Google HEIR dan Private AI: Kunci Menuju AI yang Benar-Benar Privat

"Bringing Fully Homomorphic Encryption into the mainstream requires a robust ecosystem of interoperable tools and high-performance hardware." — Jeremy Kun, Google HEIR Lead

Featured Snippet Answer: Google HEIR (Homomorphic Encryption Intermediate Representation) adalah compiler open-source yang memungkinkan model AI berjalan pada data terenkripsi tanpa pernah mendekripsi data tersebut. HEIR mengubah model AI yang biasanya memproses data tidak terenkripsi menjadi model yang dapat memproses input terenkripsi. Tujuannya adalah menjadikan homomorphic encryption sebagai solusi one-click bagi non-ahli. HEIR mendukung backend OpenFHE, Lattigo, tfhe-rs, dan Jaxite.

Ringkasan Singkat: Google meluncurkan HEIR, compiler open-source untuk homomorphic encryption yang memungkinkan AI berjalan pada data terenkripsi tanpa pernah mendekripsi data. HEIR adalah bagian dari Private Computing Toolkit dan diklaim dapat menjadi solusi one-click untuk enkripsi inferensi AI. Kemitraan dengan Belfort, Niobium, Cornami, dan Optalysys untuk akselerasi hardware.

Pada Agustus 2026, Google membuat langkah besar dalam mewujudkan AI yang benar-benar privat. Melalui HEIR (Homomorphic Encryption Intermediate Representation), Google membuka akses ke teknologi yang selama ini dianggap sebagai "cawan suci" kriptografi: homomorphic encryption — kemampuan untuk melakukan komputasi pada data terenkripsi tanpa pernah mendekripsi data tersebut.

Daftar Isi

Apa Itu HEIR?
Apa Itu Homomorphic Encryption (FHE)?
Bagaimana HEIR Bekerja?
Empat Aplikasi Demonstrasi HEIR
HEIR vs Private AI Compute: Dua Teknologi Berbeda
Tantangan Homomorphic Encryption
Ekosistem HEIR: Hardware Accelerators dan Penelitian
FAQ

Apa Itu HEIR?

HEIR (Homomorphic Encryption Intermediate Representation) adalah compiler open-source dan platform pengembangan yang dirancang untuk memungkinkan model AI berjalan pada data terenkripsi. HEIR adalah bagian dari Google's Private Computing Toolkit, yang bertujuan untuk mengurangi keahlian yang diperlukan untuk mengimplementasikan homomorphic encryption.

Jeremy Kun, Staff Software Engineer Google dan HEIR Lead, menjelaskan: "HEIR is designed to help developers run AI models on encrypted data without decrypting the underlying information."

HEIR mengubah model AI yang biasanya memproses data tidak terenkripsi menjadi model yang dapat memproses input terenkripsi. Ini berarti layanan dapat memproses informasi sensitif tanpa pernah mengakses data yang mendasarinya. Cloud service dapat memberikan rekomendasi konten tanpa melihat fitur pengguna, atau mendeteksi penipuan kartu kredit tanpa melihat detail transaksi.

HEIR dikembangkan melalui kolaborasi dengan universitas (Georgia Tech, Carnegie Mellon, UC Santa Barbara, Purdue, University of Edinburgh, Tsinghua) dan perusahaan hardware acceleration (Belfort, Niobium, Cornami, Optalysys).

Apa Itu Homomorphic Encryption (FHE)?

Homomorphic Encryption (FHE — Fully Homomorphic Encryption) adalah teknik kriptografi yang memungkinkan komputasi dilakukan langsung pada data terenkripsi. Server dapat memproses ciphertext dan mengembalikan hasil terenkripsi tanpa pernah melihat data yang mendasarinya.

Bayangkan Anda memberikan peti terkunci kepada seseorang, mereka melakukan pekerjaan di dalam peti tanpa pernah membukanya, dan mengembalikan hasilnya dalam keadaan terkunci. Anda membukanya dan mendapatkan hasilnya — tanpa orang itu pernah melihat isi peti.

