Am 14. August 2026 habe ich einen Artikel im Google Security Blog mit einem Update zu HEIR, unserem Compiler für homomorphe Verschlüsselung (HE), veröffentlicht. Dieser Begleitartikel hat keine Grenzen bei Wortzahl oder Fachjargon, also kann ich ehrlich sein. HEIR konvertiert ein Eingabeprogramm in eines, das direkt auf verschlüsselten Daten arbeitet und sicherstellt, dass der Computer, der es ausführt, keine Informationen über die Klartextdaten erhält.

Der Blogbeitrag konzentriert sich auf die Fähigkeit von HEIR, vortrainierte ML-Modelle zu kompilieren, und gibt vier Beispiele für kleine, aber nicht triviale Modelle. Dies ermöglicht perfekt private Inferenz. Ich werde später besprechen, wann dies nützlich ist. Zuerst möchte ich eine konkrete Vorstellung davon geben, wie HEIR funktioniert, und die Roadmap des Projekts skizzieren.

Das einfachste Beispiel ist der Kreditkartenbetrugsdetektor, ein dreischichtiges Feed-Forward-Netzwerk mit Sigmoid-Aktivierungen. Das Ausführen auf verschlüsselten Eingaben dauerte etwa 2 Sekunden auf einer Single-Thread-CPU, verglichen mit 0,5 ms für Klartext, eine 4000-fache Verlangsamung. Die Berechnung umfasst zwei Matrix-Vektor-Produkte und zwei Sigmoid-Auswertungen.

Es gibt viele Einschränkungen zu dieser Demo, die kurz erwähnt werden sollten, aber der Kernpunkt ist, dass HEIR diese Modelle kompilieren kann, und die Leistung, obwohl langsam, ein Ausgangspunkt für weitere Optimierungen ist.