Avance permite comunicaciones digitales perfectamente seguras

Un grupo de investigadores ha logrado un gran avance en las comunicaciones seguras al desarrollar un algoritmo que oculta información confidencial con tanta eficacia que es imposible detectar que se ha ocultado algo.

El equipo, dirigido por la Universidad de Oxford en estrecha colaboración con la Universidad Carnegie Mellon, prevé que este método pronto se pueda utilizar ampliamente en las comunicaciones humanas digitales, incluidas las redes sociales y la mensajería privada. En particular, la capacidad de enviar información perfectamente segura puede empoderar a grupos vulnerables, como disidentes, periodistas de investigación y trabajadores de ayuda humanitaria.

El algoritmo se aplica a una configuración llamada esteganografía: la práctica de ocultar información confidencial dentro de contenido inocuo. La esteganografía se diferencia de la criptografía porque la información confidencial se oculta de tal manera que oscurece el hecho de que algo se ha ocultado. Un ejemplo podría ser ocultar un poema de Shakespeare dentro de una imagen de un gato generada por IA.

A pesar de haber sido estudiado durante más de 25 años, los enfoques de esteganografía existentes generalmente tienen una seguridad imperfecta, lo que significa que las personas que usan estos métodos corren el riesgo de ser detectadas. Esto se debe a que los algoritmos de esteganografía anteriores cambiarían sutilmente la distribución del contenido inocuo.

Para superar esto, el equipo de investigación utilizó avances recientes en la teoría de la información, específicamente el acoplamiento de entropía mínima, que permite unir dos distribuciones de datos para maximizar su información mutua, pero se conservan las distribuciones individuales.

Como resultado, con el nuevo algoritmo, no hay diferencia estadística entre la distribución del contenido inocuo y la distribución del contenido que codifica información sensible.

El algoritmo se probó utilizando varios tipos de modelos que producen contenido generado automáticamente, como GPT-2, un modelo de lenguaje de código abierto y WAVE-RNN, un convertidor de texto a voz. Además de ser perfectamente seguro, el nuevo algoritmo mostró hasta un 40 % más de eficiencia de codificación que los métodos de esteganografía anteriores en una variedad de aplicaciones, lo que permite ocultar más información dentro de una cantidad determinada de datos. Esto puede hacer que la esteganografía sea un método atractivo incluso si no se requiere una seguridad perfecta, debido a los beneficios para la compresión y el almacenamiento de datos.

El equipo de investigación ha presentado una patente para el algoritmo, pero tiene la intención de emitirlo bajo una licencia gratuita a terceros para un uso responsable no comercial. Esto incluye uso académico y humanitario, y auditorías de seguridad de terceros confiables. Los investigadores han publicado este trabajo como un artículo preliminar sobre arXiv, así como una implementación ineficiente de código abierto de su método en Github. También presentarán el nuevo algoritmo en la principal conferencia de IA, la Conferencia Internacional 2023 sobre Representaciones de Aprendizaje en mayo.

El contenido generado por IA se usa cada vez más en las comunicaciones humanas ordinarias, impulsado por productos como ChatGPT, pegatinas de IA de Snapchat y filtros de video TikTok. Como resultado, la esteganografía puede generalizarse ya que la mera presencia de contenido generado por IA dejará de despertar sospechas.

El coautor principal, el Dr. Christian Schroeder de Witt (Departamento de Ciencias de la Ingeniería, Universidad de Oxford), dijo: «Nuestro método se puede aplicar a cualquier software que genere contenido automáticamente, por ejemplo, filtros de video probabilísticos o generadores de memes. Esto podría ser muy valioso, por ejemplo, para periodistas y trabajadores humanitarios en países donde el acto de encriptación es ilegal. Sin embargo, los usuarios aún deben tener precaución ya que cualquier técnica de encriptación puede ser vulnerable a ataques de canal lateral, como la detección de una aplicación de esteganografía en el teléfono del usuario. .»

El coautor principal, Samuel Sokota (Departamento de aprendizaje automático, Universidad Carnegie Mellon), dijo: «La principal contribución del trabajo es mostrar una conexión profunda entre un problema llamado acoplamiento de entropía mínima y la esteganografía perfectamente segura. Al aprovechar esta conexión, presentamos una nueva familia de algoritmos de esteganografía que tienen perfectas garantías de seguridad».

El autor colaborador, el profesor Jakob Foerster (Departamento de Ciencias de la Ingeniería, Universidad de Oxford), dijo: «Este artículo es un gran ejemplo de investigación sobre los fundamentos del aprendizaje automático que conduce a descubrimientos revolucionarios para áreas de aplicación cruciales. Es maravilloso ver que Oxford y nuestro joven laboratorio en particular, está a la vanguardia de todo».