Ini adalah perbedaan fundamental dari pendekatan keamanan tradisional:

Enkripsi tradisional: Data dienkripsi saat transit dan saat diam, tetapi didekripsi saat diproses
Homomorphic Encryption: Data tetap terenkripsi selama seluruh siklus — transit, pemrosesan, dan penyimpanan

Google menggambarkan ini sebagai pergeseran dari trade-off antara privasi dan fungsionalitas menjadi trade-off biaya. Homomorphic Encryption memiliki overhead komputasi yang signifikan, tetapi overhead ini "rapidly decreasing."

Bagaimana HEIR Bekerja?

HEIR bekerja sebagai compiler bridge antara model AI standar dan homomorphic encryption:

1. Input Model Standar: Developer menyediakan model AI yang sudah dilatih yang biasanya memproses data tidak terenkripsi (plaintext).

2. Kompilasi HEIR: HEIR mengkompilasi model tersebut, mengubah operasi matematis menjadi operasi yang kompatibel dengan homomorphic encryption. Ini termasuk mengubah operasi seperti penjumlahan dan perkalian menjadi operasi pada ciphertext.

3. Backend FHE: HEIR mendukung beberapa backend homomorphic encryption:

OpenFHE: Mendukung BGV, BFV, CKKS schemes
Lattigo: Mendukung BGV, BFV, CKKS schemes
tfhe-rs: Mendukung CGGI scheme
Jaxite: Mendukung CGGI scheme

4. Eksekusi: Model yang sudah dikompilasi dapat menerima input terenkripsi, memprosesnya tanpa mendekripsi, dan mengembalikan output terenkripsi.

Visi Google adalah menjadikan ini sebagai "one-click solution" yang memungkinkan non-ahli untuk mengintegrasikan encrypted inference ke dalam aplikasi produksi.

Dalam praktiknya, developer cukup menambahkan anotasi pada kode untuk menandai nilai mana yang bersifat rahasia (secret), dan HEIR menangani sisanya. Contoh sederhana dari repository HEIR:

from heir import compile
from heir.mlir import I64, Secret

@compile()
def func(x: Secret[I64], y: Secret[I64]):
    sum = x + y
    diff = x - y
    mul = x * y
    return sum * diff + mul

Kode ini akan dikompilasi menggunakan skema BGV dan backend OpenFHE, menghasilkan fungsi yang dapat menerima input terenkripsi dan mengembalikan hasil terenkripsi.

Empat Aplikasi Demonstrasi HEIR

Google mendemonstrasikan HEIR melalui empat aplikasi private-inference yang dikompilasi dengan toolchain ini:

1. Content Recommendation Model

Model deep learning untuk rekomendasi konten yang dapat memberikan rekomendasi tanpa melihat fitur pengguna. Dikembangkan bersama Belfort Labs, LG, dan New York University.

2. Credit-Card Fraud Detector

Detektor penipuan kartu kredit yang dapat mendeteksi pola mencurigakan tanpa melihat data transaksi sensitif. Dikembangkan bersama Niobium dan hardshell.ai.

3. Intrusion Detection System

Sistem Kitsune untuk deteksi anomali pada paket jaringan terenkripsi. Layanan dapat mendeteksi anomali tanpa mengungkapkan konten paket jaringan. Dikembangkan bersama Niobium.

4. Hotword Detector

Detektor kata kunci (wake word) dari rekaman audio terenkripsi. AI agent dapat mengidentifikasi kata kunci tanpa melihat rekaman audio secara utuh. Dikembangkan bersama Belfort Labs.

Semua contoh sumber tersedia di GitHub dan berjalan pada single-threaded CPU saat ini.

HEIR vs Private AI Compute: Dua Teknologi Berbeda

Penting untuk memahami perbedaan antara HEIR dan Google Private AI Compute. Keduanya sering disamakan, tetapi memiliki perbedaan fundamental:

Aspek	Private AI Compute	HEIR
Status	Sudah diluncurkan (produksi)	Open-source, penelitian
Teknologi	Confidential Computing (hardware enclaves)	Homomorphic Encryption (kriptografi)
Keamanan	Bergantung pada hardware dan attestation	Bergantung pada matematika kriptografi
Overhead	Relatif rendah (kecepatan normal)	Sangat tinggi (~1000x overhead)
Contoh	Magic Cue on Pixel 10, Recorder summarization	Demo penelitian dengan HEIR

Private AI Compute adalah produk yang sudah diluncurkan. Ini menggunakan confidential computing — data dienkripsi saat transit dan didekripsi di dalam hardware enclave (Titan Intelligence Enclaves) yang dirancang agar bahkan operator mesin pun tidak dapat mengintip. Remote attestation memungkinkan perangkat memverifikasi kriptografis bahwa kode yang berjalan di dalam enclave adalah kode yang diharapkan.

