Google aggiorna HEIR verso l'inferenza privata, tra promesse e costi computazionali

Il 14 agosto 2026, tramite un aggiornamento sul Security Blog firmato da Jeremy Kun, Staff Software Engineer, Google ha ripreso in mano HEIR (Homomorphic Encryption Intermediate Representation). Non si tratta di un progetto esordiente, avviato nel 2023 come infrastruttura basata su MLIR, ma di una maturazione verso una piattaforma di sviluppo open source distribuita su GitHub con licenza Apache-2.0. La funzione tecnica è chiara: convertire modelli di machine learning già addestrati affinché possano eseguire inferenza su input cifrati, supportando diversi schemi crittografici come BGV, BFV, CKKS e lo schema CGGI tramite i backend tfhe-rs e Jaxite. L'obiettivo dichiarato è quello di fornire una soluzione "one-click" per permettere anche a non esperti di integrare l'inferenza cifrata nelle applicazioni di produzione.

L'annuncio si accompagna a una serie di dimostrazioni pratiche sviluppate con partner specifici: il modello di raccomandazione con Belfort Labs, LG e New York University; il rilevatore di frodi su carte di credito con Niobium e hardshell.ai; il rilevatore intrusioni Kitsune sul traffico di rete con Niobium; il rilevatore di hotword audio con Belfort Labs. Il post menziona anche collaborazioni con produttori di acceleratori hardware come Optalysys, suggerendo un ecosistema in via di costruzione. Google precisa che le latenze delle quattro applicazioni sono misurate su CPU a singolo thread; le cifre puntuali non sono verificabili.

Sul fronte accademico, Google fa leva su un paper intitolato "HEIR: A Universal Compiler for Homomorphic Encryption", sottomesso su arXiv nell'agosto 2025, e su partnership con istituti come la Carnegie Mellon e la Tsinghua University. Nonostante l'obiettivo di rendere l'IA privata pratica, l'azienda stessa riconosce nel post che l'overhead computazionale non è trascurabile ("homomorphic encryption has a nontrivial cost overhead"). Al momento, non emergono dalle fonti verificabili i dati numerici precisi su questo gap di prestazioni né conferme di prodotti Google al consumo già basati su questa tecnologia, lasciando la reale efficienza del sistema in un'area di incertezza tecnica.

Costruire un compilatore che nasconda la complessità della crittografia è un traguardo ingegneristico notevole, ma finché l'overhead computazionale resta un'incognita non quantificata, l'IA privata rischia di restare una soluzione brillante per problemi che non possiamo ancora permetterci di risolvere. — Olya