La ola tecnológica de la privacidad de las criptomonedas

Ante la creciente preocupación por la vigilancia y la explotación de datos, el espacio criptográfico ha acelerado recientemente sus esfuerzos por integrar tecnologías de mejora de la privacidad (PET) en su infraestructura básica.

Las cadenas de bloques son radicalmente transparentes por diseño y, aunque el sector de las criptomonedas ha valorado durante mucho tiempo los métodos de privacidad -mezcladores de monedas o tokens basados en la privacidad-, también ha luchado por ampliar lo que puede ser privado -más allá del simple DeFi y los pagos- sin silenciar esa privacidad en redes especializadas.

Con las cadenas de bloques cada vez más utilizadas para la formación en IA y las finanzas institucionales, las aplicaciones que utilizan técnicas criptográficas alternativas se están popularizando. Cuatro tecnologías en particular están ganando adeptos: La computación multiparte(MPC), el cifrado totalmente homomórfico(FHE), los entornos de ejecución de confianza(TEE) y la capa de seguridad de transporte de conocimiento cero(zkTLS).

Este artículo pretende mostrar el papel de cada tecnología en la mejora de la privacidad, casos de uso y proyectos clave basados en cada una de ellas. 👇

Computación multipartita (MPC)

La MPC es computación distribuida que permite a varios grupos calcular algo colectivamente sin revelar su propia información.

Digamos que tú y cinco amigos queréis encontrar vuestro salario medio sin revelar las cantidades individuales. Cada persona divide su salario en seis partes aleatorias y envía una a cada uno. Todos tienen una parte de cada persona, pero nadie puede reconstruir el salario de nadie porque sólo tiene una de las seis partes necesarias. Todos realizan operaciones matemáticas con las participaciones, no con los sueldos originales. Estos resultados se combinan para calcular la media final sin que nadie conozca los salarios individuales.

La MPC es especialmente valiosa cuando las restricciones normativas o los problemas de competencia impiden compartir datos directamente, pero el análisis colectivo beneficiaría a todas las partes. Un ejemplo clásico es el de varios hospitales que quieren entrenar la IA con datos de pacientes: la normativa prohíbe compartir datos médicos confidenciales, pero el MPC permite el entrenamiento colectivo sin compartir los datos.

Obstáculos para la MPC

A medida que más personas se unen a una red MPC, la gestión se hace más difícil. El sistema necesita más mensajes entre los participantes, lo que ralentiza las cosas debido a los límites de capacidad de Internet. Cada persona realiza más cálculos, lo que consume más potencia de cálculo. Aunque las cadenas de bloques pueden desalentar las trampas castigando a los malos actores de la red que quieran coludirse, no resuelven estos problemas de recursos y potencia de cálculo.

¿Quién utiliza MPC y para qué?

• Fireblocks - Custodia institucional que utiliza MPC para dividir las claves privadas entre dispositivos, de forma que nunca se expongan las claves completas.
• Arcium - Red independiente de la cadena que utiliza MPC para el procesamiento privado de inteligencia artificial y tareas sensibles.
• Renegade - Onchain dark pool que utiliza MPC para operaciones confidenciales.

Desmitificando los "pools oscuros" de criptomonedas en Bankless

¿Harán los dark pools más seguras las operaciones con criptomonedas o sólo marginarán a los inversores minoristas?

BanklessDavidC Jun 3, 2025 - 6 min read

Cifrado totalmente homomórfico (FHE)

FHE permite procesar datos sin descifrarlos, lo que significa que los datos sensibles permanecen cifrados cuando se almacenan, transmiten y analizan.

Actualmente, los datos se cifran durante la transmisión, pero deben descifrarse para su procesamiento, lo que crea ventanas de vulnerabilidad. Por ejemplo, cuando envío fotos a la nube, se cifran en tránsito pero se descifran al llegar. FHE elimina este paso de descifrado: los datos permanecen cifrados durante el cálculo, protegiendo la información durante su uso activo.

Piense en FHE como en una caja fuerte cerrada con guantes programables. Se introducen datos privados y se programan instrucciones: "suma estos números", "ordena esta lista". Envías la caja fuerte y los guantes a otra persona. Esta persona manipula el contenido a ciegas, siguiendo las instrucciones sin ver lo que hay dentro. Cuando terminan, devuelven la caja fuerte y usted la desbloquea para encontrar el resultado correcto.

Obstáculos para FHE

FHE conlleva importantes problemas de rendimiento: los cálculos son entre 10 y 100 veces más lentos. Añadir la verificación ZK (zkFHE) lo hace aún más lento en varios órdenes de magnitud. Los desarrolladores quieren esta combinación porque, aunque FHE protege la entrada, no garantiza que las operaciones sean correctas. En otras palabras, es el problema de si alguien a quien usted autorizó a ejecutar un cálculo sobre los datos protegidos por FHE realmente lo hizo correctamente. Esta verificabilidad no existe, pero añadirla hace que un sistema ya de por sí lento sea casi inutilizable para aplicaciones en tiempo real.

¿Quién utiliza FHE y para qué?

