Cada etapa de esta cronología responde a una pregunta concreta sobre cómo proteger modelos de riesgo y valoración de derivados cuando la computación cuántica deje de ser teórica. No es un plan cerrado: es la secuencia real de decisiones que fuimos tomando.
Revisamos qué esquemas de clave pública sostenían la firma de modelos, la verificación de contrapartes y el transporte de features entre nodos. El resultado fue incómodo: casi todo dependía de RSA y curvas elípticas con horizontes de seguridad que ya no cuadraban con las proyecciones de hardware cuántico a diez años.
Montamos un banco de pruebas con ML-KEM para el intercambio de claves y ML-DSA para firmas, aplicado a un modelo de scoring de crédito de tamaño medio. La latencia subió, como esperábamos, pero el punto interesante fue otro: el modelo podía operar sobre representaciones cifradas sin descifrar el historial completo en memoria.
Aquí apareció el problema que no esperábamos resolver tan pronto. Las estrategias algorítmicas se filtraban por tiempos de ejecución y patrones de red antes que por brechas directas. Introdujimos ruido controlado en los tiempos de respuesta y aislamiento por enclaves para cortar esas fugas sin destruir la señal útil del modelo.
Nadie migra de golpe. Diseñamos un modo mixto donde las firmas clásicas y postcuánticas coexisten, con rotación progresiva de parámetros y verificación cruzada. Esto permitió que las mesas siguieran operando mientras los libros de órdenes adoptaban los nuevos esquemas sin ventanas de indisponibilidad.
Extendimos el enfoque a los modelos de valoración. La firma de órdenes, la verificación de contrapartes y la integridad del libro pasaron a operar con primitivas postcuánticas en producción. El coste computacional se absorbió con ajustes en el batching y en la frecuencia de rotación de claves.
El cierre del ciclo no es un hito, es un régimen. Ahora corremos auditorías periódicas de fugas laterales, revisamos el cumplimiento con las exigencias europeas de agilidad criptográfica y mantenemos la capacidad de sustituir esquemas sin reentrenar el modelo de riesgo desde cero.
La cronología sigue abierta. Los próximos hitos dependen de la evolución de los estándares y de la madurez del hardware, no solo de nuestras decisiones internas.
Lo que suelen preguntar equipos de riesgo, mesas de derivados y auditoría antes de tocar el pipeline de inferencia. Respuestas cortas, sin jerga legal.
El modelo no ve el historial de crédito ni las señales de morosidad en claro. Recibe representaciones cifradas, calcula y devuelve un resultado cifrado que solo el cliente descifra. La lógica de scoring no cambia; cambia dónde se ejecuta y qué queda expuesto en memoria durante la inferencia.
Se nota, y conviene medirlo antes de prometer nada. Los esquemas ML-KEM y ML-DSA añaden coste en el intercambio de claves y en la firma, no tanto en la operación aritmética. En producción se compensa con lotes, caché de sesiones y separar el camino crítico de la validación de contraparte.
Por canales laterales: tiempos de respuesta, consumo de CPU, orden de envío de órdenes, patrones de red. El cifrado convencional no cubre eso. Se mitiga con ruido controlado en los tiempos de ejecución, aislamiento por enclaves y rotación de parámetros del modelo.
No. Lo razonable es empezar por firma de órdenes y verificación de contrapartes, convivir con esquemas híbridos durante la transición y dejar para después los componentes donde el coste computacional pesa más que el riesgo inmediato. La criptografía ágil permite cambiar primitivas sin rehacer el modelo entero.
No las sustituye, las amplía. Una auditoría clásica revisa accesos, perímetros y registros. Aquí además hay que revisar qué se filtra por latencia, por consumo energético y por el propio comportamiento del modelo. Son dos capas distintas y conviene tratarlas por separado.
Si tu equipo está evaluando la transición, en contacto podemos revisar el caso concreto. Los criterios de tratamiento de datos están descritos en la política de privacidad.