Secure, Verifiable, and Scalable Multi-Client Data Sharing via Consensus-Based Privacy-Preserving Data Distribution

Resumen Técnico: Distribución de Datos con Preservación de la Privacidad Basada en Consenso (CPPDD)

Enunciado del Problema
La proliferación de sistemas colaborativos multi-cliente, como el voto electrónico seguro, el aprendizaje federado y la agregación de datos distribuida, ha creado una necesidad crítica de mecanismos que garanticen la confidencialidad de los datos hasta que todos los participantes alcancen un consenso unánime sobre su liberación. Las soluciones existentes enfrentan compromisos significativos:

• Cálculo Seguro Multi-Parte (SMPC) y Cifrado Homomórfico (HE) ofrecen garantías criptográficas sólidas pero incurren en sobrecargas computacionales y de comunicación prohibitivas, que a menudo escalan cuadráticamente ($O(N^2)$) con el número de participantes.
• Privacidad Diferencial (DP) introduce ruido controlado para proteger la privacidad, lo que compromete la exactitud requerida para aplicaciones que exigen resultados precisos.
• Aprendizaje Federado (FL) Tradicional y otros marcos de agregación a menudo dependen de un coordinador de confianza durante toda la fase de descifrado, creando un punto único de fallo y limitando la aplicabilidad en entornos completamente descentralizados.

Existe una brecha para un protocolo ligero y escalable que soporte la recuperación exacta de datos, resista desviaciones maliciosas sin un coordinador persistente y opere eficientemente en redes de borde con recursos limitados.

Metodología: El Marco CPPDD
Los autores proponen el marco Distribución de Datos con Preservación de la Privacidad Basada en Consenso (CPPDD), un protocolo autónomo posterior a la configuración diseñado para el intercambio de datos seguro, verificable y escalable. El marco opera bajo un paradigma de "computar ahora, descifrar después" utilizando un mecanismo de protección de doble capa:

1. Bloqueo de Doble Capa:

   • Enmascaramiento Afín por Cliente: Los datos de cada cliente $D_i$ se ofuscan utilizando claves específicas del propietario $(\lambda_i, r_i)$ mediante la transformación $O_i = \lambda_i \cdot D_i + r_i$. Esto crea un Vector Bloqueado por Ofuscación ($L_O$).
   • Bloqueo de Consenso Secuencial Impulsado por Prioridad: El sistema aplica una secuencia de operaciones invertibles elemento a elemento (suma, resta, multiplicación o división) utilizando claves de consenso específicas del cliente ($k_{c,i}$) en un orden de prioridad específico. Esto resulta en un Vector Bloqueado por Consenso ($L_C$). Los datos permanecen inaccesibles hasta que todos los clientes participantes eliminen secuencialmente las capas.

2. Verificación de Integridad Descentralizada:

   • El marco introduce Sumas de Verificación de Paso ($\sigma_S$) y Sumas de Verificación de Datos ($\sigma_D$).
   • $\sigma_S$ son hashes intermedios del estado agregado calculados durante la fase de cifrado. Los clientes los verifican en tiempo real durante la cadena de descifrado. Si un cliente detecta una discrepancia, desencadena una abortación atómica inmediata.
   • $\sigma_D$ son relaciones finales que verifican que el agregado recuperado coincida con la suma de las entradas ofuscadas, asegurando la recuperación exacta de los datos.

3. Arquitectura del Sistema:

   • Configuración de Confianza: Un coordinador (honesto pero curioso) realiza la generación de claves, la ofuscación de datos y el cifrado de consenso fuera de línea. Una vez que se distribuye el paquete de difusión (que contiene $L_C$, listas de descifrado y sumas de verificación), el coordinador se desconecta permanentemente.
   • Desbloqueo Secuencial: Los clientes proceden en un orden de prioridad definido ($1 \to N$). Cada cliente descifra su capa, valida la suma de verificación de paso y difunde el estado actualizado al siguiente cliente.
   • Liberación Unánime: El agregado final solo se revela si todos los clientes completan exitosamente la cadena. Cualquier desviación desencadena una parada global.
   • Descarga al Borde: Los dispositivos con recursos limitados pueden descargar la aritmética de campo intensiva a Servidores de Borde equipados con Entornos de Ejecución de Confianza (TEE), mientras que el cliente retiene el rol de verificador final.

