En la era digital, los datos suelen tratarse como una mercancía para ser compartida, analizada y vendida. Sin embargo, parte de la información más valiosa permanece bajo llave, no porque sea secreta por naturaleza, sino porque sus propietarios no pueden confiar unos en otros. Un hospital puede poseer registros sensibles de pacientes, un banco puede tener historiales financieros detallados y un gobierno puede guardar datos del censo, pero ninguno puede combinar estos conjuntos de datos para encontrar patrones que podrían salvar vidas o mejorar las economías sin arriesgarse a una brecha de privacidad. Durante décadas, la solución a este dilema ha sido un concepto teórico llamado computación multipartita segura. La idea es engañosamente simple: múltiples partes pueden trabajar juntas para computar un resultado a partir de sus datos privados sin revelar nunca los datos entre sí ni a ningún observador externo. Es como un grupo de personas resolviendo un rompecabezas donde cada persona tiene algunas piezas, pero solo pueden pasarse las piezas de una manera que revele la imagen final sin mostrar nunca las piezas individuales.

Aunque la teoría ha existido durante años, convertirla en una herramienta práctica para el análisis del mundo real ha sido una lucha. Los intentos anteriores de construir sistemas para este propósito eran a menudo como herramientas especializadas diseñadas para un solo trabajo. Un sistema podía ser excelente procesando números para el aprendizaje automático, mientras que otro fue construido únicamente para ordenar registros de bases de datos, y un tercero para rastrear tendencias temporales. Si un investigador quería combinar estas tareas —por ejemplo, analizar imágenes médicas, cruzarlas con registros de pacientes y luego rastrear cambios a lo largo del tiempo— se enfrentaba a un muro. Tendría que haber unido diferentes sistemas incompatibles, un proceso que no solo era increíblemente difícil de construir, sino que a menudo era imposible de asegurar, ya que los diferentes sistemas hablaban lenguajes criptográficos distintos. El campo estaba estancado con una colección de motores de propósito único que no podían manejar los flujos de trabajo complejos y mixtos requeridos por la ciencia moderna.

Un equipo de investigadores de la Universidad de Boston ha construido ahora un nuevo motor diseñado para romper este estancamiento. Lo llaman CryptDough, un sistema unificado que permite a múltiples partes desconfiadas ejecutar complejos flujos de trabajo de análisis de datos sobre sus entradas privadas sin exponer nunca los datos brutos. A diferencia de sus predecesores, que estaban limitados a un solo tipo de tarea o a una configuración de seguridad específica, CryptDough está construido para manejar una amplia variedad de cargas de trabajo simultáneamente. Puede procesar datos relacionales, como tablas de registros de pacientes, datos de series temporales, como transmisiones de lecturas de monitores de salud, y tareas de aprendizaje automático, como la identificación de enfermedades a partir de imágenes médicas, todo dentro del mismo entorno seguro. El sistema está diseñado para ser lo suficientemente flexible como para adaptarse a diferentes niveles de confianza, desde escenarios donde las partes son meramente curiosas sobre los datos hasta situaciones donde podrían intentar desviarse activamente del protocolo.

Los investigadores lograron esto creando una arquitectura por capas que separa la compleja matemática de la criptografía de la lógica del análisis de datos. En la base de la pila, el sistema realiza el trabajo pesado de comunicación segura y cifrado, asegurando que los datos permanezcan ocultos. Por encima de eso, ofrece un conjunto de bloques de construcción que permiten a los desarrolladores construir operaciones de alto nivel sin necesidad de ser expertos en criptografía. Una innovación clave en este diseño es un mecanismo que los autores llaman "vectores virtuales". En la programación tradicional, el manejo de datos a menudo requiere escribir código complejo para gestionar cómo la información se divide entre diferentes computadoras y cómo se reensambla. CryptDough elimina esta carga del usuario. Permite que un analista de datos escriba código como si estuviera trabajando en una sola computadora con un solo hilo, mientras que el sistema gestiona automáticamente el procesamiento paralelo, la comunicación y la gestión de memoria en segundo plano. Esto significa que un usuario puede escribir un programa para analizar un conjunto de datos sin preocuparse por los detalles intrincados de cómo se comparten los datos de forma segura entre las partes.

