Integramos modelos de riesgo bancario y valoración de derivados sobre esquemas ML-KEM y ML-DSA, con inferencia que nunca descifra los datos en memoria. Diseñamos, auditamos y migramos pipelines de scoring donde la estrategia algorítmica y el historial de crédito permanecen fuera del alcance de un atacante con capacidad cuántica.
Preguntas que llegan cuando un banco o una mesa de derivados evalúa mover sus modelos de riesgo a esquemas resistentes a ataques cuánticos. Respuestas directas, sin jerga legal innecesaria.
Que las primitivas criptográficas que protegen el modelo y sus datos de entrada resisten ataques de un ordenador cuántico con capacidad suficiente. En la práctica se traduce en usar ML-KEM para el intercambio de claves y ML-DSA para firmas, en lugar de RSA o curvas elípticas. El modelo sigue siendo el mismo; cambia el envoltorio que protege su ejecución y sus pesos.
No necesariamente. Si el pipeline de inferencia ya trabaja sobre representaciones cifradas, el cambio afecta al esquema criptográfico, no a la arquitectura de la red. Reentrenar solo tiene sentido cuando se modifican las features por motivos de privacidad, por ejemplo al sustituir variables sensibles por agregados. En la mayoría de migraciones que hemos visto, el modelo se mantiene y se valida contra el mismo conjunto de pruebas.
Depende del esquema y del hardware. Con ML-KEM y ML-DSA en CPUs modernas, el sobrecoste por operación criptográfica suele quedar en el rango de milisegundos bajos, absorbible en la mayoría de flujos de decisión crediticia. El cuello de botella real aparece en la firma de lotes grandes de operaciones o en la verificación de contrapartes en mercados de alta frecuencia, donde conviene evaluar aceleración por hardware o esquemas híbridos durante la transición.
El cifrado no cubre tiempos de ejecución, consumo energético ni patrones de red. Para eso se trabaja con ruido controlado en los tiempos de respuesta, aislamiento por enclaves y rotación periódica de parámetros del modelo. También conviene auditar el orden en que se envían las órdenes, porque ahí se reconstruyen señales sin necesidad de romper ninguna clave.
Sí, y de hecho es lo recomendable. Los modos híbridos combinan un esquema clásico con uno postcuántico para que la seguridad no dependa de un único supuesto. Permiten desplegar por fases: primero firma de órdenes, después intercambio de claves, y por último la protección del propio modelo. Cada fase se valida por separado antes de retirar el componente clásico.
La ruta de los datos sensibles: de dónde salen, dónde se descifran y quién tiene acceso a las claves. Después, los puntos donde el modelo expone información por comportamiento, no por contenido. Y por último, los contratos con terceros que tocan el pipeline, porque una migración interna no sirve de nada si un proveedor sigue operando con primitivas antiguas.
Si tu caso no encaja en ninguna de estas preguntas, conviene revisarlo con detalle antes de decidir el orden de migración. Puedes escribirnos con el contexto técnico o revisar primero las condiciones de tratamiento en nuestra política de privacidad.
Trabajamos con equipos de riesgo, mesas de derivados y áreas de cumplimiento que necesitan puntuar operaciones sin exponer los datos que alimentan el modelo. Cada servicio cubre una parte concreta del ciclo: desde la firma de la inferencia hasta la auditoría de fugas laterales en producción.
El modelo de scoring se ejecuta sobre representaciones cifradas con esquemas ML-KEM y ML-DSA. Los historiales de crédito y las señales de morosidad nunca se descifran en memoria durante la evaluación. Ajustamos el pipeline para que la latencia se mantenga dentro de los umbrales que exige una decisión de crédito en tiempo real.
Las órdenes y las confirmaciones de contraparte se firman con algoritmos resistentes a ataques cuánticos. Revisamos qué componentes de la mesa migrar primero, cómo convivir con esquemas híbridos durante la transición y qué exige la normativa europea en materia de criptografía ágil.
Una estrategia algorítmica se filtra por latencias, consumo de CPU o el orden de envío de órdenes, no solo por brechas directas. Medimos esos vectores en entornos de producción y aplicamos ruido controlado en tiempos de ejecución, aislamiento por enclaves y rotación de parámetros del modelo.
Conectamos los módulos postcuánticos con los motores de scoring y los libros de órdenes que ya están en uso. Sin reescribir el modelo desde cero: adaptamos las interfaces, los formatos de clave y los procesos de rotación para que el equipo pueda operar sin cambiar su flujo diario.
Sesiones técnicas para analistas cuantitativos, responsables de cumplimiento y equipos de infraestructura. Cubrimos qué cambia en la práctica cuando la criptografía deja de ser un supuesto estable y cómo se documentan las decisiones de arquitectura ante un regulador.
Si el equipo necesita ver cómo encaja esto en un caso concreto, hay un recorrido por soluciones y un análisis más detallado en el artículo sobre cifrado postcuántico en modelos de scoring.