Compilateur HEIR de Google : IA privée pratique avec chiffrement homomorphe

Google a publié HEIR (Homomorphic Encryption Intermediate Representation), un compilateur open source qui convertit les modèles d'IA pré-entraînés pour fonctionner sur des entrées chiffrées. Cela permet une inférence IA privée cryptographiquement sécurisée — le serveur traite des textes chiffrés sans jamais voir les données sous-jacentes.

Pourquoi HEIR ?

Le chiffrement homomorphe a longtemps été jugé impraticable en raison de la charge de calcul massive. HEIR vise à changer cela en fournissant une chaîne d'outils de compilation qui automatise la conversion des modèles existants, éliminant ainsi le besoin d'une équipe de cryptographes. Le projet fait partie de la Private Computing Toolkit de Google, qui comprend déjà la confidentialité différentielle, l'appartenance privée à un ensemble et la récupération privée d'informations.

Caractéristiques clés

• Objectif en un clic : La vision est de faire de HEIR une solution en un clic pour les non-experts afin d'intégrer l'inférence chiffrée en production.
• Accélérateurs matériels : Google s'est associé à Belfort, Niobium, Cornami et Optalysys pour construire du matériel dédié au chiffrement homomorphe. Les avantages en latence de ces accélérateurs sont prévus pour des démos dans un avenir proche.
• Plateforme de recherche : HEIR est déjà utilisé dans des collaborations avec Georgia Tech, Carnegie Mellon, UC Santa Barbara, Purdue et d'autres, avec quatre publications évaluées par des pairs basées sur celui-ci.

Applications de démonstration

Google a partagé quatre applications d'inférence privée compilées avec HEIR, avec des mesures de latence effectuées sur un CPU monothread. Le code source est disponible dans le dépôt GitHub.

• Modèle de recommandation d'apprentissage profond — recommandations de contenu privées (travail conjoint avec Belfort Labs, LG, NYU).
• Détection de fraude par carte de crédit — compilé avec Niobium et hardshell.ai.
• Détection d'intrusion de menaces — système Kitsune pour la détection d'anomalies sur le trafic réseau chiffré, sans révéler le contenu des paquets.
• Détecteur de mots d'activation — permet aux agents IA déclenchés par audio de reconnaître les mots d'activation en privé (avec Belfort Labs).

Ces démos montrent que le chiffrement homomorphe n'est plus théorique — il est prêt pour des applications réelles dans des secteurs comme la santé et la finance où la confidentialité des données est cruciale.

Le code de tous les exemples est disponible sur GitHub. Consultez l'article complet pour des chiffres de latence détaillés.