Multimodal Privacy-Preserving Entity Resolution with Fully Homomorphic Encryption

A continuación se presenta un resumen técnico detallado del artículo "Resolución de Entidades Multimodal Preservadora de la Privacidad con Cifrado Homomórfico Total".

1. Declaración del Problema

El artículo aborda el desafío crítico de la Resolución de Entidades (ER) en sectores de alto cumplimiento (por ejemplo, gobierno, finanzas, oficinas de licencias de conducir) donde la reconciliación segura de identidades se ve obstaculizada por:

• Heterogeneidad de Datos: Variaciones significativas en los identificadores personales, incluidas diferencias sintácticas (por ejemplo, "Anne" vs. "Ann", "St." vs. "Street") y datos biográficos dinámicos (cambios de dirección, abreviaturas de nombres).
• Limitaciones Biométricas: La dependencia de modalidades únicas (por ejemplo, reconocimiento facial) a menudo es insuficiente debido al envejecimiento, la mala calidad de la imagen o la falta de datos biométricos históricos.
• Restricciones de Privacidad: La fusión tradicional de datos biométricos y biográficos requiere descifrar Información de Identificación Personal (PII) sensible, creando riesgos de seguridad donde las plantillas podrían reconstruirse o filtrarse.
• Brechas Existentes: Los enfoques multimodales actuales a menudo dependen de conjuntos de datos restringidos, son susceptibles a variaciones no controladas (por ejemplo, envejecimiento de retratos) o no logran preservar la privacidad durante el proceso de coincidencia.

2. Metodología

Los autores proponen un marco novedoso que realiza la resolución de entidades completamente dentro de un dominio cifrado utilizando Cifrado Homomórfico Total (FHE), específicamente el esquema RNS-CKKS (de la biblioteca HEAAN).

A. Creación del Conjunto de Datos

• Generación de Datos Sintéticos: Para superar la falta de conjuntos de datos multimodales del mundo real, los autores crearon un conjunto de datos sintético utilizando Stable Diffusion XL para generar retratos y Claude 3.5-Sonnet para generar variaciones realistas de nombres y direcciones.
• Escala: El conjunto de datos final contiene 36,661 individuos únicos y 287,532 registros, que presentan:
  • Múltiples ortografías y variaciones de direcciones.
  • Efectos de envejecimiento en retratos (simulando brechas de tiempo entre KYC y verificación).
  • Direcciones superpuestas y variaciones de nombres.
• División: 21,661 individuos para entrenamiento y 10,000 para pruebas (5,000 inscritos, 5,000 para consultas).

B. Arquitectura del Modelo y Entrenamiento

El sistema utiliza un flujo de aprendizaje multimodal que combina datos biométricos (imagen) y biográficos (texto):

1. Codificadores: Se utilizan modelos CLIP ViT-B/32 preentrenados como columna vertebral.
   • Codificador de Imagen: Genera plantillas biométricas ($f_{bm}$).
   • Codificador de Texto: Genera plantillas biográficas ($f_{bg}$) a partir de pares tokenizados atributo-valor (por ejemplo, [ATT]Nombre[VAL]Jonathan).
2. Módulos de Proyección: Dos Perceptrones Multicapa (MLP) entrenables procesan las plantillas:
   • BMMLP: Procesa plantillas biométricas para producir vectores de puntuación ($s_{bm}$).
   • BGMLP: Procesa plantillas biográficas para producir vectores de puntuación ($s_{bg}$).
3. Objetivo de Entrenamiento: Los vectores se normalizan, concatenan y optimizan utilizando Pérdida Contrastiva para acercar las incrustaciones del mismo individuo mientras separan a los individuos diferentes.

