Innovación en seguridad para Apps de salud: Nuevo Chip acelerador de aprendizaje automático
Investigadores del MIT y del MIT-IBM Watson AI Lab han desarrollado un acelerador de aprendizaje automático que ofrece una resistencia mejorada contra los ataques más comunes, manteniendo la privacidad de datos sensibles como registros de salud y financieros. Esta tecnología permite que modelos de IA grandes y complejos funcionen de manera eficiente en dispositivos locales, sin comprometer la seguridad.
El chip optimizado combate las vulnerabilidades a ataques de canal lateral y de sondeo de bus, técnicas comunes entre los piratas informáticos para robar información mientras el chip procesa datos. Para contrarrestar estos riesgos, los investigadores emplearon una técnica que divide los datos en fragmentos aleatorios que no se procesan simultáneamente, evitando así la reconstrucción completa de la información durante un ataque de canal lateral.
Además, se utilizó un cifrado ligero para proteger los modelos almacenados en la memoria externa, lo que asegura que solo se descifran cuando es necesario, y la clave de descifrado se genera directamente en el chip mediante una función imposible de clonar físicamente.
Aunque la implementación de este chip podría aumentar el costo y reducir la eficiencia energética de los dispositivos, los beneficios en términos de seguridad podrían justificar estos sacrificios. La investigación, que será presentada en la Conferencia de Circuitos Integrados Personalizados de IEEE, refleja la creciente necesidad de priorizar la seguridad en el diseño de dispositivos móviles y de borde, especialmente para aplicaciones críticas como la realidad aumentada y la conducción autónoma.
Este desarrollo no solo fortalece la seguridad de las operaciones de aprendizaje automático sino que también plantea un enfoque más sostenible al permitir que los dispositivos procesen datos localmente, reduciendo la dependencia de servidores centrales y mejorando la protección de datos personales.