Google rend l'IA privée pratique via le chiffrement homomorphe

Google dévoile HEIR (Homomorphic Encryption Intermediate Representation), un nouveau compilateur open source intégré à son Private Computing Toolkit, conçu pour rendre l'inférence IA confidentielle praticable. Cette technologie repose sur le chiffrement homomorphe (FHE), une méthode cryptographique qui permet d'effectuer des calculs directement sur des données chiffrées sans jamais les déchiffrer. Contrairement au chiffrement classique, qui impose de déverrouiller les données pour les traiter, le FHE autorise les serveurs à manipuler des chiffrés et à renvoyer un résultat chiffré que seul l'utilisateur peut lire. L'architecture d'HEIR vise à convertir des modèles d'IA pré-entraînés sur des données non chiffrées pour qu'ils fonctionnent sur des entrées chiffrées, transformant ainsi la barrière technique en un problème de coût plutôt qu'une impossibilité fonctionnelle.

L'intérêt de cette approche réside dans la résolution du conflit entre utilisation des services cloud et protection de la vie privée. Les protections standards comme le chiffrement de bout en bout garantissent la confidentialité contre les violations de données, mais empêchent le fournisseur de services d'exécuter des fonctionnalités nécessitant l'accès aux données, telles que la détection de spam ou de virus. Le chiffrement homomorphe élimine ce compromis en permettant le traitement distant tout en maintenant la confidentialité absolue. Les secteurs réglementés comme la finance et la santé, qui limitent strictement le partage de données, ainsi que les cas d'usage comme les recommandations de contenu, pourraient bénéficier de cette architecture où le fournisseur de services ne "voit" jamais les informations traitées. Les démonstrations fournies par Google incluent un modèle de recommandation Deep Learning, illustrant la faisabilité d'un système suggérant du contenu sans connaître les caractéristiques de l'utilisateur.

Jusqu'à présent, l'adoption du FHE se heurtait à la complexité de mise en œuvre et à la lourdeur des calculs. Convertir manuellement un programme existant pour utiliser le chiffrement homomorphe de manière efficace nécessitait une équipe de cryptographes experts. HEIR s'attaque à cette obstruction en offrant une chaîne d'outils de compilation destinée à automatiser le processus. L'objectif affiché est de fournir une solution en "un clic" permettant aux développeurs non experts d'intégrer l'inférence chiffrée dans des applications de production. Si le coût computationnel du FHE reste significatif, Google souligne qu'il est en baisse rapide et que la technologie déplace le défi de la sécurité vers celui de l'optimisation des performances, domaine sur lequel se concentrent les efforts actuels.

Le géant de la tech appuie cette stratégie sur des partenariats matériels pour accélérer les traitements. HEIR collabore avec plusieurs sociétés développant des accélérateurs matériels pour le chiffrement homomorphe, notamment Belfort, Niobium, Cornami et Optalysys. Ces alliances visent à réduire la latence des opérations cryptographiques, rendant le temps de réponse acceptable pour des cas d'usage réels. Les résultats préliminaires présentés par Google mettent en avant quatre applications d'inférence privée compilées avec HEIR, exécutées sur un processeur mono-cœur. Parmi elles, un détecteur de fraude par carte de crédit développé avec Niobium et hardshell.ai, ainsi que le système Kitsune pour la détection d'anomalies sur le trafic réseau chiffré. Ce dernier cas est particulièrement pertinent pour la cybersécurité, car il permet à un fournisseur de services d'identifier des menaces ou des intrusions sans accéder au contenu en clair des paquets réseau.

Une autre application démontrée est un détecteur de mot-clé, réalisé avec Belfort Labs, qui pourrait permettre à un assistant vocal de réagir à des commandes d'activation ("hotwords") sans exposer les enregistrements audio au service cloud. Ce cas d'usage met en lumière la capacité du FHE à protéger non seulement les données utilisateur, mais aussi potentiellement la propriété intellectuelle des modèles, bien que l'accent soit mis ici sur la protection des entrées. HEIR sert également de plateforme de recherche académique, avec des collaborations impliquant des institutions comme Georgia Tech, Carnegie Mellon et l'Université Tsinghua, ayant déjà abouti à plusieurs publications évaluées par des pairs. L'open sourcing du projet vise à accélérer la maturation de l'écosystème, en standardisant les outils de benchmarking et de test pour la communauté cryptographique.