La verificación de cálculos privados sobre datos cifrados ha experimentado un avance significativo con el desarrollo de DataSeal, un sistema que, mediante la unión innovadora del cifrado homomórfico (FHE, por sus siglas en inglés) y la tolerancia a fallos basada en algoritmos (ABFT), ofrece una verificación robusta con un bajo coste operativo. Este desarrollo es especialmente relevante en escenarios sensibles a la privacidad como la sanidad y las finanzas, donde la seguridad y la integridad de los datos son prioritarias.
DataSeal se encarga de asegurar que las operaciones realizadas sobre datos cifrados sean verificables sin comprometer la privacidad del cliente. Esto se logra a través de la incorporación de sumas de verificación ponderadas, que dependen de una clave secreta específica del cliente. De este modo, incluso si los resultados fueran manipulados, el servidor malicioso no podría producir sumas de verificación válidas sin conocer esta clave.
El sistema sobresale al mitigar sobrecargas significativas de cálculos previas. En un contexto donde técnicas convencionales como los MAC, ZE y TEE enfrentan desafíos de alto consumo de recursos, DataSeal destaca por su habilidad para mantener estas sobrecargas en niveles mínimos. La inclusión de dos filas adicionales en los cálculos matriciales es insignificativa a medida que aumentan las dimensiones de los problemas, escalando efectivamente con el tamaño de entrada.
Además, DataSeal ha sido validado frente a alternativas como FHE apoyadas por TEE, ZKP y MAC, mostrando una eficiencia superior, sobre todo en operaciones que involucran matrices y redes neuronales. Esto se refleja en la capacidad del sistema para manejar cargas de trabajo a gran escala mientras conserva el rendimiento del cifrado con un tiempo poco mayor que el necesario para un cálculo no asegurado.
Las aplicaciones de este desarrollo son extensas y prometen reconfigurar cómo las industrias gestionan datos cifrados. Por ejemplo, se ha demostrado que en redes neuronales profundas, a menudo utilizadas en el aprendizaje automático, la estructura de DataSeal permite un procesamiento seguro y eficiente a través de múltiples capas de inferencia.
Con DataSeal, se proporciona un método seguro y eficaz para que los clientes confirmen la autenticidad y la integridad de los cálculos realizados en la nube. Este avance es no solo un avance en el campo de la seguridad informática, sino también un paso clave hacia la computación segura y privada en entornos donde los datos sensibles deben permanecer confidenciales incluso durante el procesamiento.