Contribuciones Clave

1. Mecanismo de Bloqueo de Doble Capa: Combina la ofuscación afín con el cegado secuencial para resistir el acceso no autorizado, preservando la privacidad incluso bajo $N-1$ corrupciones.
2. Autonomía Posterior a la Configuración: Permite a los clientes validar la cadena de forma independiente utilizando sumas de verificación descentralizadas, eliminando la necesidad de un coordinador persistente durante la ejecución.
3. Representaciones Estructuradas Unificadas: Define los vectores $L_O$ y $L_C$ que soportan nativamente cargas útiles escalares, vectoriales y matriciales con procesamiento uniforme elemento a elemento.
4. Integridad y Equidad Dependientes del Consenso (CDIF): Garantiza un modelo de integridad "todo o nada" donde cualquier desviación por parte de $f \ge 1$ participantes maliciosos desencadena una abortación atómica inmediata, previniendo la fuga parcial de datos.
5. Complejidad Lineal y Eficiencia de Ancho de Banda: Logra una complejidad asintótica total de $O(N \cdot D)$ (una mejora cuadrática sobre el MPC $O(N^2)$) con un perfil de ancho de banda por cliente constante de $O(1)$, eliminando los cuellos de botella del servidor central.
6. Garantías de Seguridad Formales: Proporciona pruebas de corrección, integridad CDIF contra adversarios maliciosos y seguridad semántica IND-CPA, asumiendo una familia de Funciones Pseudoaleatorias (PRF) segura y un coordinador no colusivo.

Resultados Experimentales
Las evaluaciones empíricas se realizaron utilizando vectores derivados de MNIST ($D=784$) en una CPU estándar:

• Escalabilidad: El marco demostró escalabilidad lineal hasta $N=500$ clientes. El tiempo total de ejecución fue de aproximadamente 44 ms, con tiempos de computación por cliente que permanecieron por debajo del milisegundo (<0.3 ms).
• Seguridad: El sistema logró una tasa de detección de desviaciones maliciosas del 100%, consistente con las garantías teóricas de CDIF.
• Precisión: Se confirmó la recuperación exacta de datos, con resultados que coinciden con las entradas originales dentro de la precisión de punto flotante.
• Eficiencia: CPPDD exhibió tres a cuatro órdenes de magnitud menos FLOPs en comparación con las líneas base de MPC y HE (por ejemplo, CKKS, SPDZ). Requiere significativamente menos ancho de banda que los protocolos con complejidad de comunicación cuadrática.

Significado y Afirmaciones
El artículo afirma que CPPDD aborda brechas críticas en escalabilidad, minimización de confianza y cálculo multi-parte verificable para entornos regulados y con recursos limitados. Al permitir la colaboración atómica, el marco permite votación segura, aprendizaje federado de consorcios, depósitos en garantía en blockchain y desarrollo de capacidades de información geográfica sin comprometer la exactitud aritmética.

Los autores posicionan a CPPDD como una alternativa práctica y ligera a los primitivos criptográficos pesados, apuntando específicamente a escenarios donde:

• Los participantes no pueden confiar en un servidor central para mantener las claves durante la ejecución.
• Se requiere la recuperación exacta de datos (descartando la Privacidad Diferencial).
• Los recursos de ancho de banda y computación son limitados (descartando el MPC/HE estándar).
• Se requiere equidad "todo o nada" para evitar que actores maliciosos obtengan información parcial.

El marco se presenta como un primitivo fundamental para la privacidad dependiente del consenso, tendiendo un puente entre operaciones criptográficas ligeras y coordinación segura frente a amenazas maliciosas.