BiSON — pesquisa semântica segura sobre um bilhão de vetores criptografados

A Microsoft Research apresentou o BiSON (Billion-Scale Oblivious Nearest-Neighbor Search) — um sistema para pesquisar rapidamente objetos semelhantes em bancos de dados vetoriais criptografados. Segundo os pesquisadores, ele pode operar em um banco de dados de um bilhão de vetores, mantendo tempos de resposta na faixa de milissegundos. O artigo foi apresentado no IEEE EuroS&P 2026.

O desenvolvimento aborda um dos principais desafios dos sistemas modernos de IA: como realizar pesquisas semânticas na nuvem sem revelar ao provedor o conteúdo do banco de dados, a consulta de pesquisa ou os padrões de acesso aos dados do algoritmo.

Por que a criptografia convencional não é suficiente

A pesquisa semântica opera sobre representações vetoriais. Documentos, imagens e outros objetos são convertidos em conjuntos de números que descrevem seu significado. A consulta do usuário também é convertida em um vetor, após o que o sistema procura os objetos mais semelhantes.

Essa abordagem é usada em bancos de dados vetoriais, sistemas de recomendação e RAG (geração aumentada por recuperação). Para grandes conjuntos de dados, normalmente usa-se a busca aproximada de vizinhos mais próximos (ANN) para evitar comparar a consulta com cada objeto individualmente.

No entanto, se esse banco de dados estiver hospedado na nuvem, a criptografia básica não é suficiente. O servidor ainda pode observar quais áreas de armazenamento o algoritmo consulta e analisar padrões de acesso recorrentes. O BiSON foi projetado para ocultar também essas informações.

Como o BiSON funciona

O sistema é construído sobre Oblivious RAM (ORAM) — uma tecnologia que oculta os acessos reais aos dados de um cliente. O servidor executa operações de leitura e escrita, mas não consegue determinar quais dados específicos o cliente está acessando em um dado momento. No entanto, a ORAM normalmente exige um grande número de operações adicionais e tráfego de rede substancial, tornando-a cara demais para ser aplicada a bancos de dados vetoriais contendo centenas de milhões ou bilhões de objetos.

No BiSON, a Microsoft desenvolveu uma variante de ORAM projetada para armazenamento em disco. Isso significa que o índice protegido não precisa residir inteiramente na memória, permitindo que o sistema escale para conjuntos de dados com bilhões de registros. O sistema é baseado no DiskANN — um algoritmo de busca de vetores mais próximos desenvolvido pela Microsoft e otimizado para armazenar grandes índices em SSDs. No BiSON, esse índice é transformado em uma estrutura ORAM protegida.

Segundo a Microsoft, o BiSON mantém uma qualidade de busca próxima à dos modernos sistemas ANN não protegidos, enquanto uma consulta a um banco de dados de um bilhão de vetores pode ser concluída em milissegundos.

Em comparação com o sistema anterior de busca privada, o Compass, os desenvolvedores relatam: – uma redução no volume de dados transmitidos de até 28×; – uma redução na latência de consulta de ponta a ponta de até 23,5×; – um aumento no tamanho do banco de dados suportado de aproximadamente duas ordens de magnitude.

Abordagens existentes já permitiam buscas privadas de vizinhos mais próximos, mas geralmente apresentavam desempenho ruim na escala típica de grandes serviços de nuvem e IA.

Onde pode ser usado

O BiSON foi projetado para cenários em que uma organização deseja usar computação em nuvem sem revelar ao provedor seu banco de dados vetorial ou suas consultas de pesquisa.

Isso pode ser útil para: – busca empresarial em documentos internos; – sistemas RAG que trabalham com informações confidenciais; – aplicações médicas e financeiras; – assistentes pessoais de IA; – buscas em dados sensíveis de usuários.

Ferramenta: https://github.com/r-dott/bison