La computación confidencial, o «confidential computing» en inglés, se ha convertido en un tema de gran relevancia en sectores que manejan información altamente sensible, como la salud, las finanzas y el gobierno. Esta tecnología, aunque puede no ser familiar para todos, ha ganado importancia en un mundo donde cada vez más empresas optan por modelos de inteligencia artificial (IA) en la nube. Pero, ¿qué hace que la computación confidencial sea tan crucial en el contexto actual?
La vulnerabilidad de los datos en uso
La protección de datos es un proceso bien conocido cuando la información está almacenada en discos o en tránsito a través de redes, ya que en ambos casos se utilizan técnicas de cifrado. Sin embargo, hay un momento crítico en que los datos se encuentran en su estado más vulnerable: cuando están siendo procesados por un CPU o GPU. Este es el «eslabón débil» que la computación confidencial busca fortalecer. Raghuram Yeluri, un destacado tecnólogo de Intel, señala que «proteger los datos mientras están en uso es la última frontera de protección». Su experiencia de casi tres décadas en Intel lo convierte en una voz autorizada para aclarar los beneficios de esta tecnología, especialmente en relación con la IA confidencial y la confianza en sistemas de IA.
La computación confidencial actúa como una caja fuerte digital. Imaginemos que vivimos en un departamento compartido; los objetos guardados en un armario pueden ser vistos fácilmente por los compañeros de piso. Sin embargo, si utilizamos una caja fuerte a la que solo nosotros tenemos acceso, la seguridad de nuestros bienes está garantizada. De la misma manera, esta tecnología cifra los datos en la memoria, protegiéndolos de modificaciones y evitando que operadores o proveedores accedan a ellos. Según Yeluri, «la computación confidencial te proporciona la última protección del cifrado ‘en uso’, de modo que los datos solo están expuestos dentro del CPU en el momento del procesamiento».
Industrias y activos sensibles
En áreas como la salud y las finanzas, el manejo de datos personales y modelos de IA presenta desafíos únicos. Los primeros incluyen historiales médicos y datos bancarios, que están sujetos a regulaciones estrictas. Por otro lado, los modelos de IA, que son entrenados con datos propios, a menudo representan una propiedad intelectual de gran valor. Algunas empresas invierten miles de millones en su desarrollo, y el riesgo no solo radica en el robo de datos, sino también en la posibilidad de que alguien copie o extraiga el modelo en sí.
La computación confidencial ofrece dos beneficios significativos en este contexto: primero, protege la confidencialidad e integridad de los datos y modelos frente a quienes poseen la infraestructura; segundo, permite demostrar esta protección mediante pruebas verificables. «No es necesario que confíes en el proveedor», explica Yeluri. «Con esta tecnología, dispones de una prueba criptográficamente verificable que asegura que estás utilizando computación confidencial». Esto también facilita nuevas formas de colaboración; por ejemplo, permite que dos bancos compartan datos para afinar un modelo sin que cada uno tenga acceso a la información del otro.
Desarrollo tecnológico de Intel
Intel ha estado a la vanguardia de la computación confidencial durante años. Entre sus primeros desarrollos se encuentra SGX (Software Guard Extensions), que crea enclaves seguros dentro de los procesadores, aunque requiere modificaciones en las aplicaciones. Posteriormente, introdujo TDX (Trust Domain Extensions), diseñado para facilitar el traslado de aplicaciones a máquinas virtuales o contenedores confidenciales sin necesidad de cambios. TDX es ahora la base de los avances en IA confidencial. Además, Intel Trust Authority y TDX Connect amplían las propiedades de confidencialidad, permitiendo que modelos más grandes se ejecuten de manera segura en la era de la IA.
La importancia de la verificación
Una de las preocupaciones clave es cómo asegurar que una carga de trabajo realmente se ejecute en un entorno confidencial. Si se utiliza una nube pública, los proveedores como Microsoft Azure o Google Cloud pueden garantizar que las aplicaciones funcionan en un entorno seguro, aunque, como menciona Yeluri, «debes confiar en ellos». Para los niveles más altos de seguridad, la verificación independiente es esencial. La atestación es el proceso que permite comprobar que un entorno es auténtico y responde a las políticas del cliente.
Este procedimiento consta de tres pasos: primero, el hardware proporciona evidencia criptográfica de la autenticidad del entorno; segundo, se compara un hash del código en ejecución con el esperado; y tercero, se evalúan las políticas del cliente para garantizar que todo coincide. Si es así, se emite un token firmado que puede ser presentado a reguladores o socios como prueba de cumplimiento. Este proceso se asemeja a un pasaporte emitido por el gobierno, que valida la identidad de una persona.
Desafíos de la inteligencia artificial autónoma
La computación confidencial también se enfrenta a nuevos retos con la llegada de la IA agéntica, que presenta comportamientos no deterministas y dinámicos, complicando su análisis. Aunque esta tecnología no resuelve todos los problemas asociados, proporciona una base robusta para construir controles de seguridad. Permite crear identidades de agentes de alta integridad y un registro inmutable de sus acciones, lo que es vital dado que estos agentes pueden operar sin supervisión humana y su mal funcionamiento puede generar daños irreversibles.
Raghuram Yeluri concluye enfatizando que, en la era de la IA, la confianza no puede ser una suposición, sino algo que debe ser verificable. Este principio resalta la relevancia continua de la computación confidencial en un mundo donde la seguridad de los datos es más crítica que nunca.
