Google presenta HEIR, il compilatore open source che fa girare l’AI sui dati cifrati

Il 14 agosto 2026 Google ha presentato HEIR, un compilatore open source che punta a rendere pratico un obiettivo rimasto per anni confinato ai laboratori: far lavorare i modelli di intelligenza artificiale direttamente sui dati cifrati, senza mai decifrarli. Lo strumento entra a far parte del Private Computing Toolkit dell’azienda e converte i modelli già addestrati in versioni capaci di elaborare input criptati, restituendo risultati a loro volta cifrati.

Detta così può sembrare un dettaglio tecnico per pochi. In realtà tocca una delle tensioni più profonde dell’AI di oggi: come offrirti servizi intelligenti senza dover leggere i tuoi dati.

Cosa significa calcolare sui dati cifrati

Per capire la portata dell’annuncio devi partire dal problema. La cifratura che usi ogni giorno, quella end to end dei messaggi, protegge benissimo le informazioni quando sono ferme o in transito, ma ha un limite preciso: per elaborare quei dati, un servizio deve prima decifrarli. Nel momento in cui il server legge il contenuto, la protezione svanisce e con essa nasce il rischio di fughe, abusi o accessi indesiderati.

La crittografia omomorfica ribalta questo schema. È una tecnica che consente di eseguire calcoli direttamente sui testi cifrati, senza mai riportarli in chiaro. Un server riceve dati criptati, li elabora e ti rimanda un risultato ancora criptato, che solo tu puoi aprire.

Il fornitore del servizio, semplicemente, non vede nulla: né l’input, né l’output.

Google porta un esempio concreto. Un servizio cloud può calcolare raccomandazioni di contenuti personalizzate senza conoscere le tue preferenze, perché lavora esclusivamente su informazioni cifrate. Il risultato ti arriva pertinente, ma l’azienda che te lo fornisce resta all’oscuro dei tuoi gusti.

Il vantaggio diventa enorme soprattutto nei settori regolati. Sanità e finanza gestiscono dati sensibili e devono rispettare normative severe che limitano la condivisione delle informazioni tra istituzioni. In questi contesti poter analizzare i dati senza esporli apre scenari che oggi restano bloccati dalla prudenza e dal timore delle sanzioni.

C’è un costo, ovviamente. La crittografia omomorfica ha ancora un peso computazionale non trascurabile, ma, come sottolinea Google, il vero cambiamento è un altro: il compromesso non è più tra funzionalità e privacy, è diventato una questione di costo. E quel costo sta calando in fretta.

Che cos’è HEIR e perché Google lo ha costruito

HEIR è l’acronimo di Homomorphic Encryption Intermediate Representation. Si tratta di un compilatore e insieme di una piattaforma di sviluppo pensata per la crittografia omomorfica, costruita sopra MLIR, l’infrastruttura di compilazione che Google utilizza per una lunga serie di progetti di machine learning.

Il punto chiave è la sua funzione principale: HEIR converte modelli di AI già addestrati, che normalmente operano su dati in chiaro, in versioni capaci di lavorare su input cifrati. La visione dichiarata dall’azienda è ambiziosa, trasformare questo processo in una soluzione a un clic, così che anche chi non è un crittografo possa integrare l’inferenza cifrata nelle proprie applicazioni.

Ed è qui che sta il vero ostacolo storico. Fino a oggi convertire manualmente un programma perché sfruttasse la crittografia omomorfica in modo efficiente richiedeva un intero team di esperti. Un lusso che poche organizzazioni possono davvero permettersi.

HEIR nasce proprio per abbattere questa barriera.

Google aveva annunciato le sue intenzioni nel 2023, e da allora il progetto è cresciuto grazie al contributo della comunità. Non è un caso isolato: rientra in una tendenza più ampia verso strumenti e standard aperti, un movimento che sta ridisegnando il modo in cui i sistemi AI vengono costruiti e condivisi.

Un hub per ricercatori e aziende

Nel frattempo lo strumento è diventato anche una piattaforma di ricerca. Costruendo sopra HEIR, i crittografi possono concentrarsi sulle proprie ottimizzazioni e sfruttare l’infrastruttura esistente per test, benchmark e confronti, senza dover ricostruire ogni volta le fondamenta.

Da questo lavoro sono nate collaborazioni con diversi atenei, tra cui Georgia Tech, Carnegie Mellon, la University of California a Santa Barbara, Purdue, l’Università di Edimburgo e la Tsinghua University, oltre a quattro pubblicazioni scientifiche sottoposte a revisione e a numerose citazioni.

Sul fronte hardware, Google ha stretto accordi con aziende che sviluppano acceleratori dedicati alla crittografia omomorfica, tra cui Belfort, Niobium, Cornami e Optalysys. L’obiettivo dichiarato è dimostrare presto i vantaggi di latenza che questi chip specializzati possono portare, il tassello che oggi manca per rendere la tecnologia davvero veloce.

