Intel y Microsoft se alían para desarrollar el cifrado homomórfico
Esta asociación se encuadra dentro del programa de la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos (Darpa, de sus siglas inglesas); y, como parte del mismo, Intel desarrollará un acelerador de hardware que podría hacer que el aprendizaje automático sea práctico con datos siempre encriptados y que preserven la privacidad.
Intel y Microsoft han anunciado una alianza con el objetivo de desarrollar hardware y software de mejora del cifrado homomórfico. Esta asociación se encuadra dentro del programa de la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos (Darpa, de sus siglas inglesas); y, como parte del mismo, Intel desarrollará un acelerador de hardware que podría hacer que el aprendizaje automático sea práctico con datos siempre encriptados y que preserven la privacidad.
El éxito de esta estrategia pasa por permitir a las organizaciones con requisitos estrictos de confidencialidad, de sectores como el sanitario, financiero o público, compartir datos con partners y terceros en nubes públicas sin riesgo de exposición. En declaraciones a CSO Online, Rosario Cammarota, ingeniera principal de Intel Labs, ha señalado que “evaluaremos la plataforma en una serie de cargas de trabajo que abarcan el aprendizaje estadístico y automático. El objetivo es muy ambicioso; mejorar el rendimiento de la encriptación homomórfica cinco veces con respecto al actual. Este es un gran reto porque hoy no podemos entrenar modelos de aprendizaje automático en datos cifrados, pero esta plataforma lo podría conseguir”.
El cifrado homomórfico es una forma de criptografía que permite realizar operaciones matemáticas directamente sobre datos cifrados sin necesidad de desencriptarlos previamente. Además, solo puede tener acceso el propietario de los mismos que cuenta con la clave. Así, este cifrado se puede usar para mantener la confidencialidad de la información en diferentes estados: almacenamiento, en transmisión a través de la red y durante el procesamiento (en memoria).
