🫎 鹿く & ShikakuMLS 企画要旨 • Yu Tokunaga

1. プロジェクト概要

「鹿く」と「ShikakuMLS」は、セキュアで責任あるテキストコミュニケーションを実現する2つの主要コンポーネントです。

名称	役割・機能
鹿く	ユーザーインターフェース（UI/UX）、メッセージのPush/Pull制御、SwiftDataによる暗号文・メタデータ管理、表示時復号、AIによるメッセージ裁定ロジックを提供するコミュニケーションプラットフォーム
ShikakuMLS (OSS)	端末内完結型E2EEライブラリ。1:1通信向けDouble Ratchet、グループ通信向けMLSプロトコル、鍵管理、Forward Secrecy保証、暗号化・復号処理を提供するOSSライブラリ

2. 主体

内部名称	ユーザー向けラベル例	最大人数	用途
ユーザ	個人	1	1:1日次会話、デイログチケット管理
トループ (Troop)	小規模グループ	14	デイログチケット管理、日次雑談・プライベート用途
コホート (Cohort)	チーム／プロジェクト	500	トピックチケット管理、中長期的議論・プロジェクト単位

3. チケット種類と運用

デイログチケット

日次単位で会話を記録
当日に初回メッセージ送信時に自動起票
運用主体: ユーザ1人との1:1、またはトループ (最大14人)
当日分のみ書き込み可能（自動日次締め）
参加メンバー全員が閲覧可能

トピックチケット

特定の議題・プロジェクトに紐づく
運用主体: コホート (最大500人)
日次締めなし（長期ディスカッション可）
アクセス制御可能（特定人物、役職、全公開など）

4. UI設計方針

ホームビュータブ構成

プロフィールと所属トループ一覧
デイログ（1:1・トループ会話のカレンダー表示）
コホート別トピック（トピックチケット管理）
登録済みユーザ一覧
設定

デイログとトピックコホートのUIは明確に区別
Push権/Pushライセンス制度およびAI裁定結果を自然に表示
bot呼び出し権限はチケット作成時に設定可能

5. データ保存設計

保存対象	内容	形式	TTL/期限	備考
暗号化メッセージ	AES-GCM暗号文	バイナリ	30〜90日	平文は表示時のみ復号、ビジネスプランで永続化オプション
メタデータ	UID、チケットID、送信日時、署名ハッシュ等	JSON	永続(WORM)	検索・フィルタリング用途
AI裁定ログ	承認結果、逸脱スコア、推敲履歴	JSON	最大90日	ビジネスプランでは永続化オプション
Push権履歴	回転情報、リマインドログ	JSON	約90日	公平性UX維持、運用履歴の透明性確保
タイムスタンプ証跡	RFC3161準拠TS、Ed25519署名	JSON/署名	永続(WORM)	メタデータと共にメッセージの非否認性保証

SwiftDataには暗号化メッセージと検索・表示用メタデータを保存
平文は端末メモリ上で復号、一時的に処理され永続化しない

6. 暗号化戦略

通信形式	プロトコル	鍵交換	対称暗号	署名・非否認性
1:1通信	Double Ratchet	X25519	AES-GCM	Ed25519
グループ (3〜21人)	MLS (TreeKEM + Sender Key)	X25519	AES-GCM	Ed25519

メッセージ平文は表示時のみ端末で復号
MLSによりForward SecrecyとPost-Compromise Securityを保証
ShikakuMLS公開API経由で暗号化・復号処理を実行

7. ShikakuMLSの開発企画

Swift + CryptoKitで実装、OSSとしてApache 2.0ライセンスで公開予定
1:1通信用 Double Ratchet、グループ通信用 MLS (RFC9420準拠) をサポート
メッセージ平文を永続化しない設計
Forward Secrecy、グループ加入/脱退後の鍵更新を自動管理

8. 技術スタック

層	技術	備考
クライアント	Swift 6, SwiftUI, CryptoKit, SwiftData	最新Appleエコシステム
AI裁定	Rakuten AI 2.0 mini (CoreML)	端末内推論、低遅延・低コスト・プライバシー保護
暗号	ShikakuMLS (Swift Package, CryptoKit)	端末完結型E2EE、OSSライブラリ
サーバー	Google Cloud (Cloud Functions, Firestore, KMS/HSM)	メタデータ・証跡保存管理

9. 鹿く本体処理フロー

ユーザー登録・フレンド追加（公開鍵交換含む）
チケット作成（デイログ or トピックチケット）
メッセージ作成・AI裁定
メッセージPush（shikakuMLS暗号化メッセージ + メタデータをCloud Run Functions経由で登録）
受信者Pull（暗号文とメタデータをSwiftDataに保存）
表示時復号（shikakuMLS復号）
Push権回転・履歴記録
タイムスタンプ証跡生成・保存（RFC3161準拠、Ed25519署名）

