Respuesta corta: el cifrado homomórfico permite hacer cálculos sobre datos cifrados sin descifrarlos nunca. El sistema procesa la información, un modelo de IA la analiza o una consulta la suma, y el resultado sale cifrado, listo para que solo el dueño de la clave lo abra. En ningún momento el dato queda a la vista, ni siquiera de quien hace el cálculo. Es la diferencia entre confiar en que nadie va a mirar y garantizar, por matemática, que nadie puede mirar. La contra: operar sobre datos cifrados es mucho más lento y costoso que hacerlo en claro, así que rinde en cálculos acotados, no en cualquier modelo pesado.
La idea ancla: el dato se procesa sin abrirse; solo su dueño ve el resultado.
El problema del dato "en uso"
Proteger datos tiene tres momentos. El dato guardado en un disco se cifra: eso ya lo hace casi todo el mundo. El dato que viaja por la red se cifra: también resuelto. Pero hay un tercer momento, el más incómodo: el dato mientras se usa. Para que un programa lo procese, tradicionalmente hay que descifrarlo. Y en ese instante, por más corto que sea, el dato queda expuesto en la memoria de la máquina que lo procesa.
Ese agujero importa mucho cuando la máquina no es tuya. Si un estudio jurídico argentino quiere usar un servicio de IA en la nube para analizar expedientes, tiene un problema: para que la IA los procese, los expedientes se descifran en un servidor que el estudio no controla. El secreto profesional y la confidencialidad de los clientes quedan, por un rato, en manos ajenas.
El cifrado homomórfico cierra ese agujero. El cálculo se hace sobre el dato cifrado, así que nunca se descifra en la máquina ajena.
Cómo funciona, sin fórmulas
La idea es contraintuitiva pero concreta. Normalmente, para sumar dos números cifrados tenés que descifrarlos, sumarlos y volver a cifrar. Con cifrado homomórfico, se puede operar directamente sobre las versiones cifradas y obtener la suma, también cifrada, sin haber visto nunca los números originales.
Llevado al estudio jurídico:
- El estudio cifra los expedientes con su propia clave, que nunca entrega.
- Manda los expedientes cifrados al servicio de IA en la nube.
- El servicio aplica el cálculo sobre lo cifrado: por ejemplo, corre una fórmula de puntaje o un cotejo definido de antemano, sin ver los datos. Son operaciones acotadas, no cualquier análisis pesado: cuanto más complejo el cálculo, más caro y lento se vuelve.
- Devuelve un resultado cifrado. El estudio lo abre con su clave y recién ahí ve la respuesta.
El proveedor de nube hizo todo el trabajo pesado sin haber visto jamás un solo expediente. Ni él, ni un atacante que le entre al servidor, pueden leer nada: lo único que hay ahí es ruido cifrado.
| Momento del dato | Protección tradicional | Con cifrado homomórfico |
|---|---|---|
| Guardado en disco | Cifrado (resuelto) | Cifrado |
| Viajando por la red | Cifrado (resuelto) | Cifrado |
| Siendo procesado | Descifrado, expuesto | Sigue cifrado |
Cuándo conviene y cuándo no
Hay que ser claro con el costo: hacer cuentas sobre datos cifrados exige mucho más procesamiento que hacerlas sobre datos normales. No es gratis y no es para todo. Conviene cuando el valor de no exponer el dato supera ese sobrecosto:
- Un estudio jurídico o un contador que quiere usar IA en la nube sobre expedientes o declaraciones sin romper la confidencialidad.
- Una organización que necesita que un tercero procese sus datos sensibles pero no confía (o no puede confiar) en que no los mire.
- Varias partes que quieren calcular algo en conjunto (un promedio, un cruce) sin que ninguna vea los datos de la otra.
Y cuándo no: para datos que no son sensibles, o para tareas donde ya controlás la máquina que procesa, el sobrecosto no se justifica. Ahí alcanza con las protecciones de siempre, o con un modelo chico que corre en tu propia infraestructura y evita el problema de raíz.
Una pieza más del conjunto
El cifrado homomórfico no compite con las otras técnicas de esta serie: se suma. Protege el dato mientras se calcula, que es el flanco que ni el aprendizaje federado ni la privacidad diferencial cubren del todo. En un diseño serio suelen convivir:
- El aprendizaje federado evita mover los datos.
- La privacidad diferencial protege los resultados que se publican.
- El cifrado homomórfico protege el dato durante el cálculo en una máquina ajena.
- Los enclaves protegidos, el próximo tema, dan una alternativa cuando el costo del cifrado homomórfico es demasiado alto.
Bootable evalúa, para cada caso, cuál de estas piezas conviene y cuál es exagerada. La matemática existe; el criterio para no sobreprotegerse (ni subprotegerse) es lo que aporta un buen implementador. El mapa de la serie ordena estas técnicas junto con el resto.
Preguntas frecuentes
¿De verdad el que procesa no ve nada?
Correcto: trabaja sobre datos cifrados y obtiene un resultado cifrado. Sin la clave, que nunca sale de tu poder, lo que tiene en sus manos es indescifrable. No es una promesa de buena conducta, es una imposibilidad matemática.
¿Por qué no se usa para todo, entonces?
Por el costo de procesamiento. Calcular sobre datos cifrados consume bastante más cómputo que hacerlo sobre datos normales. Por eso se reserva para los casos donde la confidencialidad lo amerita, y para el resto se usan protecciones más livianas.
¿Sirve para usar IA en la nube sin perder confidencialidad?
Ese es justamente uno de sus mejores usos. Permite aprovechar servicios de IA en infraestructura que no controlás sin entregarles los datos legibles. Es la salida para quien quiere la potencia de la nube sin el riesgo de exponer información sensible.
¿Es muy complejo de implementar?
Requiere bibliotecas específicas y criterio para aplicarlo solo donde rinde, porque el costo de cómputo es alto. No se activa con un clic ni hace falta ser criptógrafo: existen bibliotecas maduras que lo implementan y la implementación se acompaña. La regla práctica: usalo en el dato más sensible y en el cálculo más acotado, combinado con las otras técnicas de la serie.
En resumen
El cifrado homomórfico resuelve el momento más difícil de proteger un dato: cuando se está usando. Permite que un sistema o un modelo de IA procese información cifrada sin descifrarla nunca, de modo que ni el que procesa ni un atacante pueden leerla, y solo el dueño de la clave abre el resultado. Es ideal para usar IA en la nube sobre datos confidenciales (expedientes, declaraciones, historias clínicas), tiene un costo de procesamiento alto que lo hace reservado para los casos que lo valen, y convive con el aprendizaje federado, la privacidad diferencial y los enclaves.
Acción para esta semana: identificá un dato sensible que hoy no procesás en la nube por miedo a exponerlo, y usá el PDF que acompaña este artículo para evaluar si el cifrado homomórfico abre esa puerta sin romper la confidencialidad.
3 páginas · el material ampliado, en PDF. Gratis, por dejar tu email.
