💻 computer science

Homomorphic Encryptions for Privacy Preserving Vision

Este artículo presenta un marco de visión computacional que preserva la privacidad utilizando Cifrado Totalmente Homomórfico (específicamente Microsoft SEAL y TenSEAL) para permitir la inferencia precisa de redes neuronales convolucionales (CNN) sobre datos cifrados, demostrando una pérdida de precisión mínima en diversos conjuntos de datos desde MNIST hasta CIFAR-10 mientras soporta operaciones complejas como el procesamiento de múltiples canales y múltiples capas convolucionales.

Autores originales: Preey Shah, Rohan Virani, Sanjari Srivastava

Publicado 2026-06-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Preey Shah, Rohan Virani, Sanjari Srivastava

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes una receta de pastel muy valiosa y secreta (tus datos privados, como un escaneo médico o un registro financiero). Quieres preguntarle a una famosa y de alta tecnología pastelería (un servicio de IA en la nube) si el pastel saldrá bien, pero legalmente tienes prohibido mostrarles la receta real. Ni siquiera puedes enviarles una copia de la receta para que la vean después.

Este artículo trata sobre un truco ingenioso que te permite enviar la receta en una caja cerrada y rompecabezas a la pastelería. Los panaderos pueden mezclar, hornear y probar el pastel dentro de la caja sin haberla abierto nunca ni ver los ingredientes. Cuando te devuelven la caja, esta contiene la respuesta ("¡Será delicioso!"), pero la caja permanece cerrada todo el tiempo.

Así es como los autores lograron esto, explicado de forma sencilla:

El Problema: El dilema de la "Caja de Cristal"

Normalmente, para usar potentes herramientas de IA en la nube, tienes que entregar tus datos a la vista de todos. Pero para cosas sensibles como registros de salud, las leyes dicen que no puedes hacer eso. Esto impide que la gente utilice las mejores herramientas de IA disponibles.

La Solución: Cifrado Homomórfico

Los autores utilizaron una tecnología llamada Cifrado Homomórfico. Piensa en esto como una caja con llave mágica.

Cifrado Normal: Bloqueas una caja. El panadero no puede tocar el pastel que hay dentro.
Cifrado Homomórfico: Bloqueas una caja, pero el panadero tiene un par de guantes especiales que le permiten amasar, mezclar y hornear el pastel a través de la caja. Pueden realizar matemáticas sobre el pastel sin llegar a ver qué es.

El Desafío: El problema del "Cuadrado"

La IA estándar (específicamente las Redes Neuronales Convolucionales, o CNN) utiliza mucha matemática "no lineal". Imagina un paso en la receta que dice: "Si la temperatura es superior a 100, apaga el calor". Esta es una decisión basada en un valor máximo o una curva.

El Problema: La caja mágica solo entiende suma y multiplicación simples. No entiende de "máximos" o curvas complejas.
La Solución: Los autores tuvieron que reescribir la receta de la IA. En lugar de pedir un "máximo", usaron un truco matemático simple (como elevar al cuadrado un número) que imita la curva pero que solo utiliza la multiplicación. También reemplazaron el "elegir el número más grande" por "promediar los números", algo que la caja mágica sí puede manejar.

Lo que Hicieron (Los Experimentos)

El equipo construyó tres modelos de IA diferentes "listos para la caja de seguridad" para probar esta idea:

El Modelo Simple: Una IA básica que observa imágenes en blanco y negro (como números escritos a mano).
El Modelo por Capas: Una IA ligeramente más compleja que observa imágenes a través de múltiples capas de filtros y utiliza el "promedio" para reducir el tamaño de la imagen.
El Modelo de Color: Una IA capaz de observar imágenes en color (como el conjunto de datos CIFAR-10), lo cual es mucho más difícil porque tiene que procesar tres canales de color diferentes (Rojo, Verde, Azul) al mismo tiempo.

Los probaron en famosos conjuntos de datos de imágenes:

MNIST: Números escritos a mano (el "Hola Mundo" de la IA).
Fashion-MNIST: Imágenes de ropa.
Kuzushiji MNIST: Caracteres japoneses antiguos.
CIFAR-10: Fotos pequeñas y coloridas de objetos cotidianos (gatos, coches, pájaros).

Los Resultados: ¿Funcionó?

