In het moderne SaaS-landschap zijn datalekken in cloud-databases geen uitzonderlijke gebeurtenissen meer — ze zijn statistisch onvermijdelijk. Wanneer kenniswerkers vertrouwen op conventionele notitieplatforms, worden hun meest gevoelige assets — intellectueel eigendom, systeemgeheimen, bedrijfseigen codefragmenten en persoonlijke gedachten — opgeslagen in onversleutelde tekst of server-side versleutelde databases bij externe leveranciers.

Server-side encryptie ("encryptie in rust") schiet fundamenteel tekort voor echte privacy, omdat de provider in het bezit blijft van de decryptiesleutels. Als een cloudserver verkeerd is geconfigureerd, als een database-dump lekt of als een externe leverancier juridisch wordt gedwongen, ligt uw onversleutelde kennisbank volledig open. In een tijdperk waarin persoonlijke AI-assistenten diepgaande contextuele gegevens verwerken, zijn standaard cloudbeveiligingsmodellen absoluut ontoereikend.

De Zero-Knowledge noodzaak

Bij Reminda is beveiliging geen marketinglaag die na oplevering van het product wordt toegevoegd; het is de fundamentele architectonische randvoorwaarde van ons systeem. We hebben ons platform gebouwd op een Zero-Knowledge-architectuur met behulp van echte End-to-End Encryptie (E2EE).

De wiskundige garantie van Zero-Knowledge beveiliging is eenvoudig: wij kunnen uw gegevens letterlijk niet lezen.

Geen sleutelopslag: Uw cryptografische hoofdsleutels worden lokaal op uw apparaat afgeleid en worden nooit over het netwerk verzonden.
Unleesbare cloud-records: Externe databases slaan alleen geauthenticeerde, cryptografisch veilige cijfertekst op. Zelfs met volledige fysieke toegang tot onze productie-infrastructuur zien engineers of aanvallers alleen pseudowillekeurige ruis met een hoge entropie.
Zero-Trust infrastructuur: Noch ons team, noch hostingproviders, noch cloud-database-instanties beschikken over de technische mogelijkheid om uw persoonlijke notities of geheugengrafieken te ontsleutelen.

Technische diepgang: De cryptografische pipeline

Om naadloze synchronisatie tussen apparaten te bereiken met behulp van Zero-Knowledge-garanties, voert Reminda een meertraps lokale cryptografische workflow uit op basis van Web Crypto API-standaarden.

1. PBKDF2 Hoofdsleutelafleiding

Wanneer een gebruiker inlogt, leidt de client-runtime lokaal een hoofdsleutel ( $K_{master}$ ) af van het wachtwoord met behulp van PBKDF2 (Password-Based Key Derivation Function 2) gecombineerd met SHA-256, een lokale salt en meer dan 600.000 iteraties om brute-force en GPU-woordenboekaanvallen te voorkomen:

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

2. Lokale symmetrische gegevensversleuteling (AES-256-GCM)

Alle notitie-inhoud, vector-payloads en gestructureerde schema's worden aan de client-zijde versleuteld met AES-256-GCM (Galois/Counter Mode). GCM is specifiek gekozen omdat het zowel geheimhouding als Authenticated Encryption with Associated Data (AEAD) biedt, wat garandeert dat er tijdens het transport niet ongemerkt met de cijfertekst geknoeid kan worden.

// Voorbeeld van client-side encryptieprotocol
export async function encryptLocalPayload(
 plaintext: string,
 rawKey: CryptoKey
): Promise<{ ciphertext: ArrayBuffer; iv: Uint8Array }> {
 const iv = crypto.getRandomValues(new Uint8Array(12)); // 96-bit initialisatievector
 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 };
}

Zero-Knowledge E2EE verzoenen met Kunstmatige Intelligentie

Het grootste technische obstakel in de moderne privacy-engineering is het combineren van E2EE met grote taalmodellen. De meeste AI-wrappers sturen onversleutelde notities gewoon rechtstreeks naar cloud-eindpunten, wat de privacy volledig omzeilt.

Om een realtime AI-denkpartner te bieden zonder onze Zero-Knowledge-architectuur in gevaar te brengen, heeft Reminda de retrieval-augmented generation (RAG) pipeline zo ontworpen dat deze eerst aan de client-zijde draait.

Hoe veilige AI-contextophaling werkt

Lokale vector-invoer: Tekstblokken worden lokaal ingebed met behulp van lichtgewicht, WebAssembly-gecompileerde model-runtimes, of geïndexeerd in lokale vector-indexen.
Client-side contextophaling: Wanneer u een vraag stelt, wordt de semantische zoekopdracht rechtstreeks in uw lokale browser-runtime uitgevoerd op lokaal ontsleutelde notities.
Vluchtige verwerking zonder gegevensopslag: Alleen de specifieke, geïsoleerde tekstfragmenten die nodig zijn om uw vraag te beantwoorden, worden voorbereid in een prompt-pakket. Deze contextuele payload wordt via versleutelde TLS-tunnels verzonden naar strikte AI-eindpunten zonder gegevensopslag, wat garandeert dat invoer nooit wordt gelogd of opgeslagen voor modeltraining.

Beveiligingsgarantie: Uw algehele kennisarchief blijft in rust volledig versleuteld opgeslagen in de cloud. Het externe LLM verwerkt nooit uw volledige kluis — alleen vluchtige, door de gebruiker goedgekeurde fragmenten tijdens actieve interactie.

Privacy als een onvervreemdbaar mensenrecht

Beveiligingsmaatregelen mogen nooit afhangen van administratieve beloften, privacybeleid van bedrijven of juridische disclaimers. Bedrijfsbeleid verandert, platforms worden overgenomen en voorwaarden veranderen. Echte privacy vereist wiskundige garanties.

Door Reminda te verankeren in client-side zero-knowledge encryptie, garanderen we dat uw kennisbank blijft wat het altijd moest zijn: een ongecompromitteerde, volledig private uitbreiding van uw eigen geest.