C. Pipeline Preservador de la Privacidad (FHE)

La innovación central es realizar la coincidencia sin descifrar nunca los datos:

1. Inscripción: Los vectores de puntuación se normalizan y cifran utilizando FHE antes del almacenamiento.
2. Verificación:
   • Los vectores de consulta se cifran.
   • Cálculo de Distancia: La distancia euclidiana $D(q, g) = ||q - g||^2$ se calcula sobre datos cifrados.
   • Aproximación No Lineal: Dado que FHE solo admite suma y multiplicación, las funciones no lineales (como comparación/umbralización) se aproximan utilizando algoritmos polinómicos iterativos (basados en [15]) para emular una función de comparación ($comp(a, b)$).
3. Estrategias de Fusión:
   • Fusión a Nivel de Características: Concatenar vectores cifrados antes de la coincidencia.
   • Fusión a Nivel de Puntuación: Cifrar puntuaciones de modalidades individuales, luego promediarlas/combinarlas en el dominio cifrado.

3. Contribuciones Clave

1. Resolución de Entidades en Dominio Cifrado: Un pipeline completo donde la PII permanece computacionalmente inaccesible durante todo el ciclo de vida de la coincidencia, satisfaciendo mandatos regulatorios estrictos (por ejemplo, GDPR, HIPAA) mediante garantías criptográficas.
2. Marco Multimodal: Integración de datos biométricos (rostro) y biográficos (nombre/dirección) para manejar el envejecimiento y la heterogeneidad de datos, superando significativamente las líneas base unimodales.
3. Nuevo Conjunto de Datos Sintético: Lanzamiento de un conjunto de datos a gran escala y realista que simula escenarios de ER del mundo real (envejecimiento, cambios de dirección, variaciones de nombres) para facilitar investigaciones futuras.
4. Rendimiento vs. Privacidad: Demostración de que FHE puede utilizarse para coincidencia multimodal compleja con pérdida de utilidad cero en comparación con el procesamiento de texto plano.

4. Resultados Experimentales

El sistema se evaluó en el conjunto de datos sintético utilizando la Tasa de Error Igual (EER), la Tasa de Verdaderos Positivos (TPR) y métricas de latencia.

• Precisión y Utilidad:

  • Pérdida de Utilidad Cero: Los resultados de texto cifrado (CT) fueron idénticos a los resultados de texto plano (PT), demostrando que el cifrado no degrada el rendimiento.
  • Superioridad Multimodal:
    • Solo Biográfico: EER = 12.37%
    • Solo Biométrico: EER = 7.78%
    • Fusión (Nivel de Puntuación): EER = 4.08% (Mejor EER general)
    • Fusión (Nivel de Características): EER = 5.17%
  • Identificación Rank-1: La fusión a nivel de características logró una precisión del 75.86%, superando a la fusión a nivel de puntuación (71.55%).
  • Identificación Rank-5: La fusión a nivel de puntuación mostró una mejor robustez (87.07% vs. 85.34%), lo que sugiere que distribuye mejor las coincidencias cuando el candidato principal es incorrecto.

• Latencia y Escalabilidad:

  • El sistema demostró una eficiencia de paralelización impresionante.
  • Utilizando 128 hilos, el sistema logró una aceleración de 4.42× (reduciendo el tiempo de ~20.2s a ~4.6s) en comparación con una línea base de un solo hilo.
  • La escalabilidad mostró mejoras casi lineales hasta 32 hilos antes de que el ancho de banda de la memoria se convirtiera en un cuello de botella.

5. Significado

Este artículo representa un avance significativo en las Tecnologías de Mejora de la Privacidad (PET) para la gestión de identidades.

• Cumplimiento Regulatorio: Ofrece una solución viable para instituciones (bancos, gobiernos) para realizar coincidencias de identidad de alta fidelidad sin violar leyes de privacidad o arriesgar filtraciones de datos.
• Escalabilidad: La paralelización demostrada sugiere que la autenticación basada en FHE se está volviendo computacionalmente viable para implementaciones a gran escala en el mundo real.
• Robustez: Al combinar múltiples modalidades de datos dentro de un marco cifrado, el sistema maneja eficazmente las complejidades del "mundo real" de rostros que envejecen y direcciones cambiantes, que los sistemas de modalidad única a menudo no logran resolver.

En conclusión, los autores cierran con éxito la brecha entre los requisitos de privacidad de alta seguridad y la necesidad de una resolución de entidades precisa y a gran escala, demostrando que el cifrado homomórfico total puede ser una herramienta práctica para los sistemas de autenticación de próxima generación.