🫎 鹿く & ShikakuMLS 企画要旨
Google Cloud CryptoKit E2EE MLS
1. プロジェクト概要
「鹿く」と「ShikakuMLS」は、セキュアで責任ある新しいコミュニケーション文化を創造するための2つの主要プロジェクトです。
| プロジェクト名 | 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フロー制御、SwiftDataによる暗号文・メタデータ管理、表示時のメッセージ復号、AIによるメッセージ裁定ロジックを担うコミュニケーションプラットフォーム。 |
| ShikakuMLS (OSS) | 端末内で完結するE2EEコアライブラリ。1対1のDouble Ratchetプロトコル、グループ向けMLSプロトコルの実装、鍵管理、Forward Secrecy（前方秘匿性）保証、メッセージの暗号化・復号処理を提供するオープンソースソフトウェアです。 |
2. “鹿く”とは
「鹿く」は、思考の圧縮と表現責任を核とし、情報過多を避けつつ、責任感ある対話文化の醸成を目指すプロダクトです。
2.1 主要コンセプト
- Pull主体UX: 受信者が自身のペースで情報を取得するモデルを採用することで、情報過多による疲弊を軽減します。
- AI裁定によるPush承認制: 送信されるメッセージはAIによる事前裁定を受け、承認されたもののみが送信可能です。誤字脱字や論理的な逸脱が検知された場合、「鹿られ」として修正が求められます。
- 責任あるコミュニケーション文化: Push権とPushライセンス制度を導入。連続Pushの制限やAI裁定の承認プロセスを通じて、ユーザーの発言に対する内面的な責任感を醸成します。
- チケット単位議論管理: 課題の進捗を「通常チケット」と「Daylogチケット」の2種類のチケットで管理します。これにより情報の構造化を促進し、議論の可視性と追跡性を向上させます。
2.2 UX設計詳細
- チケットの種類:
- 通常チケット: 特定の担当者を指定し、課題管理やプロジェクトの進捗管理に利用します。
- Daylogチケット: 日次で自動生成されるフリーディスカッション用チケットです。日次でリフレッシュされるため、その日のトピックに集中できます。
- Push権 / Pushライセンス:
- メッセージのPush（送信）には「Push権」が必要です。連続Pushは禁止され、権利は参加者間で順次委譲されます。
- AI裁定の承認を得ることで「Pushライセンス」が付与され、メッセージ送信が可能になります。
- 一度Pushされたメッセージは編集不可とし、発言に対する厳格な責任感を醸成します。
- Pull主体情報取得:
- ユーザーは自分のタイミングで新しい情報を取得します。通知はPush権が到来したことのリマインドに留め、即時応答を強制しません。
- メッセージ表示:
- SwiftDataには暗号文と検索用のメタデータのみを保存します。
- メッセージ表示時にShikakuMLSを用いて端末内で復号し、平文は永続的に保存しない設計です。
3. データ保存設計
「鹿く」では、プライバシーとセキュリティを最優先し、データの種類に応じて保存方針を定めています。
| 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 | 平文は保存せず表示時復号。ビジネスプランでは永続化オプション提供。 |
| 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。改ざん不可、証跡性保証。 |
| 鹿られログ | 承認結果、逸脱スコア、指摘箇所、推敲履歴 | JSON | 最大90日 | 推敲履歴はユーザーの学習・改善に活用。ビジネスプランでは永続化オプション提供。 |
| Push権履歴 | Push権の順番回転情報、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を保証。法的効力あり。 |
SwiftDataへの保存方針:
SwiftDataには、暗号化されたメッセージ本文 (EncryptedMessage構造体) に加え、検索・フィルタリング・表示に必要な非機密性のメタデータ（例: senderUserID, ticketID, timestamp, messageHashForIntegrity）を別途保存します。これにより、平文を永続化することなく、ユーザー体験を損なわない効率的な情報アクセスを実現します。
4. 暗号化戦略
「鹿く」のE2EEは、通信形式に応じてShikakuMLSライブラリを通じて最適なプロトコルを適用します。
| 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 |
- 「鹿く」本体は、ShikakuMLSの公開APIを呼び出すことで暗号化・復号処理を実行します。
- メッセージ平文は表示時のみ端末メモリ上で復号され、永続的なストレージには保存されません。
- MLSプロトコルにより、Forward Secrecy（過去のセッション鍵が漏洩しても未来のメッセージは解読されない）と、グループメンバー変更後の過去メッセージ復号不可（Post-Compromise Securityの一部）を保証します。
5. ShikakuMLSライブラリ設計
ShikakuMLSは、Swift言語とApple CryptoKitのみで実装される端末完結型E2EEライブラリであり、オープンソースソフトウェア（OSS）として公開されます。
- 目的: モバイルアプリケーションにE2EE機能を手軽かつセキュアに組み込むためのSwiftライブラリです。
- 対応プロトコル:
- 1:1通信向けのDouble Ratchet Protocol。
- グループ通信向けのMessaging Layer Security (MLS) Protocol (RFC9420準拠を目標)。
- 主な公開API:
PublicKey/PrivateKeyラッパー型: 暗号プリミティブの鍵を抽象化し、型安全な操作を保証。encryptMessage: メッセージの暗号化。Replay Attack対策や文脈整合性チェックのためにコンテキスト情報も付加可能。decryptMessage: 暗号化されたメッセージの復号。createGroup,addMember,removeMember,processCommit: グループ通信におけるMLSプロトコル（グループの作成、メンバーの追加・削除、グループ状態の更新）をサポート。
