現代のSaaS環境において、クラウドデータベースの侵害はもはや例外的な事象ではなく、統計的に避けられない問題です。ナレッジワーカーが従来のメモ作成プラットフォームに依存する場合、知的財産、システムの秘密情報、独自のコードスニペット、個人的な思考といった最も機密性の高い資産が、サードパーティのインフラストラクチャ上にプレーンテキストまたはサーバーサイド暗号化データベースとして保管されます。

サーバーサイド暗号化（「保存時の暗号化」）は、プロバイダーが復号キーを所有し続けるため、真のプライバシー観点からは根本的な欠陥があります。クラウドサーバーの設定が不適切であったり、データベースダンプが漏洩したり、サードパーティベンダーが召喚状を受け取ったりした場合、暗号化されていないナレッジベースは完全に露出します。AIパーソナルアシスタントが深い文脈データを消費する時代において、標準的なクラウドセキュリティモデルは完全に不十分です。

ゼロ知識（Zero-Knowledge）の必要性

Remindaにおいて、セキュリティはプロダクト提供後に適用されるマーケティング層ではなく、システムの根本的なアーキテクチャ上の制約です。私たちは、真のエンドツーエンド暗号化（E2EE）を活用したゼロ知識アーキテクチャの上にプラットフォームを構築しました。

ゼロ知識セキュリティの数学的保証は至ってシンプルです。「私たちは文字通り、あなたのデータを読むことができません。」

キー保存の排除: あなたのマスター暗号化キーはデバイス上でローカルに派生され、ネットワーク上に送信されることは決してありません。
解読不可能なクラウド記録: リモートデータベースには、認証された暗号学的に安全な暗号文のみが保存されます。本番インフラへの完全な物理アクセス権があったとしても、エンジニアや攻撃者に見えるのは高エントロピーの疑似乱数ノイズだけです。
ゼロトラスト・インフラストラクチャ: 当社のチーム、ホストプロバイダー、クラウドデータベースインスタンスのいずれも、あなたの個人メモや記憶グラフを復号する技術的能力を持っていません。

技術的詳細：暗号化パイプライン

ゼロ知識保証を維持しながらシームレスなデバイス間同期を実現するため、RemindaはWeb Crypto API規格に基づいて構築されたマルチステージのローカル暗号化ワークフローを実行します。

1. PBKDF2 マスターキー派生

ユーザーがログインすると、クライアントランタイムはブルートフォース攻撃やGPU辞書攻撃を防ぐため、PBKDF2（Password-Based Key Derivation Function 2）にSHA-256、ローカルソルト、および600,000回以上の反復を組み合わせて、パスフレーズからローカルにマスターキー（ $K_{master}$ ）を派生させます。

$K_{master} = \text{PBKDF2}\left(\text{Passphrase}, \text{Salt}, \text{iterations}=600000, \text{SHA-256}\right)$

2. ローカル対称データ暗号化 (AES-256-GCM)

すべてのメモ内容、ベクトルペイロード、および構造化スキーマは、AES-256-GCM (Galois/Counter Mode) を使用してクライアントサイドで暗号化されます。GCMが選択されたのは、機密性と**関連データ付き認証暗号（AEAD）**の両方を提供し、転送中に暗号文が改ざんされた場合に検知できるためです。

// クライアントサイド暗号化プロトコルの例
export async function encryptLocalPayload(
 plaintext: string,
 rawKey: CryptoKey
): Promise<{ ciphertext: ArrayBuffer; iv: Uint8Array }> {
 const iv = crypto.getRandomValues(new Uint8Array(12)); // 96ビットの初期化ベクトル
 const encoder = new TextEncoder();
 const data = encoder.encode(plaintext);

 const ciphertext = await crypto.subtle.encrypt(
 {
 name: 'AES-GCM',
 iv: iv,
 },
 rawKey,
 data
 );

 return { ciphertext, iv };
}

ゼロ知識 E2EE と人工知能の両立

現代のプライバシーエンジニアリングにおける最大の技術的障害は、E2EEと大規模言語モデル（LLM）の統合です。多くのAIラッパーツールは、プライバシーを完全にバイパスして、暗号化されていないメモを直接クラウドエンドポイントに送信しています。

ゼロ知識アーキテクチャを損なうことなくリアルタイムAI思考パートナーを提供するため、Remindaは検索拡張生成（RAG）パイプラインを再構築し、クライアントサイド優先で動作するようにしました。

安全なAIコンテキスト検索の仕組み

ローカルベクトル取り込み: テキストチャンクは、軽量なWebAssemblyコンパイルモデルランタイムを使用してローカルに埋め込まれるか、ローカルベクトルインデックスにインデックス化されます。
クライアントサイドコンテキスト取得: 質問を行うと、セマンティック検索クエリはローカルで復号されたメモに対して、ブラウザランタイム内で直接実行されます。
保持期間ゼロのエフェメラル処理: クエリの回答に必要な、分離された特定のテキストスニペットのみがプロンプトパッケージとして準備されます。このコンテキストペイロードは、暗号化されたTLSトンネルを介して、データ保持ゼロの厳格なAIエンドポイントに送信され、モデルの学習用にログ記録されたり保存されたりすることはありません。

セキュリティ保証: あなたのナレッジリポジトリ全体は、クラウドストレージ上において静止状態で完全に暗号化されたままです。外部LLMが保管庫全体を処理することはなく、アクティブな対話中にユーザーが承認した一時的な断片のみが処理されます。

不可侵の人権としてのプライバシー

セキュリティ対策が、管理上の約束、企業のプライバシーポリシー、または法的免責事項に依存するべきではありません。企業方針は変更され、プラットフォームは買収され、規約は変化します。真のプライバシーには数学的な保証が必要です。

Remindaをゼロ知識クライアントサイド暗号化に根付かせることで、あなたのナレッジベースが本来あるべき姿、つまり妥協のない完全なプライベート空間であり、自分自身の精神の拡張であり続けることを保証します。