Googles HEIR-Compiler: Praktische private KI mit homomorpher Verschlüsselung

Google hat HEIR (Homomorphic Encryption Intermediate Representation) als Open Source veröffentlicht, einen Compiler, der vortrainierte KI-Modelle so umwandelt, dass sie mit verschlüsselten Eingaben arbeiten. Dies ermöglicht kryptographisch sichere private KI-Inferenz – der Server verarbeitet Chiffretexte, ohne jemals die zugrunde liegenden Daten zu sehen.

Warum HEIR?

Homomorphe Verschlüsselung war lange Zeit aufgrund des massiven Rechenaufwands unpraktikabel. HEIR will das ändern, indem es eine Compiler-Toolchain bereitstellt, die die Konvertierung bestehender Modelle automatisiert, sodass kein Team von Kryptographen mehr nötig ist. Das Projekt ist Teil von Googles Private Computing Toolkit, das bereits Differential Privacy, Private Set Membership und Private Information Retrieval umfasst.

Hauptmerkmale

• Ein-Klick-Ziel: Die Vision ist, HEIR zu einer Ein-Klick-Lösung für Nicht-Experten zu machen, um verschlüsselte Inferenz in die Produktion zu integrieren.
• Hardware-Beschleuniger: Google hat mit Belfort, Niobium, Cornami und Optalysys zusammengearbeitet, um dedizierte Hardware für homomorphe Verschlüsselung zu entwickeln. Die Latenzvorteile dieser Beschleuniger sind für Demos in naher Zukunft geplant.
• Forschungsplattform: HEIR wird bereits in Kooperationen mit Georgia Tech, Carnegie Mellon, UC Santa Barbara, Purdue und anderen eingesetzt, mit vier begutachteten Veröffentlichungen, die darauf basieren.

Demo-Anwendungen

Google hat vier private Inferenzanwendungen vorgestellt, die mit HEIR kompiliert wurden, mit Latenzmessungen auf einer Single-Thread-CPU. Der Quellcode ist im GitHub-Repository verfügbar.

• Deep Learning Recommendation Model – private Inhaltsempfehlungen (gemeinsame Arbeit mit Belfort Labs, LG, NYU).
• Kreditkartenbetrugserkennung – kompiliert mit Niobium und hardshell.ai.
• Bedrohungserkennung – Kitsune-System zur Anomalieerkennung auf verschlüsseltem Netzwerkverkehr, ohne Paketinhalte preiszugeben.
• Hotword-Erkennung – ermöglicht sprachgesteuerten KI-Agenten, Hotwords privat zu erkennen (mit Belfort Labs).

Diese Demos zeigen, dass homomorphe Verschlüsselung nicht mehr theoretisch ist – sie ist bereit für reale Anwendungen in Branchen wie Gesundheitswesen und Finanzen, in denen Datenschutz entscheidend ist.

Der Code für alle Beispiele ist auf GitHub verfügbar. Den vollständigen Blogbeitrag mit detaillierten Latenzzahlen finden Sie hier.