Google HEIR: De Open-Source Compiler Die AI Laat Draaien op Versleutelde Data

Op 14 augustus 2026 heeft Google HEIR (Homomorphic Encryption Intermediate Representation) gelanceerd, een open-source compiler-toolkit die getrainde AI-modellen omzet zodat ze rechtstreeks kunnen rekenen op versleutelde gegevens — zonder die ooit te ontsleutelen . De aankondiging op de Google Security Blog, geschreven door software-ingenieur Jeremy Kun, beschrijft HEIR als "de nieuwste krachtige toevoeging aan onze Private Computing Toolkit" . HEIR is gebouwd op MLIR (Multi-Level Intermediate Representation) en ondersteunt de homomorfe versleutelingsschema's BGV, BFV en CKKS, met back-ends zoals OpenFHE en Lattigo . Het project is gelicenseerd onder Apache-2.0 en de code en documentatie worden beheerd door Google .

Wat HEIR Betekent voor Privacy met AI

HEIR verlaagt de drempel voor het gebruik van volledig homomorfe encryptie (FHE) bij machine learning. Ontwikkelaars kunnen een normaal getraind model door HEIR's compilatiestappen halen en een uitvoerbaar bestand krijgen dat werkt op versleutelde gegevens (ciphertexts). De server krijgt nooit de onversleutelde invoer of de resultaten te zien, wat cryptografisch gegarandeerde privacy biedt . HEIR's gelaagde IR-ontwerp automatiseert taken zoals de indeling van versleutelde data ("packing"), parameterkeuze en het omzetten van rekenkundige bewerkingen . Het project streeft naar interoperabiliteit van FHE-programma's over verschillende versleutelingsschema's, compilers en hardwareversnellers .

De Vier Demonstratie-Toepassingen

Google leverde vier demonstratie-applicaties die met HEIR zijn gecompileerd om de praktische haalbaarheid te tonen :

• Aanbevelingssysteem — gepersonaliseerde aanbevelingen zonder de gebruikersgeschiedenis bloot te geven (ontwikkeld met Belfort Labs, LG en NYU)
• Fraudedetectie voor creditcards — frauduleuze transacties herkennen in versleutelde financiële data (met Niobium en hardshell.ai)
• Netwerkintrusiedetector Kitsune — netwerkaanvallen identificeren zonder verkeerspatronen prijs te geven (ook met Niobium)
• Stemherkenning voor 'Hey Google' — triggerwoorden herkennen in versleutelde audio (met Belfort Labs)

Alle vier demo's draaiden op single-threaded CPU-implementaties . Google heeft nog geen latentiecijfers gepubliceerd die realtime prestaties aantonen .

Partners en Samenwerkers

Hardwareversnellers — Google werkt samen met gespecialiseerde hardwareleveranciers om FHE-berekeningen te versnellen:

• Belfort — Google is Belforts eerste betalende klant voor versleutelde rekenhardware
• Niobium — hun BASALISC ASIC ondersteunt BGV en CKKS via de OpenFHE-API
• Cornami
• Optalysys

HEIR genereert back-endcode voor Belforts FPGA in Rust en voor Google's TPU via de jaxite Python-bibliotheek . De eerste FPGA back-end voor HEIR werd in 2026 gepresenteerd op de FHE.org-conferentie. Het evalueerde Booleaanse versus rekenkundige pijplijnen voor praktische FHE-versnelling, een samenwerking tussen KU Leuven en Google .

Academische partners — Medeauteurs van het HEIR-artikel zijn onder andere onderzoekers van Intel (Alexander Viand), Moreh (Jaeho Choi), KU Leuven, UC Santa Barbara, University of Michigan, Ann Arbor en Tsinghua University . Andere academische partners zijn Georgia Tech en Carnegie Mellon .

Huidige Praktische Beperkingen

FHE blijft fundamenteel traag. Onafhankelijke benchmarks van medio 2026 stellen dat FHE-berekeningen nog steeds 1.000 tot 10.000 keer langzamer zijn dan onversleutelde berekeningen, afhankelijk van het schema en de bewerking . Algoritmische verbeteringen, optimalisaties in de compiler, batchverwerking en speciale hardware hebben FHE de afgelopen vijf jaar wel 1.000 tot 10.000 keer versneld, maar de kloof met onversleuteld rekenen blijft groot .

Googles HEIR-demo's draaiden op single-threaded CPU's en het bedrijf heeft nog geen realtime prestaties aangetoond . Hardwareversnelling van partners als Belfort en Niobium moet snelheidswinst brengen, maar die voordelen zijn nog niet in productie aangetoond . Een onderzoekspaper dat drie toonaangevende FHE-frameworks — waaronder HEIR — evalueerde, vond 21 fouten op verschillende niveaus, waaronder 16 logische fouten die stille, onjuiste berekeningen veroorzaakten en 5 crashes .

Wereldwijd zijn er van medio 2026 slechts drie productiesystemen bekend die FHE-technologie gebruiken . Dat onderstreept dat HEIR vooral een onderzoeks- en ontwikkelplatform is, nog geen volwassen inzettool. Op Hacker News kreeg de aankondiging 275 punten; commentatoren noemden het een echte vooruitgang, maar nog lang niet geschikt voor productiesnelheid bij algemene AI-inferentie .