Google Rilis HEIR, Kompilator Open-Source yang Memungkinkan AI Berjalan di Atas Data Terenkripsi

Apa yang Dilakukan HEIR untuk AI Privat

HEIR menurunkan hambatan untuk menggunakan enkripsi homomorfik penuh (FHE) pada inferensi machine learning. Seorang pengembang dapat mengambil model terlatih biasa, memasukkannya melalui lintasan kompilasi HEIR, dan menghasilkan executable yang beroperasi pada ciphertexts. Server tidak pernah melihat input plaintext atau output model, memberikan privasi yang aman secara kriptografis untuk data pengguna . Desain IR multi-lapis HEIR menangani tugas-tugas seperti tata letak data ciphertext ("packing"), pemilihan parameter, dan aritmatisasi secara otomatis . Proyek ini bertujuan untuk memungkinkan interoperabilitas program FHE di berbagai skema enkripsi, kompiler, dan akselerator perangkat keras yang berbeda .

Empat Aplikasi Demonstrasi

Google mengirimkan empat aplikasi demonstrasi yang dikompilasi dengan HEIR untuk menunjukkan kelayakan praktis :

• Pemberi rekomendasi deep learning — rekomendasi pribadi tanpa mengekspos riwayat pengguna (dikembangkan bersama Belfort Labs, LG, dan NYU)
• Deteksi penipuan kartu kredit — mendeteksi transaksi mencurigakan pada data keuangan terenkripsi (dengan Niobium dan hardshell.ai)
• Detektor intrusi jaringan Kitsune — mengidentifikasi serangan jaringan tanpa mengungkapkan pola lalu lintas (juga dengan Niobium)
• Deteksi kata kunci suara — deteksi kata pemicu (misalnya, "Hai Google") pada audio terenkripsi (dengan Belfort Labs)

Keempat demo tersebut berjalan pada implementasi CPU single-threaded . Google belum mempublikasikan angka latensi yang menunjukkan kinerja real-time untuk sebagian besar beban kerja .

Mitra dan Kolaborator

Mitra akselerator perangkat keras — Google bekerja sama dengan vendor perangkat keras khusus untuk mempercepat inferensi FHE:

• Belfort — Google adalah pelanggan berbayar pertama Belfort untuk perangkat keras komputasi terenkripsi
• Niobium — BASALISC ASIC mereka mendukung BGV dan CKKS melalui API OpenFHE
• Cornami
• Optalysys

HEIR menghasilkan kode backend untuk FPGA Belfort dalam Rust dan TPU Google melalui library Python jaxite . Backend FPGA pertama untuk HEIR dipresentasikan di konferensi FHE.org pada tahun 2026, mengevaluasi pipeline Boolean vs. Aritmatika untuk akselerasi FHE praktis, dengan pekerjaan yang dilakukan oleh peneliti dari KU Leuven dan Google .

Kolaborator akademis — Rekan penulis makalah HEIR termasuk peneliti dari Intel (Alexander Viand), Moreh (Jaeho Choi), KU Leuven, UC Santa Barbara, University of Michigan, Ann Arbor, dan Tsinghua University . Daftar mitra akademis yang lebih luas juga mencakup Georgia Tech dan Carnegie Mellon .

Keterbatasan Praktis Saat Ini

FHE tetap pada dasarnya lambat. Tolok ukur independen dari pertengahan 2026 menyatakan bahwa komputasi FHE masih sekitar 1.000x hingga 10.000x lebih lambat daripada komputasi plaintext yang setara, tergantung pada skema dan operasinya . Peningkatan algoritme, optimalisasi kompiler, teknik batching, dan akselerasi perangkat keras khusus secara kolektif telah mendorong kinerja FHE 1.000x hingga 10.000x lebih cepat dibandingkan implementasi lima tahun lalu, tetapi itu masih menyisakan kesenjangan besar dibandingkan komputasi tidak terenkripsi untuk sebagian besar beban kerja .

Demo HEIR Google berjalan di CPU single-threaded, dan perusahaan belum mempublikasikan angka latensi yang menunjukkan kinerja real-time untuk sebagian besar beban kerja . Akselerasi perangkat keras dari mitra seperti Belfort dan Niobium diharapkan dapat meningkatkan kecepatan, tetapi manfaat tersebut belum dapat didemonstrasikan dalam produksi . Sebuah makalah penelitian yang mengevaluasi tiga kerangka kerja FHE terkemuka — termasuk HEIR milik Google — menemukan 21 bug di berbagai lapisan, termasuk 16 kesalahan logika yang menyebabkan perhitungan salah secara diam-diam dan 5 crash .

Secara global, hanya tiga sistem produksi yang menggunakan teknologi FHE yang terdokumentasi secara publik pada pertengahan 2026 , menegaskan bahwa HEIR terutama merupakan platform penelitian dan pengaktif, bukan alat penerapan yang matang. Di Hacker News, pengumuman tersebut menerima 275 poin dan para komentator secara umum menggambarkannya sebagai kemajuan nyata tetapi masih jauh dari kecepatan produksi untuk inferensi AI umum .