10. 今後の拡張

多言語対応UI/UX・AI裁定多言語化
組織向けダッシュボード（品質・チケット消化状況可視化）
文章力向上コンテンツ（AI裁定連動）
ShikakuMLS高度機能（群脱退時鍵更新自動検証、PCS保証強化）

11. 補遺

11.1 端末内AI裁定モデル実装例

import Foundation
import CoreML

final class LLMManager {
    static let shared = LLMManager()
    
    // Rakuten AI 2.0 mini用
    private let modelFileName = "rakutenai-2mini-quantized.mlmodelc"
    private let remoteModelURLString = "https://huggingface.co/Rakuten/RakutenAI-2mini-quantized/resolve/main/rakutenai-2mini-quantized.mlmodel"
    
    private var mlModel: MLModel?
    
    private var localURL: URL? {
        do {
            let fileManager = FileManager.default
            let appSupportDir = try fileManager.url(for: .applicationSupportDirectory, in: .userDomainMask, appropriateFor: nil, create: true)
            return appSupportDir.appendingPathComponent(modelFileName)
        } catch {
            print("ApplicationSupportDirectory取得失敗: \(error)")
            return nil
        }
    }
    
    // MARK: - モデル準備
    func prepareModel(completion: @escaping (Error?) -> Void) {
        guard let localURL = localURL else {
            completion(NSError(domain: "LLMManager", code: 0, userInfo: [NSLocalizedDescriptionKey: "モデル保存先不明"]))
            return
        }
        
        if FileManager.default.fileExists(atPath: localURL.path) {
            loadCoreMLModel(from: localURL, completion: completion)
            return
        }
        
        downloadAndCompileModel(to: localURL, completion: completion)
    }
    
    private func downloadAndCompileModel(to localURL: URL, completion: @escaping (Error?) -> Void) {
        guard let url = URL(string: remoteModelURLString) else {
            completion(NSError(domain: "LLMManager", code: 1, userInfo: [NSLocalizedDescriptionKey: "URL不正"]))
            return
        }
        
        let task = URLSession.shared.downloadTask(with: url) { tempURL, _, error in
            if let error = error {
                completion(error)
                return
            }
            guard let tempURL = tempURL else {
                completion(NSError(domain: "LLMManager", code: 2, userInfo: [NSLocalizedDescriptionKey: "ダウンロード失敗"]))
                return
            }
            
            do {
                if FileManager.default.fileExists(atPath: localURL.path) {
                    try FileManager.default.removeItem(at: localURL)
                }
                try FileManager.default.moveItem(at: tempURL, to: localURL)
                let compiledURL = try MLModel.compileModel(at: localURL)
                self.loadCoreMLModel(from: compiledURL, completion: completion)
            } catch {
                completion(error)
            }
        }
        task.resume()
    }
    
    private func loadCoreMLModel(from url: URL, completion: @escaping (Error?) -> Void) {
        do {
            let config = MLModelConfiguration()
            
            // 端末性能に応じた設定
            if ProcessInfo.processInfo.physicalMemory < 3_000_000_000 { // 3GB未満
                config.computeUnits = .cpuOnly
                config.allowLowPrecisionAccumulationOnGPU = false
            } else {
                config.computeUnits = .all
                config.allowLowPrecisionAccumulationOnGPU = true
            }
            
            mlModel = try MLModel(contentsOf: url, configuration: config)
            completion(nil)
        } catch {
            completion(error)
        }
    }
    
    // MARK: - 推論
    func predict(text: String, chunkSize: Int = 128, completion: @escaping (String) -> Void) {
        prepareModel { error in
            if let error = error {
                print("モデル準備失敗: \(error)")
                completion("")
                return
            }
            
            guard let mlModel = self.mlModel else {
                completion("")
                return
            }
            
            DispatchQueue.global(qos: .userInitiated).async {
                var result = ""
                let chunks = text.chunked(by: chunkSize) // チャンク分割
                
                for chunk in chunks {
                    do {
                        let input = try MLDictionaryFeatureProvider(dictionary: ["prompt": chunk])
                        let output = try mlModel.prediction(from: input)
                        let textOutput = output.featureValue(for: "text")?.stringValue ?? chunk
                        result += textOutput
                    } catch {
                        print("推論失敗: \(error)")
                        result += chunk
                    }
                }
                
                DispatchQueue.main.async {
                    completion(result)
                }
            }
        }
    }
    
    // MARK: - モデル解放
    func unloadModel() {
        mlModel = nil
    }
}

// MARK: - 文字列チャンク化拡張
extension String {
    func chunked(by size: Int) -> [String] {
        var chunks: [String] = []
        var startIndex = self.startIndex
        while startIndex < self.endIndex {
            let endIndex = self.index(startIndex, offsetBy: size, limitedBy: self.endIndex) ?? self.endIndex
            chunks.append(String(self[startIndex..<endIndex]))
            startIndex = endIndex
        }
        return chunks
    }
}