Una banca vuole usare l'IA per individuare le frodi. Un ente governativo vuole analizzare dati censuari con un modello di IA. In entrambi i casi emerge la stessa domanda, che spesso blocca il progetto prima ancora di iniziare: come addestrare quel modello mantenendo i dati sensibili sotto il controllo dell'organizzazione?
Il dilemma dei dati sensibili e dell'IA
Addestrare un modello di IA implica normalmente che il modello —e chi lo amministra— possa vedere i dati da cui impara. Per dati personali, finanziari o sanitari, ciò aggiunge un rischio che molte organizzazioni preferiscono evitare, anche quando il fornitore della tecnologia è affidabile. L'alternativa abituale, lasciare quei dati fuori dalla portata dell'IA, fa perdere una parte importante del valore che la tecnologia potrebbe offrire.
Che cos'è la crittografia omomorfica, spiegata in modo semplice?
La crittografia omomorfica permette di eseguire calcoli su dati che restano cifrati durante tutto il processo. In parole semplici: il modello di IA impara dall'informazione, che rimane cifrata in ogni momento per chiunque la elabori.
Questo è diverso dal cifrare dati che vengono salvati ma decifrati per essere elaborati. Qui l'elaborazione stessa avviene sul dato cifrato, dall'inizio alla fine.
Quale accuratezza si guadagna e che cosa resta uguale?
La domanda logica è se questo metodo influisca sulla qualità del modello risultante. In prodotti come Privacy, di Xcapit, l'accuratezza di un modello addestrato su dati cifrati è equivalente a quella di uno addestrato con i dati in chiaro: la differenza sta nel processo, mentre il risultato finale rimane invariato.
Dove viene già applicata?
Banche e fintech la usano per collaborare nel rilevamento delle frodi tra istituzioni, mantenendo i dati dei clienti sotto il controllo di ciascuna. Gli enti governativi la usano per analizzare dati censuari o fiscali mantenendo il controllo delle informazioni all'interno dei propri sistemi.
La tua organizzazione gestisce dati sensibili e sta valutando oggi di adottare l'IA? Questa è una delle decisioni di architettura da risolvere prima di scegliere il fornitore.
José Trajtenberg
CEO & Co-Fondatore
Avvocato e imprenditore nel business internazionale con oltre 15 anni di esperienza. Oratore di spicco e leader strategico che guida aziende tecnologiche verso l'impatto globale.
Stai costruendo prodotti finanziari regolamentati?
Da wallet digitali a collateral tokenizzati e piattaforme sicure, costruiamo sistemi fintech pronti per la produzione.
Potrebbe interessarti anche
Trasformazione digitale per le utility: modernizzare l'energia senza sostituire il core
Una guida pratica per utility e aziende energetiche: integrare SCADA, IoT, IA, tokenizzazione e cybersecurity per modernizzare le operazioni senza sostituire sistemi critici.
Perché gli scanner di vulnerabilità non sostituiscono un pentest — e come l'IA cambia l'equazione
Scanner come Nuclei e ZAP rilevano CVE noti ma non trovano le vulnerabilità che causano davvero le violazioni: IDOR, escalation dei privilegi, race condition e difetti della logica di business. Questo articolo spiega perché, mostra dati di benchmark (47 risultati vs 0) e presenta una terza opzione: il pentesting con IA che ragiona come un attaccante umano alla velocità e al costo di uno scanner.
Anatomia della sicurezza di OpenClaw: Cosa hanno trovato i 35 agenti di AiSec nell'Agente IA più popolare al mondo
Abbiamo eseguito AiSec — il nostro framework open-source di sicurezza IA con 35 agenti specializzati — contro OpenClaw, l'agente IA più popolare su GitHub (191K stelle). In 4 minuti e 12 secondi, ha trovato 63 vulnerabilità mappate su 8 framework di sicurezza. Ecco l'analisi tecnica completa.