HEIR adalah proyek penelitian dan compiler toolchain. Ini memberikan jaminan keamanan yang lebih kuat karena tidak ada dekripsi yang pernah terjadi — bahkan di dalam hardware enclave. Namun, overhead komputasinya sangat tinggi, membuatnya belum praktis untuk sebagian besar aplikasi produksi.

Seperti yang dicatat oleh analis, "HEIR is a toolchain, not an inference API, and Google says so. Nothing in the Private AI Compute materials claims homomorphic encryption, and nothing in the HEIR materials claims production deployment."

Perbedaan ini penting karena kedua teknologi memiliki model ancaman yang berbeda. Confidential computing rentan terhadap kerentanan hardware, firmware, supply chain, dan integritas operator. Homomorphic encryption membutuhkan pemecahan kriptografi itu sendiri untuk dilanggar.

Tantangan Homomorphic Encryption

Meskipun HEIR adalah langkah maju yang signifikan, homomorphic encryption masih menghadapi tantangan besar:

1. Overhead Komputasi

FHE masih sangat lambat dibandingkan komputasi plaintext. Benchmark menunjukkan:

Mengurutkan 32 integer memakan waktu 34 detik
Inferensi GPT-2 terenkripsi berjalan pada 0.00008 token per detik
Overhead diperkirakan sekitar 1000x dibandingkan komputasi biasa

Meskipun overhead telah menurun drastis — dari 100.000x pada 2020 menjadi sekitar 1.000x pada 2025 — ini masih terlalu tinggi untuk sebagian besar aplikasi real-time.

2. Ukuran Ciphertext

Ciphertext FHE berukuran jauh lebih besar daripada plaintext, meningkatkan kebutuhan bandwidth dan storage.

3. Noise Management

Setiap operasi pada ciphertext menambahkan noise. Setelah noise melewati batas tertentu, dekripsi menjadi tidak mungkin. Ini membutuhkan operasi "bootstrapping" yang mahal secara komputasi.

4. Nonlinear Operations

Operasi non-linear seperti aktivasi ReLU dan fungsi loss sulit diimplementasikan dalam FHE, membutuhkan pendekatan khusus.

Google tidak mempublikasikan angka slowdown end-to-end untuk beban kerja inferensi privat di bawah homomorphic encryption. Seperti yang dicatat oleh seorang analis, "That single figure is what decides whether encrypted inference is a near-term product story or a decade-out one, and its absence should be read as an answer in itself."

Ekosistem HEIR: Hardware Accelerators dan Penelitian

HEIR bukan proyek solo Google. Ini adalah bagian dari ekosistem yang lebih luas:

Hardware Accelerators:

Google telah bermitra dengan empat perusahaan hardware acceleration untuk FHE:

Belfort: Google adalah pelanggan pembayar pertama Belfort. Belfort membangun infrastructure layer untuk Encrypted Compute.
Niobium: Bekerja sama pada deteksi penipuan kartu kredit dan deteksi intrusi.
Cornami dan Optalysys juga menjadi mitra akselerasi hardware.

Kemitraan ini penting karena hardware acceleration adalah kunci untuk membuat FHE praktis. Google berencana untuk mendemonstrasikan latensi advantage dari akselerator ini dalam waktu dekat.

Penelitian Akademis:

HEIR telah digunakan dalam empat makalah peer-review dan memiliki banyak sitasi. Peneliti menggunakan HEIR sebagai platform benchmarking umum, memungkinkan mereka fokus pada optimasi spesifik tanpa harus membangun infrastruktur dari awal.

Kolaborasi Institusi:

Georgia Tech
Carnegie Mellon
UC Santa Barbara
Purdue University
University of Edinburgh
Tsinghua University
NYU (untuk recommendation model demo)

HEIR juga merupakan proyek open-source di GitHub dengan 825 stars, menunjukkan minat komunitas yang signifikan.

