تصور کنید یک اپلیکیشن پزشکی سوابق شما را تحلیل می‌کند تا بهترین درمان را پیشنهاد دهد، اما سرور ابری در تمام این مدت هرگز محتوای پرونده شما را نمی‌بیند. این وعدهٔ رمزنگاری همومورفیک است که اکنون با ابزار جدید گوگل به واقعیت نزدیک‌تر شده است.
گوگل (Google) از HEIR (Homomorphic Encryption Intermediate Representation) پرده‌برداری کرد؛ یک کامپایلر متن‌باز که استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — را روی داده‌های رمزنگاری‌شده در مقیاس تولید عملی می‌کند. این ابزار به سرورهای ابری اجازه می‌دهد داده‌های حساس را بدون دیدن اطلاعات واقعی پردازش کنند.
سال‌هاست که شرکت‌ها با یک انتخاب سخت روبرو بودند: یا داده‌ها را با رمزنگاری سرتاسری محافظت کنند و قابلیت‌های هوش مصنوعی را از دست بدهند، یا حریم خصوصی را فدای خدماتی مثل تشخیص اسپم کنند. همان‌طور که در تحلیل قبلی ما درباره‌ی رویکرد گوگل به شفافیت و اختیاری کردن واترمارک‌های Gemini اشاره کردیم، HEIR اکنون به سراغ حل مشکل عمیق‌تر، یعنی افشای داده‌ها در حین پردازش رفته است.
موازنهٔ حریم خصوصی و کاربرد
طبق گزارش گوگل، پروتکل‌های حفاظتی فعلی مثل رمزنگاری سرتاسری، یک موازنه یا Trade-off قابل توجه ایجاد می‌کنند. در حالی که این روش‌ها داده‌ها را در برابر نشت اطلاعات محافظت می‌کنند، اما ارائه‌دهندگان خدمات را از ارائه قابلیت‌هایی که به تحلیل آن داده‌ها وابسته هستند، باز می‌دارند؛ مثلاً شناسایی ویروس‌ها در فایل‌های رمزنگاری‌شده با این روش غیرممکن است.
در بخش‌های حساس مثل بانکداری و بهداشت، به دلیل قوانین سخت‌گیرانه که اشتراک داده‌ها را محدود می‌کنند، حساسیت نسبت به این ریسک‌ها بسیار بیشتر است. پردازش محلی روی دستگاه کاربر یک جایگزین است، اما این راهکار هم به توان سخت‌افزاری دستگاه محدود می‌شود و هم خطر لو رفتن مالکیت معنوی (IP) مدل‌های هوش مصنوعی اختصاصی شرکت‌ها را به همراه دارد.
رمزنگاری همومورفیک اجازه می‌دهد محاسبات مستقیماً روی متون رمزگذاری‌شده (Ciphertexts) انجام شود. پیش از این، پیاده‌سازی چنین سیستمی به تیمی از متخصصان رمزنگاری نیاز داشت، اما HEIR تبدیل مدل‌های پیش‌آموزش‌دیده برای کار با ورودی‌های رمزنگاری‌شده را خودکار می‌کند.
پیاده‌سازی فنی و مشارکت‌ها
به نقل از وبلاگ رسمی گوگل (blog.google)، HEIR به عنوان یک پلتفرم توسعه عمل می‌کند که چالش حریم خصوصی را از یک «غیرممکنِ فنی» به یک «سوال درباره هزینه محاسباتی» تبدیل کرده است. این ابزار در ادامه تاریخچه نوآوری‌های گوگل در حریم خصوصی عرضه شده است؛ نوآوری‌هایی که شامل حریم خصوصی تفاضلی (Differential Privacy)، عضویت در مجموعه خصوصی (Private Set Membership)، بازیابی اطلاعات خصوصی (Private Information Retrieval) و محیط‌های امن (Secure Enclaves) در گوگل کلاود است.
