El 14 de agosto de 2026 publiqué un artículo en el blog de seguridad de Google con una actualización sobre HEIR, nuestro compilador de cifrado homomórfico (HE). Este artículo complementario no tiene límites de palabras ni jerga, así que puedo ser honesto. HEIR convierte un programa de entrada en uno que opera directamente sobre datos cifrados, asegurando que la computadora que lo ejecuta no obtenga información sobre los datos en claro.

La publicación del blog se centra en la capacidad de HEIR para compilar modelos de ML preentrenados, dando cuatro ejemplos de modelos pequeños pero no triviales. Esto permite una inferencia perfectamente privada. Discutiré cuándo esto es útil más adelante. Primero, quiero dar una idea concreta de cómo funciona HEIR y esbozar la hoja de ruta del proyecto.

El ejemplo más simple es el detector de fraude con tarjetas de crédito, una red de alimentación directa de tres capas con activaciones sigmoideas. Ejecutarlo en entradas cifradas tomó aproximadamente 2 segundos en una CPU de un solo hilo, en comparación con 0.5 ms para texto claro, una desaceleración de 4000x. El cálculo involucra dos productos matriz-vector y dos evaluaciones sigmoideas.

Hay muchas advertencias sobre esta demostración que vale la pena mencionar brevemente, pero el punto central es que HEIR puede compilar estos modelos, y el rendimiento, aunque lento, es un punto de partida para una mayor optimización.