Kutipan Para Ahli

"Bringing Fully Homomorphic Encryption into the mainstream requires a robust ecosystem of interoperable tools and high-performance hardware." — Jeremy Kun, Google HEIR Lead

"HEIR is designed to help developers run AI models on encrypted data without decrypting the underlying information." — Jeremy Kun, Google HEIR Lead

"The gap that matters most is one number that nobody publishes: how much slower is a real private-inference workload under homomorphic encryption than in plaintext?" — Analysis, DEV Community

FAQ (Pertanyaan yang Sering Diajukan)

1. Apa itu Google HEIR?

HEIR (Homomorphic Encryption Intermediate Representation) adalah compiler open-source dan platform pengembangan untuk homomorphic encryption yang memungkinkan AI berjalan pada data terenkripsi tanpa dekripsi. Ini adalah bagian dari Google's Private Computing Toolkit.

2. Apa perbedaan HEIR dan Private AI Compute?

Private AI Compute menggunakan confidential computing (hardware enclaves) untuk melindungi data saat diproses. HEIR menggunakan homomorphic encryption (kriptografi) di mana data tidak pernah didekripsi. Private AI Compute sudah dalam produksi, HEIR masih dalam tahap penelitian.

3. Berapa overhead homomorphic encryption?

Overhead diperkirakan sekitar 1000x dibandingkan komputasi plaintext. Ini telah menurun drastis dari 100.000x pada 2020, tetapi masih terlalu tinggi untuk sebagian besar aplikasi real-time.

4. Apa saja aplikasi demo HEIR?

Empat aplikasi: rekomendasi konten privat, deteksi penipuan kartu kredit, deteksi intrusi jaringan, dan deteksi hotword dari audio terenkripsi.

5. Siapa mitra Google untuk HEIR?

Belfort, Niobium, Cornami, dan Optalysys (hardware acceleration). Penelitian dengan Georgia Tech, Carnegie Mellon, UC Santa Barbara, Purdue, Edinburgh, Tsinghua, dan NYU.

6. Apakah HEIR sudah dalam produksi?

Belum. HEIR adalah proyek open-source dan penelitian, bukan produk Google Cloud. Google menyatakannya sebagai "not an officially supported Google product."

7. Bahasa pemrograman apa yang didukung HEIR?

HEIR mendukung Python melalui paket heir_py. Developer dapat menulis fungsi dengan anotasi Secret dan @compile() untuk mengkompilasi ke FHE.

8. Skema FHE apa yang didukung HEIR?

BGV, BFV, CKKS (melalui OpenFHE dan Lattigo), dan CGGI (melalui tfhe-rs dan Jaxite).

Baca

• Qwen dan Kebangkitan AI China: Bagaimana Alibaba Mengubah Lanskap AI Global

• Google Rilis Gemini 3.7 Flash, Model AI Fokus Coding dan AI Agent

• Perang AI AS vs China: Siapa yang Akan Menang?

Sumber dan Referensi

Penutup

Google HEIR adalah langkah penting menuju AI yang benar-benar privat. Dengan membuka akses ke homomorphic encryption melalui compiler open-source, Google mengurangi salah satu hambatan terbesar adopsi FHE — kompleksitas implementasi.

Empat aplikasi demo menunjukkan bahwa FHE sudah cukup matang untuk kasus penggunaan nyata seperti rekomendasi konten, deteksi penipuan, dan deteksi intrusi. Namun, overhead komputasi yang masih tinggi — sekitar 1000x — berarti FHE belum praktis untuk aplikasi real-time skala besar.

Perbedaan antara HEIR dan Private AI Compute juga penting untuk dipahami. Private AI Compute adalah produk yang sudah diluncurkan, menggunakan confidential computing untuk melindungi data. HEIR adalah proyek penelitian yang menawarkan jaminan keamanan lebih kuat tetapi overhead lebih tinggi.

Dengan hardware accelerators dari Belfort, Niobium, Cornami, dan Optalysys, serta kolaborasi dengan universitas terkemuka, HEIR memiliki ekosistem yang kuat untuk terus berkembang. Seperti yang dikatakan Jeremy Kun: "Bringing Fully Homomorphic Encryption into the mainstream requires a robust ecosystem of interoperable tools and high-performance hardware."

HEIR adalah fondasi untuk masa depan di mana AI dapat memproses data paling sensitif — dari catatan kesehatan hingga transaksi keuangan — tanpa pernah mengorbankan privasi.

Younara

Cari Blog Ini