برخلاف راهکارهای مبتنی بر سخت‌افزار، تضمین‌های امنیتی HEIR کاملاً ریاضی و رمزنگاری‌شده هستند. گوگل برای کاهش هزینه‌های سنگین و سربار محاسباتی این فرآیند، با شرکت‌های شتاب‌دهنده (Accelerator) سخت‌افزاری از جمله Belfort، Niobium، Cornami و Optalysys همکاری کرده است.
گوگل کاربرد این کامپایلر را در چهار حوزه خاص نمایش داد. لازم به ذکر است که اعداد مربوط به تأخیر (Latency) در حال حاضر برای یک CPU تک‌رشته‌ای ارائه شده‌اند:
- توصیه‌های خصوصی: یک مدل یادگیری عمیق که با همکاری Belfort Labs، LG و دانشگاه NYU توسعه یافته تا توصیه‌های محتوایی را بدون دیدن ویژگی‌های کاربر ارائه دهد.
- تشخیص کلاهبرداری: یک سیستم شناسایی تراکنش‌های مشکوک کارت‌های اعتباری که با همکاری Niobium و hardshell.ai ساخته شده است.
- امنیت شبکه: سامانه Kitsune برای تشخیص ناهنجاری در ترافیک رمزنگاری‌شده، بدون اینکه محتوای بسته‌ها (Packets) برای ارائه‌دهنده سرویس فاش شود.
- حریم خصوصی صوتی: یک تشخیص‌دهنده کلمات کلیدی (Hotword) که با همکاری Belfort Labs ایجاد شده و محرک‌های صوتی را بدون دسترسی به ضبط‌های صوتی خام شناسایی می‌کند.
چرخش در پارادایم حریم خصوصی AI
این اقدام نشان‌دهنده حرکتی از تکیه بر محیط‌های امن سخت‌افزاری به سمت تضمین‌های خالص رمزنگاری است. برای کاربر نهایی، موازنه «حریم خصوصی در برابر کاربرد» در حال ناپدید شدن است؛ دیگر نیازی نیست به قول شرکت‌ها برای ندیدن داده‌ها اعتماد کنید، چون ریاضیات این کار را غیرممکن می‌کند.
برای توسعه‌دهندگان، HEIR سد ورود به صنایع با امنیت بالا را می‌شکند. گوگل با ارائه چشم‌انداز «یک‌کلیکی» برای استنتاج رمزنگاری‌شده، تلاش می‌کند محاسبات خصوصی را از یک تمرین آکادمیک خاص به استانداردی فراگیر در کل صنعت نرم‌افزار تبدیل کند.
همچنین HEIR به یک پلتفرم پژوهشی سازنده تبدیل شده است. رمزنگاران اکنون می‌توانند از زیرساخت موجود آن برای تست، بنچمارک و مقایسه استفاده کنند. محققان دانشگاه‌های Georgia Tech، Carnegie Mellon، UC Santa Barbara، مؤسسه فناوری ایلینوی، Purdue، دانشگاه ادینبرگ و دانشگاه Tsinghua پیش از این از HEIR استفاده کرده‌اند که منجر به انتشار چهار مقاله داوری‌شده (Peer-reviewed) تا به امروز شده است.
در آینده باید منتظر نتایج بنچمارک‌های تأخیر از سوی شرکای سخت‌افزاری گوگل باشیم. این نتایج تعیین خواهند کرد که آیا HEIR می‌تواند از دموهای CPU تک‌رشته‌ای به مقیاس واقعی سازمان‌های بزرگ منتقل شود یا خیر.
گام بعدی شما
- اگر در حوزه‌های FinTech یا HealthTech فعالیت می‌کنید، مستندات HEIR را برای بررسی امکان حذف لایه‌های رمزگشایی در سرور بررسی کنید.
- نتایج بنچمارک‌های سخت‌افزاری شرکای گوگل را دنبال کنید تا متوجه شوید چه زمانی این سیستم از دموهای CPU به مقیاس سازمانی می‌رسد.
- مدل‌های کوچک (SLM) خود را برای سازگاری با ورودی‌های رمزنگاری‌شده تست کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و شتاب‌دهنده‌های جدید مراجعه کنید.
گفتگو