Precisión: ¡Sorprendentemente, sí!

Para los modelos más simples, la IA adivinó correctamente los datos de la caja cerrada tan bien como, o a veces incluso mejor que, la versión sin abrir. Los autores sugieren que el "ruido" dentro de la caja mágica podría haber ayudado accidentalmente a la IA a evitar el exceso de análisis (sobreajuste o overfitting).
Para los modelos más complejos, la precisión cayó solo ligeramente (aproximadamente un 1%), lo cual es un precio muy pequeño a pagar por la privacidad total.

Velocidad: Este es el inconveniente.

Hacer matemáticas dentro de una caja mágica es lento. Los autores descubrieron que procesar imágenes cifradas tomó significativamente más tiempo que las imágenes normales.
Para las imágenes de color más complejas, tomó unos 7.5 segundos por imagen solo para obtener una respuesta.
Señalaron que su software aún no utilizaba tarjetas gráficas (GPUs) potentes, razón por la cual era tan lento. Si añadieran estas, sería mucho más rápido.

El Intercambio: Seguridad vs. Velocidad

Los autores jugaron con los "ajustes" de la caja (llamados parámetros de contexto).

Cierres más fuertes: Si haces la caja más difícil de romper (mayor seguridad), las matemáticas tardan más.
Precisión: Si quieres que la respuesta sea súper precisa, necesitas más "bits" de datos, lo que también ralentiza las cosas.
Encontraron un "punto ideal" donde la caja era lo suficientemente segura y la precisión era alta, incluso si era un poco lenta.

La Conclusión Final

El artículo demuestra que puedes ejecutar tareas complejas de reconocimiento de imágenes en datos secretos y cifrados sin descifrarlos primero. No tienes que elegir entre la privacidad y el uso de una IA potente.

Sin embargo, la tecnología actual es como un coche manual lento comparado con un coche de carreras de alta velocidad. Funciona perfectamente para la privacidad, pero aún no es lo suficientemente rápida para aplicaciones en tiempo real. Los autores esperan que en el futuro, con un mejor hardware (como las GPUs) y métodos de cifrado más rápidos, esta "caja mágica" sea lo suficientemente veloz como para usarse en todas partes.

Resumen Técnico: Cifrados Homomórficos para la Visión con Preservación de la Privacidad

Planteamiento del Problema
El artículo aborda el conflicto entre la creciente demanda de Aprendizaje Automático como Servicio (MLaaS) basado en la nube y los requisitos legales que impiden a las organizaciones compartir datos sensibles (por ejemplo, registros médicos o financieros) en texto plano. Si bien el aprendizaje profundo se aplica cada vez más en dominios sensibles como la atención médica (detección de tumores, imágenes médicas), las soluciones actuales en la nube requieren el descifrado de los datos, lo que plantea riesgos de privacidad. Los autores pretenden permitir que las tareas de inferencia de Visión Computacional —específicamente Redes Neuronales Convolucionales (CNN)— operen directamente sobre datos cifrados sin necesidad de descifrarlos, preservando así la privacidad de los datos y manteniendo una precisión e velocidades de inferencia competitivas.

Metodología
El proyecto utiliza el Cifrado Totalmente Homomórfico (FHE), específicamente el esquema Cheon-Kim-Kim-Song (CKKS), que admite aritmética aproximada sobre datos cifrados. La implementación se basa en Microsoft SEAL y su envoltorio para Python, TenSEAL.

Para adaptar las CNN estándar al cifrado homomórfico, los autores implementaron varias modificaciones críticas para manejar las restricciones del HE (que solo admite operaciones aditivas y multiplicativas sobre anillos conmutativos):

Representación de Datos: Los números reales son reemplazados por números de punto flotante de precisión fija codificados en enteros.
Aproximación de No Linealidad: Las funciones de activación no polinómicas estándar como ReLU y Sigmoid son reemplazadas por polinomios de bajo grado (específicamente $z^2$ ) para introducir no linealidad.
Capas de Pooling: El max-pooling es reemplazado por un promedio escalado (average pooling), que puede expresarse como una convolución con un kernel estático.
Implementación de Convolución: La convolución se transforma en una multiplicación de matrices utilizando el método "imagen a columnas" (image-to-columns). Dado que reordenar los elementos del criptograma es difícil, este preprocesamiento se realiza en el texto plano antes del cifrado.
Gestión de Capas Múltiples: Para soportar capas convolucionales apiladas y entradas de múltiples canales (imágenes en color), el sistema descifra y vuelve a cifrar los datos entre capas. Esto es necesario porque TenSEAL carece de documentación nativa para manejar reordenamientos de matrices 2-D en vectores 1-D cifrados. Los autores señalan que esto no compromete la privacidad, ya que solo se requieren el tamaño del kernel y el paso (stride), no los parámetros del modelo, para realizar el reordenamiento.

