Asegurar el acceso a los datos puede ser difícil, y mover conjuntos de datos físicos puede ser aún más complicado.
Los conjuntos de datos útiles pueden estar plagados de información de identificación personal, y acceder a ellos a menudo requiere pactos de asociación estrictos y acuerdos de confidencialidad. También puede requerir una colaboración extensa y múltiples transferencias entre equipos.
Entonces, llevar realistamente todos los datos del mundo juntos de una manera completamente segura y privada para fomentar la colaboración en la resolución de los problemas más urgentes radica en la computación confidencial y la ciencia de datos remota, específicamente en el concepto de redes de datos federadas (FDN).
La computación confidencial y las redes de datos federadas serán de gran importancia para el futuro de la ciencia de datos remota, tanto para mejorar la seguridad de los datos como para revolucionar el intercambio de datos en la era digital.
¿De qué se trata todo esto?
La computación confidencial es una tecnología segura que garantiza que los datos permanezcan encriptados y protegidos, incluso cuando están siendo procesados por una computadora o de otra manera en uso. Esto mejora la seguridad de los datos en general al mantener la confidencialidad de la información sensible y protegerla contra el acceso no autorizado, tanto durante la computación como cuando está en reposo.
Las redes de datos federadas son sistemas compuestos por redes distintas que permiten facilitar el acceso a los datos sin compartirlos directamente. Se utilizan comúnmente en industrias como la salud, las finanzas y el gobierno, donde se comparten datos sensibles entre múltiples partes para respaldar la investigación, el análisis o la toma de decisiones.
Para ponerlo más simple, una FDN es como un equipo de bibliotecas, donde cada biblioteca (nodo) conserva el control de sus libros (datos). Cuando se tiene una pregunta, en lugar de ir a cada biblioteca, las bibliotecas comparten su información entre sí para responder a la pregunta, pero los libros nunca salen de sus respectivas bibliotecas. De esta manera, las bibliotecas pueden mantener el control sobre sus propios libros mientras contribuyen a una base de conocimientos colectiva.
Ahora, hay que imaginar si estas bibliotecas quisieran asegurarse de que la información sobre sus libros permanezca privada, incluso mientras la comparten. Aquí es donde entra la computación confidencial, que es una tecnología que encripta los datos mientras están siendo procesados. Entonces, incluso cuando las bibliotecas están compartiendo información sobre libros, los detalles se mantienen en secreto.
Las redes de datos federadas y la computación confidencial trabajan juntas en escenarios donde múltiples partes desean colaborar en datos, pero también desean mantener la privacidad. Por ejemplo, en el campo de la salud, diferentes hospitales podrían querer colaborar con fines de investigación, pero necesitan asegurarse de que los datos de los pacientes permanezcan confidenciales. Aquí, los hospitales pueden formar una red federada y usar la computación confidencial para analizar los datos de manera segura.
De manera similar, en el mundo de los servicios financieros, las FDN y la computación confidencial pueden ser útiles para los bancos que pueden querer trabajar juntos para combatir algo como el lavado de dinero sin compartir explícitamente sus datos entre ellos.
Acceder a datos de alta calidad, que es clave para desarrollar modelos de aprendizaje automático, también puede presentar desafíos para las empresas de servicios financieros. Las FDN pueden mitigar algunos de estos problemas al proporcionar acceso seguro a datos que de otra manera serían inalcanzables.