- 特徴:
- Swift + CryptoKitのみで実装され、外部ライブラリへの依存を最小限に抑えます。
- メッセージ平文は永続化しない設計思想をライブラリレベルで保証します。
- 厳格な単体テスト、Forward Secrecyテスト、過去メッセージ復号不可テスト、グループ加入/脱退後の鍵更新テストを独立して実施します。
- OSS公開予定: Apache 2.0ライセンスで公開されます。
鍵管理・更新方針: ShikakuMLS内部では、Diffie-Hellman鍵交換によって生成されるセッション鍵をワンタイム利用し、メッセージ送受信ごとや一定時間ごとといった定期的な鍵更新によってForward Secrecyを保証します。MLSにおいてはTreeKEMメカニズムがグループ鍵の効率的かつセキュアな更新を担います。
6. 技術スタック
「鹿く」および「ShikakuMLS」は、最新かつセキュアな技術スタックを採用しています。
| 層 | 技術 | 備考 |
|---|---|---|
| クライアント | Swift 6, SwiftUI, CryptoKit, SwiftData | 最新のAppleエコシステム技術を採用。 |
| AI裁定 | Rakuten AI 2.0 mini (CoreML) | 端末内での推論により送信メッセージの裁定とPush承認を担当。外部API不要で低遅延・低コスト・プライバシー保護が可能。 |
| 暗号 | ShikakuMLS (Swift Package, CryptoKit) | 自社開発OSSライブラリ、端末完結型E2EEを提供。 |
| サーバー | Google Cloud (Cloud Functions, Firestore, KMS/HSM) | スケーラビリティとセキュリティを重視、メタデータ・証跡保存を管理。 |
7. サービス収益モデル
カジュアルユーザーからエンタープライズ顧客までをターゲットとした柔軟な収益モデルを展開します。
| 機能 | カジュアルプラン | ビジネスプラン |
|---|---|---|
| 鹿り機能 | ○ | ○ |
| Push権/Pushライセンス制度 | ○ | ○ |
| 高度チケットシステム | ○ | ○ |
| グループ参加人数上限 | 20人 | 無制限 |
| 暗号メッセージ保存期間 | 30〜90日 | 無制限 (長期保存オプション) |
| AI裁定ログ永続保存 | ✕ | ○ |
| WORMメタデータ永続化 | ✕ | ○ |
| タイムスタンプ証跡生成・提供 | ✕ | ○ (法務・監査対応) |
| HSM鍵管理 | ✕ | ○ (M-of-N秘密分散, Proxy Re-encryption, Threshold Decryption) |
| 監査証跡・法的対応レポート | ✕ | ○ |
| 専用API連携・Webhook | ✕ | ○ |
| 文字アイコンアセット販売 | ○ | ○ |
7.1 マーケティングポイント
- 端末完結E2EE: メッセージ平文は端末に残さず表示時復号。データプライバシーとセキュリティを最大限に保護します。
- Double Ratchet + MLS: 1対1通信とグループ通信で業界標準の最先端プロトコルを適用し、強固なForward Secrecyを保証します。
- AI裁定 + Push権制度: 品質が高く、責任感のあるコミュニケーションを促進するユニークなUXを提供します。
- OSSライブラリ提供: ShikakuMLSを独立したOSSとして公開することで、E2EE実装の信頼性と透明性を確保し、技術コミュニティへの貢献を目指します。
- 法務・監査対応: ビジネスプランでは、法的効力のあるタイムスタンプ証跡や監査ログを提供し、エンタープライズの要件に対応します。
8. 鹿く本体処理フロー
以下に、メッセージの送受信と関連する処理フローを示します。
- ユーザー登録 / フレンド追加: ユーザーは自身の公開鍵を生成し、サーバーに登録。フレンド追加時に公開鍵を交換します。
- チケット作成: ユーザーはチケットを作成し、参加メンバーを指定します。
- メッセージ作成:
- ユーザーがメッセージを入力します。
- AI裁定システムがメッセージ内容を解析し、品質を評価します。
- AI裁定を通過したメッセージはShikakuMLSに渡され、受信者（またはグループ）の公開鍵を用いて暗号化されます。
- メッセージPush:
- 暗号化されたメッセージ (
EncryptedMessage) と関連メタデータがCloud Functions経由でメッセージキューに登録されます。 - 受信者へ通知（リマインド）が送られます。
- 暗号化されたメッセージ (
- 受信者Pull:
- 受信者がアプリを起動または更新すると、新しい暗号文メッセージとメタデータをプルします。
- SwiftDataに暗号文と検索用メタデータを保存します。
- 表示時復号:
- メッセージは表示時に端末内で復号され、平文は一時的にメモリ上で処理され永続化されません。
- Push権ライセンスの回転・記録:
- メッセージPush後、Push権の順番が更新され、その履歴が記録されます。
- タイムスタンプ証跡生成・保存:
- サーバー側でメッセージメタデータにRFC3161準拠のタイムスタンプとEd25519署名を付与し、非否認性を保証して永続保存します。
9. 今後の拡張
- 多言語対応: グローバル展開に向けたUI/UXおよびAI裁定の多言語化を推進します。
- 組織内ダッシュボード: 企業・組織向けに、コミュニケーションの品質、チケット消化状況、AI裁定傾向などを可視化する管理ダッシュボードを提供します。
- 文章力向上コンテンツ: 『理科系の作文技術』などの論理的思考・文章作成術をベースとした学習コンテンツを提供し、AI裁定と連携してユーザーの表現能力向上を支援します。
- ShikakuMLSの高度機能: MLSにおける群脱退時の鍵更新自動検証や、Post-Compromise Securityのより厳密な保証機能などを実装予定です。
10. 補遺
10.1 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
}
}