Configuración Experimental
Los autores evaluaron tres arquitecturas de CNN distintas a través de cuatro conjuntos de datos: MNIST, Kuzushiji MNIST, Fashion-MNIST y CIFAR-10.

Arquitectura 1: Una CNN simple con una capa convolucional y dos capas totalmente conectadas (FC) (entrada de un solo canal).
Arquitectura 2: Un modelo más profundo con dos capas convolucionales, pooling de promedio y dos capas FC (entrada de un solo canal).
Arquitectura 3: Un modelo que soporta entradas de múltiples canales (RGB), donde las salidas de los canales se computan por separado y se combinan mediante la adición de criptogramas.

Los modelos fueron entrenados primero con datos no cifrados. Los pesos resultantes se utilizaron luego para inicializar las variantes "cifradas" para la inferencia. El estudio se centró en una división de prueba de 5,000 muestras por conjunto de datos para gestionar la significativa carga computacional del FHE.

Resultos Clave
Los experimentos demostraron que la clasificación en datos cifrados es factible con una pérdida mínima de precisión:

Precisión: Para la Arquitectura 1, la inferencia cifrada a menudo igualó o superó ligeramente la precisión de la línea base no cifrada (por ejemplo, 98.90% frente a 97.14% en MNIST). Los autores atribuyen las posibles mejoras al ruido natural introducido por la aritmética aproximada de CKKS, que puede reducir el sobreajuste (overfitting). Para la Arquitectura 2, la precisión cayó aproximadamente un 1% en conjuntos de datos complejos (KMNIST, Fashion-MNIST), probablemente debido a los errores acumulados de los ciclos de descifrado/re-cifrado.
Complejidad: El sistema extendió con éxito el soporte a entradas de múltiples canales (CIFAR-10), logrando una precisión del 54.1% en datos cifrados frente al 56.12% en datos no cifrados.
Compromisos de Rendimiento: El tiempo de inferencia es significativamente mayor que la inferencia no cifrada (órdenes de magnitud más lento). El estudio analizó el compromiso entre los parámetros de contexto (grado del módulo polinómico y módulo de coeficiente) y el rendimiento:
- Aumentar la escala de bits (precisión) no aumentó significativamente el tiempo de inferencia, pero fue necesario para mantener la precisión.
- Aumentar el módulo de bits polinómico (seguridad) aumentó linealmente el tiempo de inferencia (por ejemplo, duplicar el módulo de 8192 a 16384 duplicó el tiempo de inferencia) manteniendo una precisión similar.

Significancia y Contribuciones
El artículo reclama contribuciones modestas pero significativas al campo de la visión con preservación de la privacidad:

Demostración de Factibilidad: Demuestra que las CNN pueden realizar inferencia en imágenes cifradas con una precisión comparable a las líneas base no cifradas en diversos conjuntos de datos, incluyendo uno complejo como CIFAR-10.
Extensiones de Librería: Los autores añadieron soporte para operaciones complejas sobre TenSEAL, incluyendo capas convolucionales apiladas, pooling de promedio y procesamiento de imágenes de múltiples canales (en color).
Análisis de Parámetros: El trabajo proporciona un análisis empírico de los compromisos de tiempo-precisión-seguridad inherentes al cifrado CKKS, ofreciendo orientación para la selección de parámetros de contexto.

Los autores concluyen que, si bien el rendimiento actual está limitado por la falta de soporte de GPU en las librerías de FHE y el costo computacional del cifrado, la capacidad de ejecutar tareas de Visión Computacional directamente sobre criptogramas ofrece una solución viable para aplicaciones sensibles a la privacidad. Sugieren que futuras mejoras en la aceleración de hardware y esquemas de HE más rápidos podrían mejorar aún más la practicidad de este enfoque.