Para probar su creación, los investigadores construyeron un flujo de trabajo realista y complejo que imita un estudio médico del mundo real. El flujo comenzó utilizando un modelo de aprendizaje automático para analizar imágenes de rayos X y predecir la probabilidad de condiciones como la neumonía o el COVID-19. Estas predicciones se unieron luego con una base de datos de registros de pacientes que contenía información sobre asma e historial de tratamiento. Finalmente, el sistema analizó datos de series temporales de dispositivos portátiles, buscando patrones específicos en los niveles de saturación de oxígeno que pudieran indicar incidentes de hipoxemia. El objetivo era determinar si un historial de bajos niveles de oxígeno podría servir como indicador para diagnostar enfermedades respiratorias. Todo este proceso, que involucra procesamiento de imágenes, uniones de bases de datos y análisis de series temporales, se ejecutó de forma segura entre múltiples partes. Los resultados mostraron que CryptDough podía completar este análisis complejo y de múltiples etapas en un tiempo práctico, que varió desde aproximadamente un minuto en una red local hasta poco más de una hora en una red amplia cuando se utilizaban los niveles más altos de seguridad.

El rendimiento de este nuevo sistema se midió frente a varias herramientas especializadas existentes que actualmente se consideran el estado del arte. Cuando se probó en tareas individuales, como ordenar registros de bases de datos o ejecutar modelos de aprendizaje automático, CryptDough demostró ser competitivo con estos sistemas especializados. En muchos casos, incluso los superó, funcionando hasta dos veces más rápido que las mejores alternativas para cargas de trabajo específicas. Al compararse con una herramienta de compilación de propósito general que es ampliamente utilizada en el campo, CryptDough demostró una ventaja significativa, siendo hasta 4.7 veces más rápido en entornos de red de área amplia. Esta velocidad es crucial porque la computación segura es inherentemente más lenta que la computación estándar debido a la necesidad de comunicación constante y verificación entre las partes. Al optimizar cómo ocurren estas comunicaciones y cómo se procesan los datos en paralelo, los investigadores lograron que el sistema fuera lo suficientemente eficiente para su uso práctico.

El estudio también destacó las limitaciones de intentar combinar los sistemas especializados existentes. Los investigadores señalaron que, incluso si dos sistemas apuntan al mismo tipo de amenaza de seguridad, a menudo utilizan formas fundamentalmente diferentes de codificar los datos. Intentar pasar datos de un sistema a otro requeriría convertir estas codificaciones, un proceso que no solo es técnicamente difícil, sino que podría introducir vulnerabilidades de seguridad. Además, la orquestación de múltiples sistemas requeriría integrar diferentes entornos de ejecución e interfaces de programación, una tarea que demanda un nivel de esfuerzo de ingeniería y pericia criptográfica que rara vez está disponible. CryptDough resuelve esto proporcionando un entorno único y cohesivo donde todos estos diferentes tipos de análisis pueden ocurrir juntos sin necesidad de conversión u orquestación manual.

Las implicaciones de este trabajo se extienden más allá de la velocidad o la conveniencia. Al proporcionar un motor unificado que soporta cargas de trabajo mixtas y varios modelos de amenazas, los investigadores han hecho posible abordar problemas que antes estaban fuera de alcance. El sistema está diseñado para ser extensible, lo que significa que a medida que se desarrollan nuevos protocolos criptográficos o surgen nuevos tipos de análisis de datos, estos pueden añadirse al sistema sin reconstruir toda la base. Esta modularidad tiene como objetivo democratizar el uso de la computación segura, permitiendo que los analistas de datos y los desarrolladores de software construyan aplicaciones seguras sin necesidad de ser criptógrafos ellos mismos. Los investigadores han puesto el código fuente de CryptDough a disposición del público, invitando al desarrollo y las pruebas adicionales.

Al final, el trabajo presentado en este artículo representa un paso significativo para hacer de la computación multipartita segura una realidad práctica para el análisis de datos complejos. Mueve el campo de una colección de herramientas aisladas de propósito único hacia un motor unificado capaz de manejar los flujos de trabajo desordenados y mixtos que caracterizan a la ciencia de datos del mundo real. Los resultados sugieren que es posible construir un sistema que sea tanto seguro como eficiente, capaz de generalizar la funcionalidad de los sistemas especializados y, a menudo, superar su rendimiento. Aunque la tecnología aún está en sus primeras etapas y enfrenta desafíos para escalar a un gran número de partes, la demostración de un flujo de trabajo complejo de extremo a extremo ejecutado de forma segura a través de diferentes tipos de datos ofrece una visión convincente de lo que es posible cuando la privacidad y la colaboración ya no se ven como mutuamente excluyentes.