Le quattro dimostrazioni che mostrano a che punto siamo

Per far capire quanta strada abbia fatto la tecnologia, Google ha condiviso quattro applicazioni di inferenza privata, tutte compilate con HEIR e misurate su una singola CPU. Il codice sorgente è disponibile nel repository GitHub dell’azienda, un dettaglio che conta perché permette a chiunque di verificare e riprodurre i risultati.

• Un modello di raccomandazione basato sul deep learning, capace di suggerire contenuti personalizzati senza vedere i dati dell’utente, sviluppato insieme a Belfort Labs, LG e New York University.
• Un sistema di rilevamento delle frodi con carta di credito, realizzato con Niobium e hardshell.ai.
• Uno strumento per individuare intrusioni nel traffico di rete cifrato, basato sul sistema Kitsune, che scova anomalie senza leggere il contenuto dei pacchetti.
• Un rilevatore di parole di attivazione, il cosiddetto hotword detector, che consente a un agente vocale di riconoscere il comando di avvio proteggendo la privacy delle registrazioni audio.

Quest’ultimo esempio è forse il più facile da immaginare nella vita quotidiana. Ogni volta che pronunci una parola di attivazione per un assistente entra in gioco il riconoscimento vocale: con la crittografia omomorfica quel passaggio potrebbe avvenire senza che nessun server ascolti davvero la tua voce.

Gli altri tre casi coprono ambiti in cui la riservatezza vale oro: le raccomandazioni personalizzate, la lotta alle frodi bancarie e la sicurezza delle reti. Non è una scelta casuale, sono proprio i terreni dove il conflitto tra utilità e protezione dei dati è più acceso.

Perché questo annuncio conta più di quanto sembri

Per anni la crittografia omomorfica è stata considerata una promessa affascinante ma poco pratica, troppo lenta e complessa per uscire dai convegni accademici. L’annuncio di Google segna un passaggio di fase, dal si può fare in teoria al si può iniziare a farlo sul serio.

Il motivo è semplice. Quando il freno principale diventa il costo, e non un limite tecnico invalicabile, la storia recente dell’informatica insegna che è soltanto questione di tempo prima che ottimizzazioni software e chip dedicati facciano crollare i numeri.

Le implicazioni per il modo in cui vengono costruiti i servizi AI sono profonde. Oggi molte funzioni intelligenti richiedono di inviare i tuoi dati a un server remoto, con tutte le preoccupazioni che ne derivano. L’alternativa, elaborare tutto sul dispositivo, si scontra con i limiti di potenza dei telefoni e con la necessità di proteggere i modelli proprietari, che spedire su un apparecchio significherebbe di fatto esporre.

Non stupisce, allora, che i grandi attori spingano su più fronti contemporaneamente. C’è chi punta su modelli aperti pensati per girare in locale, chi integra l’AI sempre più in profondità nei propri dispositivi di punta, e chi, come in questo caso, prova a spostare il calcolo su dati che restano cifrati dall’inizio alla fine. Sono strategie diverse per lo stesso obiettivo di fondo: darti servizi utili riducendo l’esposizione delle tue informazioni.

Va inquadrato anche in una storia più lunga. Google lavora da tempo sulle tecnologie che tutelano la riservatezza, dalla differential privacy al private information retrieval, e presenta la crittografia omomorfica come l’ultimo tassello di questo percorso. A differenza delle soluzioni basate su hardware sicuro, qui le garanzie sono puramente crittografiche, cioè non dipendono dalla fiducia in un singolo chip o in un fornitore.

Sullo sfondo pesa la pressione normativa. Regole come l’AI Act europeo e il GDPR chiedono alle aziende di trattare i dati con criteri sempre più rigorosi, e la crittografia omomorfica potrebbe diventare uno strumento prezioso per restare in regola senza rinunciare all’innovazione. Non a caso il tema della conformità attraversa gran parte delle mosse recenti dei laboratori, dalle etichette sui contenuti generati alle filigrane invisibili pensate proprio per l’AI Act.

Cosa aspettarsi ora

HEIR non è un prodotto pronto per l’utente finale, ma un’infrastruttura destinata a sviluppatori, ricercatori e aziende. Il suo valore si misura nella capacità di trasformare un campo per specialisti in qualcosa di accessibile, e la promessa della soluzione a un clic va letta come una direzione di marcia, non come un traguardo già raggiunto.

La strada da percorrere resta lunga, soprattutto sul fronte delle prestazioni. Ma se i chip acceleratori manterranno le promesse, potresti ritrovarti a usare servizi che elaborano le tue informazioni più sensibili senza mai vederle, dalla diagnosi medica al controllo delle transazioni.

Se ti occupi di sviluppo, sicurezza o prodotto, vale la pena tenere d’occhio l’evoluzione di HEIR e iniziare a ragionare su come la privacy crittografica possa cambiare le tue architetture. Continua a seguirci per capire come queste tecnologie passeranno dai laboratori alle applicazioni che usi ogni giorno.