• Zama: proveedor de herramientas FHE que permite contratos inteligentes cifrados en redes EVM con fhEVM, entre otras herramientas.
• Fhenix - Red de entrenamiento de IA que utiliza las herramientas FHE de Zama* para el aprendizaje automático cifrado.
• Octra - Cadena universal que utiliza FHE patentado para la computación cifrada de alta velocidad con consenso de aprendizaje automático y servicios alquilables.

Entornos de ejecución de confianza (TEE)

Los TEE son zonas de hardware seguras que almacenan y procesan datos de forma aislada, impidiendo que el resto de la máquina -incluidos el sistema operativo y el operador- acceda a esos datos.

Si tienes un iPhone, interactúas a diario con TEEs, ya que Apple los utiliza para los datos biométricos. Funcionan así: Los TEE almacenan escaneos faciales o de huellas dactilares dentro de zonas de chip seguras. Cuando las aplicaciones solicitan autenticación, se envían nuevos escaneos al TEE para su comparación. Esta comparación se realiza en el interior de un hardware sellado: ni las aplicaciones ni el sistema operativo pueden ver los datos biométricos. El TEE simplemente devuelve un sí o un no.

Los TEE han empezado a aparecer en criptografía para contratos inteligentes y computación confidenciales. Unichain, la L2 de Uniswap, utiliza TEEs para construir bloques de forma justa y evitar ataques MEV.

Obstáculos para las TEE

La integridad de las TEE depende de los proveedores de hardware, no de las redes distribuidas, lo que las convierte en centralizadas según los estándares criptográficos. Alguien podría poner en peligro los TEE en producción o explotar sus puntos débiles. Esto le ocurrió a Secret Network cuando los investigadores descubrieron debilidades en el chip de Intel que descifraban todas las transacciones de la red.

¿Quién utiliza las TEE y para qué?

• Space Computer - Blockchain que utiliza TEEs en nodos de satélite, haciendo que el hardware sea a prueba de manipulaciones al funcionar en órbita.
• Protocolo Oasis - Capa 1 que utiliza TEEs para contratos inteligentes confidenciales con tiempos de ejecución compatibles con EVM.
• Phala Network - Plataforma descentralizada en la nube que utiliza TEEs de múltiples proveedores de hardware para computación confidencial.

zkTLS

zkTLS fusiona TLS (ya utilizado en HTTPS para la seguridad en Internet) con pruebas de conocimiento cero (ZKP) para mantener la información privada pero verificable.

Al añadir ZKPs, zkTLS permite a los usuarios transmitir cualquier dato HTTPS (95% del tráfico web) controlando al mismo tiempo la información revelada. Esto permite que los datos de cualquier plataforma Web2 funcionen como una API pública independientemente de los permisos de la plataforma, conectando toda la web y tendiendo un puente entre Web2 y Web3.

Por ejemplo, supongamos que quieres utilizar tu saldo bancario para un préstamo onchain. Accedes a tu banco a través de una herramienta zkTLS, que puede analizar cualquier dato mostrado ya que los bancos utilizan HTTPS. La herramienta genera un ZKP de tu saldo, demostrando los fondos sin revelar las cantidades exactas o el historial de transacciones. Esta prueba se envía a las plataformas de préstamos DeFi, que verifican la solvencia sin acceder a datos financieros privados.

Obstáculos para zkTLS

zkTLS sólo funciona con datos que los sitios web ya muestran: no puede obligar a los sitios a revelar información oculta. Depende del uso continuado del protocolo TLS y requiere la participación de un oráculo en tiempo real, lo que introduce latencia y supuestos de confianza.

¿Quién utiliza zkTLS y para qué?

• ZKP2P: Protocolo de rampa on/off que utiliza zkTLS para mover fondos de forma privada dentro y fuera de la cadena.
• EarniFi: plataforma de préstamos que utiliza zkTLS para conceder préstamos privados a empleados con salarios devengados pero no pagados.
• DaisyPay - Aplicación que utiliza zkTLS para la colaboración de personas influyentes y pagos inmediatos.

Onramp Privado con ZKP2P en Bankless

Explora cómo ZKP2P's V2 ofrece una forma de preservar la privacidad y de bajo coste para mover fondos dentro y fuera de la cadena.

BanklessDavidC Jun 20, 2025 - 5 min read

En general, cada PET sirve a diferentes objetivos con distintas compensaciones. Es probable que las aplicaciones combinen varias PET en función de las necesidades de datos. Una plataforma de IA descentralizada podría utilizar MPC para la coordinación inicial, FHE para el cálculo y TEEs para la gestión de claves.

Existen muchos enfoques diferentes zkTLS que utilizan una u otra de las otras PET en su arquitectura. Juntas, estas herramientas pueden ampliar enormemente el espacio de diseño de crypto y hacer realidad su potencial como la próxima iteración de la web. Como todos sabemos, crypto todavía tiene que trabajar en su experiencia de usuario, que será particularmente crítica para hacer que estos servicios de privacidad sean más utilizables y ampliamente adoptados.