Encriptación Homomórfica: privacidad máxima al procesar nuestros datos

Encriptación Homomórfica: privacidad máxima al procesar nuestros datos

Lorena Fernández

Nos encontramos muy cerca de la masificación de un método de encriptación que permanece leal a lo que todo usuario persigue: la privacidad. Miles de millones de riesgos de violaciones de datos se presentan día a día por compartir datos personales o profesionales. Intel, uno de los gigantes de la tecnología a nivel mundial, vuelve a ser protagonista con una iniciativa que cambiará la manera en que Machine Learning sirve para sus propósitos.

La privacidad en el procesamiento de datos es una realidad

En un hospital, se realiza un estudio a un paciente mediante un servicio de radiología remoto. Toda la información obtenida se encripta y se comparte con un experto radiólogo. Este profesional realiza todo el procesamiento necesario con los datos aún cifrados. No es necesario desencriptar los datos generados, y, una vez que se obtienen los resultados también están encriptados. Sólo en el momento de realizar revisiones finales y entregar el diagnóstico al paciente, se realiza la desencriptación. ¿Os parece posible?

Intel propone una tecnología denominada Encriptación Homomórfica. El Machine Learning gana cada vez más protagonismo en los productos y servicios orientados a la Inteligencia Artificial. En consecuencia, estos dispositivos se alimentan y aprenden mediante grandes cantidades de datos. El desafío de la compañía, así como también de la industria en general, es ser cada vez más leal a la privacidad de estos datos.

¿Cómo funciona este método de encriptación?

Para situarnos en contexto, la palabra homomórfico se deconstruye en -homo- (mismo) y -morfo- (forma). Esto responde al propósito de realizar prácticamente las operaciones regulares en datos encriptados, con la sola necesidad de desencriptarlos al momento de entregarlos.

El punto común de los datos procesados mediante ML es que, se encriptan solamente al momento de ser capturados de la fuente. Sin embargo, al momento de procesarlos, se desencriptan. El riesgo de una violación de privacidad de datos y de diversos ataques, es inminente y tiene catastróficas consecuencias.

Puede parecer demasiado bueno para ser cierto, pero la Encriptación Homomórfica ya tiene 20 años como teoría. En los últimos cinco años, se presentaron diversos avances en las técnicas de procesamiento de datos encriptados. Así, se ha dejado de lado el hecho de que necesita mucho más tiempo operar con datos encriptados, que desencriptados.

Aunque Intel sea líder en la implementación de este método de encriptación, continúa dando razones para poder llegar a un acuerdo de qué es lo mejor para la privacidad de los datos en ML. Google, IBM, Microsoft y otros gigantes, se han reunido con Intel hace medio año para debatir al respecto. Otro de los objetivos que se persigue es convertir a la Encriptación Homomórfica en algún estándar con base en la ISO, IEEE, ITU y otras compañías del sector.

Existen miles de oportunidades preservando la privacidad de los datos al momento de operar con ellos. Incluso, es posible generar un modelo de negocio muy rentable y sobre todo, transparente, tanto para la parte que necesita de los datos, como para aquella que es dueña de dichos datos. Esta es otra oportunidad para que el usuario perciba cada vez más beneficios que perjuicios, a la hora de compartir sus datos con otras partes.

Os recomendamos visitar nuestro tutorial sobre cómo funciona web scraping y web crawling.

¡Sé el primero en comentar!