Blind Computation, técnica para privacidad de datos en blockchain

Blind Computation, técnica para proteger la privacidad de los datos en blockchain

29 noviembre, 2024 5 min read

Blind Computation es una técnica de computación que permite a una parte (el cliente) realizar cálculos en datos sensibles sin que otra parte (el servidor) tenga acceso a estos datos. Básicamente, el servidor puede procesar y computar datos sin conocer su contenido real, protegiendo de esta manera la privacidad de los datos del cliente.

Puede sonar a magia y algo imposible, pero esta tecnología se usa desde hace tiempo en el sector critpo. En el sistema de seguridad como la computación multipartita (Multipart Computation – MPC), en técnicas de cifrado, como el cifrado homomórfico completo (Full Homomorphic Encryption – FHE), o en tecnologías como las pruebas de conocimiento-cero (Zero Knowledge Proofs – ZKP). Así que estamos ante una tecnología que tiene un largo historial de desarrollo entre nosotros, lo que le ha servido para madurar y hacerse más competente en el ecosistema cripto.

La privacidad en la tecnología blockchain es un tema de gran importancia, ya que que a medida que las aplicaciones descentralizadas (dApps) y las transacciones financieras se vuelven más comunes, la necesidad de proteger la información sensible se vuelve crucial. Es aquí donde tecnologías como Blind Computation entran en juego.

Esta innovación permite realizar cálculos en datos, incluso en medios de alcance totalmente públicos, sin que estos sean revelados, con lo que se mejora la privacidad y la seguridad en la blockchain. ¿Cómo es esto posible? ¿Cómo un medio público puede garantizar la seguridad y la privacidad de los datos en todo momento? Pues bien, en este artículo, exploraremos cómo funcona Blind Computation y cómo se integra en la tecnología blockchain, con ejemplos y casos de uso.

VITALIK BUTERIN SOLO APOYARÁ PROYECTOS LAYER 2 CON AVANCES EN ROLLUPS

¿Cómo funciona Blind Computation?

La manera más básica de explicar cómo funciona Blind Computation nos lleva a tener en cuenta los siguientes puntos:

Utiliza un potente cifrado de datos: El cliente cifra los datos que desea procesar utilizando un algoritmo de cifrado. Este proceso convierte los datos originales en una forma que no puede ser comprendida por el servidor. En este caso, hablamos de algoritmos de cifrado de clave pública, como el que usamos por toda Internet y blockchain, y que durante más de 30 años ha mostrado su seguridad.
Comunicación segura con un servidor: Los datos cifrados se envían a un servidor o a una red de servidores/nodos usando canales seguros y autenticados para tal fin. De esta forma, sabemos que la información viaja por la red siendo verificable su contenido en todo momento, pero al mismo tiempo, sin que terceros puedan saber qué hay en los datos. Es más, ni siquiera el servidor puede saber los datos originales, solo su versión cifrada.

Procesamiento de datos seguro

Procesamiento de datos: Una vez el servidor tiene los datos comienza a realizar los cálculos necesarios sobre los datos cifrados. Esto puede incluir operaciones matemáticas, análisis de datos, o cualquier otro tipo de procesamiento que se requiera para darle la respuesta esperada y apropiada al cliente. Por ejemplo, puede ser simplemente una verificación de datos dentro de una blockchain, o bien, puede ser una compleja operación de intercambio entre distintos protocolos. Las instrucciones son dadas por el cliente y el servidor solo cuenta con una serie de datos mínima para realizar las operaciones esperadas (que no reflejan o descubren la identidad del cliente o los datos enviados).
Descifrado de resultados: Finalmente, una vez que el servidor ha completado los cálculos, los resultados cifrados se envían de vuelta al cliente. El cliente entonces descifra estos resultados para obtener los datos procesados en su forma original. En el caso de blockchain, el servidor emite una prueba de ejecución cifrada, que el cliente puede verificar (al igual que el resto de la red) y que sirve para certificar que la operación se ha realizado según se ha solicitado. En este punto, ninguna información privada es revelada.

ZAMA, EMPRESA PARA PRIVACIDAD BLOCKCHAIN E IA, OBTIENE $ 73 MILLONES

Integración de Blind Computation en la tecnología blockchain

La integración de Blind Computation en la tecnología blockchain tiene el potencial de revolucionar la forma en que se manejan los datos en estas redes. Al combinar la inmutabilidad y transparencia de la blockchain con la privacidad de Blind Computation, se pueden crear aplicaciones más seguras y privadas.

Ejemplo de integración: Nillion y Arbitrum

Un ejemplo muy claro de integración de estas tecnologías la podemos ver en Nillion, una plataforma de Blind Computation que se ha integrado con Arbitrum, una capa de escalado (Layer 2) de Ethereum. Esta integración permite que las aplicaciones construidas en Nillion se asienten en Arbitrum, aprovechando la seguridad y liquidez de Ethereum.

A su vez, las dApps en Arbitrum pueden acceder a los servicios de almacenamiento y computación privados de Nillion, los cuales pueden usarse para generar aplicaciones centradas en la privacidad de los datos. Sin embargo, una de las propuestas más interesantes de Nillion es su capacidad para trabajar de forma multicadena, lo que garantiza un amplio radio de acción y que esta tecnología comenzará a verse más y más dentro del ecosistema cripto.

Caso de uso de la tecnología

En este punto queda claro el potencial de esta tecnología y los diferentes casos de uso de la misma. Casos de uso, que, por ejemplo, evitarían la propuesta de la Agencia Española de Protección de Datos (AEPD) de hacer que la tecnología blockchain perdiera la capacidad de ser inmutable, para permitir el «derecho al olvido». Si los datos privados de las personas están cifrados en todo momento nadie podría leer dichos datos.

Privacidad en Finanzas Descentralizadas (DeFi)

En las finanzas descentralizadas (DeFi), la privacidad es crucial. Las transacciones y los datos financieros a menudo contienen información sensible que los usuarios no desean revelar. Con Blind Computation, las dApps DeFi pueden realizar cálculos y transacciones en datos cifrados, protegiendo la privacidad de los usuarios.

CÓMO APROVECHAR LA LOCURA DE LAS MEMECOINS PARA FINANCIAR LA CIENCIA Y MEDICINA DESCI

Por ejemplo, una dApp DeFi que ofrece préstamos puede usar Blind Computation para evaluar la solvencia crediticia de un usuario, sin revelar sus datos financieros a la plataforma. El servidor de la dApp realizará los cálculos necesarios en los datos cifrados y devolverá los resultados al usuario, quien los descifra para obtener la aprobación o denegación del préstamo.

Federated Machine Learning

El Federated Machine Learning (Federado) es una técnica que permite a múltiples entidades colaborar en el entrenamiento de un modelo de aprendizaje automático sin compartir sus datos. Blind Computation tiene la capacidad de mejorar esta tecnología al permitir que los datos de cada entidad se procesen de forma privada.

Así, por ejemplo, varios hospitales pueden colaborar para entrenar un modelo de aprendizaje automático para predecir enfermedades. Cada hospital cifra sus datos médicos y los envía a un servidor central. El servidor realiza los cálculos necesarios en los datos cifrados y devuelve los resultados a cada hospital. Los hospitales descifran los resultados para actualizar su modelo local, sin que ningún hospital tenga acceso a los datos de los demás.