HEIR dari Google berupaya membuat AI di atas data terenkripsi jadi praktis

Google merilis HEIR, sebuah compiler toolchain open-source untuk homomorphic encryption, teknik yang memungkinkan server menghitung di atas data tanpa pernah mendekripsinya. Konsepnya sudah lama dipahami, tapi mengubah model terlatih menjadi program terenkripsi yang efisien secara manual itu lambat dan rawan kesalahan. HEIR mencoba menghapus langkah itu. Ia mengambil model yang sudah dilatih lalu meng-compile-nya menjadi bentuk yang berjalan langsung di atas input terenkripsi, sehingga server mengembalikan jawaban terenkripsi tanpa pernah melihat data aslinya. Google memposisikannya sebagai jalur software menuju private inference, berbeda dari pendekatan hardware yang menyimpan data di dalam enclave terlindungi.

Untuk menunjukkan ini bukan sekadar demo riset, tim menjalankan empat workload yang di-compile dengan HEIR pada CPU single-threaded: model rekomendasi berbasis deep learning, deteksi penipuan kartu kredit, detektor intrusi jaringan Kitsune, dan hotword detection untuk voice agent, masing-masing digarap bersama mitra seperti Belfort Labs, LG, dan NYU. Pengumuman itu minim angka latensi, dan homomorphic encryption masih lambat dibanding komputasi biasa, jadi pertanyaan sebenarnya adalah seberapa besar beban tambahan yang dibawa pipeline hasil compile ini. Google menyebut proyek ini sudah menghasilkan empat paper peer-reviewed, dengan riset lanjutan bersama Georgia Tech, Carnegie Mellon, dan UC Santa Barbara.

Kenapa ini penting

Kalau kamu membangun fitur AI di atas data sensitif seperti rekam medis, riwayat keuangan, atau pesan pribadi, encrypted inference adalah perbedaan antara memproses data di server sendiri dan sama sekali tak bisa membacanya. HEIR menurunkan biaya rekayasa untuk mencobanya, jadi layak dibuat prototipe untuk melihat apakah latensinya cocok dengan workload-mu sebelum menganggap plaintext satu-satunya pilihan.