقدم حقيقي لكنه لا يزال بعيدًا عن سرعة الإنتاج لاستدلال الذكاء الاصطناعي العام .
ai-tldr.devHEIR — Google's compiler runs AI models on encrypted data
blog.googleHow Google is Making Private AI Practical with Homomorphic Encryption
developers.googleblog.comMemperluas penawaran Fully Homomorphic Encryption kami
webpronews.comGoogle's HEIR Compiler Turns Homomorphic Encryption Into a Practical Tool for Private AI
emergentmind.comHEIR: Homomorphic Encryption IR Framework