Criptografia homomórfica: como a IA aprende a partir de dados que permanecem criptografados?

Um banco quer usar IA para detectar fraudes. Um órgão de governo quer analisar dados censitários com um modelo de IA. Nos dois casos surge a mesma pergunta, que costuma travar o projeto antes mesmo de começar: como treinar esse modelo mantendo os dados sensíveis sob o controle da organização?

O dilema dos dados sensíveis e da IA

Treinar um modelo de IA normalmente implica que o modelo —e quem o administra— possa ver os dados com os quais aprende. Para dados pessoais, financeiros ou de saúde, isso adiciona um risco que muitas organizações preferem evitar, mesmo quando o fornecedor da tecnologia é confiável. A alternativa habitual, deixar esses dados fora do alcance da IA, desperdiça uma parte importante do valor que a tecnologia poderia oferecer.

O que é a criptografia homomórfica, explicada de forma simples?

A criptografia homomórfica permite realizar cálculos sobre dados que permanecem criptografados durante todo o processo. Em termos simples: o modelo de IA aprende com a informação, que permanece criptografada o tempo todo para qualquer pessoa que a processe.

Isso é diferente de criptografar dados que são armazenados, mas descriptografados para serem processados. Aqui o próprio processamento acontece sobre o dado criptografado, do início ao fim.

Que precisão se ganha e o que permanece igual?

A pergunta lógica é se esse método afeta a qualidade do modelo resultante. Em produtos como o Privacy, da Xcapit, a precisão de um modelo treinado sobre dados criptografados é equivalente à de um treinado com os dados em texto claro: a diferença está no processo, e o resultado final se mantém.

Onde já está sendo aplicada?

Bancos e fintechs a utilizam para colaborar na detecção de fraudes entre instituições, mantendo os dados dos clientes sob o controle de cada uma. Órgãos de governo a utilizam para analisar dados censitários ou tributários mantendo o controle das informações dentro de seus próprios sistemas.

Sua organização lida com dados sensíveis e avalia incorporar IA hoje? Esta é uma das decisões de arquitetura que convém resolver antes de escolher o fornecedor.