Google HEIR: Open-source kompilátor, který umožňuje AI běžet na šifrovaných datech

Co HEIR přináší pro soukromou AI

HEIR snižuje bariéru pro použití plně homomorfního šifrování (FHE) při inferenci strojového učení. Vývojář může vzít běžný natrénovaný model, prohnat ho kompilačními průchody HEIR a vytvořit spustitelný soubor, který pracuje se šifrovanými texty. Server nikdy nevidí nezašifrované vstupy ani výstupy modelu, což poskytuje kryptograficky zaručené soukromí uživatelských dat . Vícevrstvá architektura HEIR automaticky řeší úkoly, jako je rozložení dat v šifrovaném textu („packing“), výběr parametrů a aritmetizaci . Cílem projektu je umožnit interoperabilitu programů FHE napříč různými šifrovacími schématy, kompilátory a hardwarovými akcelerátory .

Čtyři demonstrační aplikace

Google dodal čtyři demonstrační aplikace zkompilované pomocí HEIR, aby ukázal praktickou proveditelnost :

• Hluboké doporučovací systémy – soukromá personalizovaná doporučení bez odhalení historie uživatele (vyvinuto s Belfort Labs, LG a NYU)
• Detekce podvodů s kreditními kartami – odhalování podvodných transakcí na zašifrovaných finančních datech (s Niobium a hardshell.ai)
• Detektor síťových průniků Kitsune – identifikace síťových útoků bez prozrazení vzorců provozu (také s Niobium)
• Detekce hlasových hesel – rozpoznávání spouštěcích slov (např. "Hey Google") na zašifrovaném audiu (s Belfort Labs)

Všechny čtyři ukázky běžely na jednovláknových CPU implementacích . Google dosud nezveřejnil hodnoty latence, které by prokázaly výkon v reálném čase pro většinu pracovních zátěží .

Partneři a spolupracovníci

Partneři pro hardwarovou akceleraci – Google spolupracuje se specializovanými výrobci hardwaru na urychlení FHE inference:

• Belfort – Google je prvním platícím zákazníkem Belfortu pro šifrovaný výpočetní hardware
• Niobium – jejich ASIC BASALISC podporuje BGV a CKKS prostřednictvím API OpenFHE
• Cornami
• Optalysys

HEIR generuje backendový kód pro FPGA Belfortu v jazyce Rust a pro TPU od Googlu prostřednictvím knihovny jaxite v Pythonu . První FPGA backend pro HEIR byl představen na konferenci FHE.org v roce 2026, kde byl hodnocen výkon booleovských a aritmetických pipeline pro praktickou akceleraci FHE; práci provedli vědci z KU Leuven a Googlu .

Akademičtí spolupracovníci – Mezi spoluautory studie HEIR patří vědci z Intelu (Alexander Viand), Moreh (Jaeho Choi), KU Leuven, UC Santa Barbara, University of Michigan, Ann Arbor a univerzity Tsinghua . Mezi další akademické partnery patří Georgia Tech a Carnegie Mellon .

Současná praktická omezení

FHE zůstává zásadně pomalé. Nezávislé benchmarky z poloviny roku 2026 uvádějí, že výpočty FHE jsou stále zhruba 1 000krát až 10 000krát pomalejší než ekvivalentní výpočty s nešifrovanými daty, v závislosti na schématu a operaci . Zlepšení algoritmů, optimalizace kompilátoru, techniky dávkování a specializovaná hardwarová akcelerace společně posunuly výkon FHE oproti implementacím z doby před pěti lety 1 000krát až 10 000krát, ale stále to ponechává velkou mezeru oproti nešifrovaným výpočtům pro většinu pracovních zátěží .

Ukázky HEIR od Googlu běžely na jednovláknovém CPU a společnost dosud nezveřejnila hodnoty latence, které by prokázaly výkon v reálném čase pro většinu pracovních zátěží . Očekává se, že hardwarová akcelerace od partnerů, jako jsou Belfort a Niobium, zlepší rychlost, ale tyto výhody zatím nebyly prokázány v produkci . Výzkumná studie hodnotící tři přední FHE frameworky – včetně HEIR od Googlu – odhalila 21 chyb napříč různými vrstvami, včetně 16 logických chyb vedoucích k tichým nesprávným výpočtům a 5 pádů .

Celosvětově jsou k polovině roku 2026 veřejně zdokumentovány pouze tři produkční systémy používající technologii FHE , což zdůrazňuje, že HEIR je primárně výzkumná a povolovací platforma, nikoli nástroj pro nasazení v produkčním prostředí. Na Hacker News získalo oznámení 275 bodů a komentátoři jej obecně popisovali jako skutečný pokrok, který však není ani zdaleka připraven na produkční rychlost pro obecnou AI inferenci .