El compilador HEIR de Google: IA privada práctica con cifrado homomórfico

Google ha lanzado HEIR (Homomorphic Encryption Intermediate Representation), un compilador de código abierto que convierte modelos de IA preentrenados para operar sobre entradas cifradas. Esto permite una inferencia de IA privada y criptográficamente segura: el servidor procesa textos cifrados sin ver nunca los datos subyacentes.

¿Por qué HEIR?

La criptografía homomórfica ha sido durante mucho tiempo poco práctica debido a la enorme sobrecarga computacional. HEIR pretende cambiar eso proporcionando un conjunto de herramientas de compilación que automatiza la conversión de modelos existentes, eliminando la necesidad de un equipo de criptógrafos. El proyecto forma parte del Private Computing Toolkit de Google, que ya incluye privacidad diferencial, pertenencia privada a conjuntos y recuperación privada de información.

Características principales

• Objetivo de un clic: La visión es hacer de HEIR una solución de un clic para que los no expertos integren inferencia cifrada en producción.
• Aceleradores de hardware: Google se ha asociado con Belfort, Niobium, Cornami y Optalysys para construir hardware dedicado a la criptografía homomórfica. Los beneficios de latencia de estos aceleradores están previstos para demostraciones en un futuro próximo.
• Plataforma de investigación: HEIR ya se utiliza en colaboraciones con Georgia Tech, Carnegie Mellon, UC Santa Barbara, Purdue y otros, con cuatro publicaciones revisadas por pares basadas en él.

Aplicaciones de demostración

Google compartió cuatro aplicaciones de inferencia privada compiladas con HEIR, con cifras de latencia medidas en una CPU de un solo hilo. El código fuente está disponible en el repositorio de GitHub.

• Modelo de aprendizaje profundo para recomendaciones: recomendaciones de contenido privadas (trabajo conjunto con Belfort Labs, LG, NYU).
• Detección de fraude con tarjetas de crédito: compilado con Niobium y hardshell.ai.
• Detección de intrusiones de amenazas: sistema Kitsune para detección de anomalías en tráfico de red cifrado, sin revelar el contenido de los paquetes.
• Detector de palabras de activación: permite que los agentes de IA activados por voz reconozcan palabras de activación de forma privada (con Belfort Labs).

Estas demostraciones muestran que la criptografía homomórfica ya no es teórica: está lista para aplicaciones del mundo real en sectores como la salud y las finanzas donde la privacidad de los datos es crítica.

El código de todos los ejemplos está disponible en GitHub. Consulta el artículo completo para obtener cifras detalladas de latencia.