Actualmente, las organizaciones almacenan los datos en la nube y realizan cálculos con ellos en lugar de gestionarlos ellas mismas. Proveedores de servicios en la nube (CSP) proporcionar estos servicios a un costo asequible y con bajo mantenimiento. Pero para garantizar el cumplimiento y preservar la privacidad, las organizaciones necesitan transferir los datos de una manera segura. cifrado formato, que garantiza la confidencialidad de los datos. Sin embargo, una vez que los datos llegan a la nube, el CSP tiene que descifrar los datos necesarios para realizar una operación o cálculo.
Al descifrar los datos para el CSP, se pierde la confidencialidad de los datos, lo que puede preocupar a la organización por no cumplir con las regulaciones de privacidad de datos, tales como GDPR, FIP, PCI DSS, CCPA, etc.
¿Qué es el cifrado homomórfico?
El cifrado homomórfico permite realizar cálculos mientras los datos permanecen cifrados. Esto garantiza la confidencialidad de los datos durante su procesamiento, lo que permite a los proveedores de servicios en la nube y otros entornos no confiables lograr sus objetivos. Al mismo tiempo, se preserva la confidencialidad de los datos.
Al igual que otros cifrados asimétricos, el cifrado homomórfico se cifra mediante una clave pública y solo se puede descifrar con la clave privada correspondiente. Sin embargo, mientras los datos están cifrados, se pueden realizar operaciones con ellos, lo que preserva la confidencialidad y ayuda a las organizaciones a cumplir con las normativas incluso en entornos no confiables.
¿Por qué necesitamos el cifrado homomórfico?
La creación de datos ha aumentado enormemente en los últimos tiempos, enviándose y almacenándose en múltiples entornos pertenecientes a terceros, como proveedores de servicios en la nube (CSP) u otras organizaciones. Desde startups hasta grandes organizaciones, todas utilizan CSP para almacenar o procesar datos, y herramientas como BigQuery para dicho procesamiento.
Los proveedores de servicios en la nube (CSP) ofrecen cierto control sobre los datos que los clientes almacenan en sus entornos, pero dicho control depende de los propios CSP. Si bien los usuarios pueden cifrar y almacenar datos en los CSP, la realización de cálculos con esos datos estaría limitada. Por lo tanto, el cifrado estándar se limita únicamente al almacenamiento de datos y no proporciona ningún análisis útil.
Para poder procesar datos garantizando su privacidad, los investigadores se centran en la computación con privacidad habilitada. El cifrado homomórfico es uno de los enfoques más prometedores en este sentido.
Tipos de cifrado homomórfico
El cifrado homomórfico permite realizar cálculos con datos cifrados sin necesidad de descifrarlos. Las operaciones matemáticas que se pueden realizar sobre el texto cifrado diferencian los tipos de cifrado homomórfico.
Son principalmente de dos tipos:
- Cifrado homomórfico parcial (PHE) (admite suma/multiplicación, pero no ambas)
- Cifrado totalmente homomórfico (FHE) (admite tanto la suma como la multiplicación)
El cifrado homomórfico parcial, como los criptosistemas RSA y Paillier, admite homomorfismo aditivo y multiplicativo. En 2009, Craig Gentry propuso por primera vez un esquema de cifrado homomórfico completo (FHE) basado en retículos. Un esquema FHE suele admitir la suma y la multiplicación de textos cifrados de la siguiente manera:
ÉL(a+b) = ÉL(a) + ÉL(b) y ÉL(a*b) = ÉL(a) * ÉL(b)
La suma/multiplicación de texto simple es igual a la suma/multiplicación de dos textos cifrados.
Aplicaciones
El cifrado homomórfico permite realizar cálculos que preserven la privacidad en prácticamente cualquier escenario. Algunos de ellos incluyen:
- Sector SanitarioPermite el análisis de datos de pacientes encriptados para investigación sin revelar información personal.
- Computación en la nube (Cloud Computing)Permite el procesamiento seguro de datos en información cifrada sin exponerla a los proveedores de la nube.
- FinanzasAdmite transacciones cifradas y análisis de riesgos, manteniendo la confidencialidad de los datos financieros.
- Aprendizaje automáticoPermite el entrenamiento y la inferencia en conjuntos de datos cifrados para garantizar la privacidad tanto de los datos como de los modelos.
Limitaciones e inconvenientes
Los cálculos de cifrado homomórfico son lentos y solo se puede realizar un número finito de operaciones sobre los datos cifrados. El cálculo basado en FHE es al menos 106⁶ veces más lento que el cálculo sobre el texto plano.
El cifrado homomórfico tampoco es viable para múltiples usuarios. Si tenemos una base de datos a la que varios usuarios podrían acceder, necesitaríamos crear una base de datos independiente para cada usuario, cifrada con su clave pública. Esto resultaría impráctico si aumenta el número de usuarios o el tamaño de la base de datos.
Conclusión
El cifrado homomórfico, en su estado actual, es computacionalmente costoso e ineficiente en la práctica. Si bien puede usarse para cifrar datos mientras se realizan otros cálculos con ellos, permite realizar cálculos que preservan la privacidad, lo que facilita trabajar en entornos no confiables manteniendo la confidencialidad de los datos. Formato que preserva el cifrado Si está interesado en cálculos que preserven la privacidad.
