Google представила HEIR — компилятор с открытым исходным кодом, позволяющий ИИ обрабатывать зашифрованные данные без их расшифровки
Google представила HEIR — компилятор с открытым исходным кодом, который помогает разработчикам адаптировать ИИ-модели для работы с зашифрованными данными, делая технологию Fully Homomorphic Encryption более практичной
Google представила **HEIR** (Homomorphic Encryption Intermediate Representation) — компилятор с открытым исходным кодом, предназначенный для того, чтобы помочь разработчикам адаптировать ИИ-модели, работающие с обычными данными (Plaintext), для вычислений на зашифрованных данных (Encrypted Data). Чёткая цель проекта — сделать технологию **Fully Homomorphic Encryption (FHE)**, которая позволяет обрабатывать данные без их расшифровки, более применимой на практике.
Ключевая особенность HEIR — снижение нагрузки на разработчиков, не являющихся экспертами в криптографии. Сегодня внедрение FHE требует глубоких специализированных знаний, что делает применение этой технологии в задачах ИИ сложным и затруднённым. Этот инструмент автоматически преобразует код.
Контекст этой технологии указывает на решение дилеммы между «конфиденциальностью» и «возможностями сервиса» (Privacy vs. Capability) — важной проблемой в эпоху ИИ. Многим сервисам нужны персональные данные пользователей, чтобы давать точные рекомендации, но FHE позволяет облачным провайдерам выполнять ИИ-обработку, например рекомендацию контента, вообще не видя личных данных пользователей.
Хотя технология продвинулась вперёд, Google признаёт сохраняющиеся ограничения: вычисления с использованием FHE по-прежнему требуют значительно больших вычислительных затрат (Computation Cost), чем обычная обработка. Это означает, что для широкого практического применения может потребоваться дальнейшее развитие аппаратного и программного обеспечения.
Эта технология может изменить то, как технологические компании по всему миру, включая Таиланд, обрабатывают персональные данные пользователей — особенно в ИИ-сервисах, работающих с чувствительной информацией: здоровьем, финансами или поведением пользователей. Она позволяет получать пользу от ИИ, не жертвуя конфиденциальностью.