Tokenización

Qué es la tokenización en palabras sencillas

La tokenización es el proceso de conversión de datos o activos en equivalentes digitales: tokens. Según el contexto, esta palabra significa cosas distintas, pero la esencia es la misma: sustituir la información sensible por un sustituto seguro que no tiene valor para los atacantes.

En términos simples, imagine que tiene una llave del apartamento. En lugar de mostrarla a todos, fabrica un «duplicado» especial con una forma modificada que solo encaja en su cerradura. Aunque alguien vea este duplicado, no podrá crear a partir de él una llave auténtica. La tokenización funciona así: usted sustituye los datos reales (el número de la tarjeta, los datos del pasaporte) por un conjunto aleatorio de caracteres (un token) que resulta inútil para los atacantes sin el sistema de descifrado.

La tokenización se emplea en tres áreas principales: la seguridad de la información (protección de los datos de pago), el blockchain (los activos digitales) y la inteligencia artificial (el procesamiento de los textos). Según Juniper Research, para 2027 el mercado mundial de la tokenización alcanzará los 5,2 mil millones de dólares, y más del 70 % de todas las transacciones del mundo pasarán por los sistemas de pago tokenizados. Lea sobre la protección de los datos en el artículo Seguridad de la información.

Tokenización en la seguridad de la información

Es un método de protección de los datos confidenciales por el que los datos reales (el número de la tarjeta bancaria, los datos del pasaporte, el SNILS, el NIF) se sustituyen por un conjunto aleatorio de caracteres: un token. El token no porta la información original; si el sistema del vendedor es hackeado, los hackers solo obtendrán tokens inservibles.

Cómo funciona en la práctica: cuando usted paga la compra a través del smartphone (Apple Pay, Google Pay, Mir Pay), el número real de la tarjeta no se transmite al vendedor. En su lugar, se genera un token único que funciona solo para esta transacción o para este vendedor. Incluso aunque la base de datos del vendedor se vea comprometida, los tokens no pueden usarse para otros pagos.

Ventajas principales de la tokenización para la seguridad:

• La protección de los datos: incluso si la base está hackeada, los tokens son inútiles sin el sistema de descifrado que se custodia aparte en un HSM (módulo de seguridad de hardware) confiable.
• Cumplimiento de los estándares: ayuda a cumplir los requisitos PCI DSS (estándar de seguridad de datos de la industria de las tarjetas de pago) y la 152-FZ para los datos personales.
• Seguridad de las transacciones: cada token es único para la operación o el vendedor, lo que impide la actividad fraudulenta.
• Reducción de la responsabilidad: las empresas no almacenan los datos personales reales de los clientes, lo que reduce los riesgos de fugas y las multas de los reguladores.

Lea sobre los estándares de seguridad en el artículo PCI DSS. En Rusia el sistema de tokenización se emplea activamente en el Sistema de Pagos Rápidos (SPR) y en el Sistema Nacional de Pagos Mir para proteger las operaciones.

Tokenización en blockchain y criptomonedas

En la industria cripto la tokenización es la representación de los activos reales (inmuebles, acciones, oro, obras de arte) en forma de tokens digitales en el blockchain, que permite:

• Dividir activos indivisibles: por ejemplo, vender el 1 % del apartamento o el 0,1 % del cuadro. Esto hace la inversión accesible a un amplio círculo de personas.
• Acelerar las operaciones: los tokens digitales pasan instantáneamente por el mundo sin intermediarios y papeleo.
• Aumentar la liquidez: activos difíciles de vender (inmuebles, obras) se vuelven realizables en el mercado global.
• Garantizar la transparencia: todas las operaciones con tokens se registran en el blockchain y quedan disponibles para verificación.

Ejemplos de activos tokenizados: inmuebles tokenizados (RealT), oro tokenizado (PAX Gold, Tether Gold), acciones tokenizadas de las compañías (Securitize). Lea sobre el blockchain en el artículo Blockchain.

Tokenización en la inteligencia artificial y PLN

En las redes neuronales y el procesamiento natural del lenguaje (PLN) la tokenización es la división del texto en fragmentos pequeños (palabras, subpalabras, sílabas o símbolos): tokens. Los modelos de lenguaje (por ejemplo, ChatGPT, Yandex GPT, GigaChat) no pueden leer las palabras enteras, por lo que el texto se convierte en identificadores numéricos que el ordenador puede procesar.

Ejemplo: la frase «He aprendido sobre tokenización» el algoritmo puede dividirla en tokens: [«He», «aprendido», «tokenización»] (tokenización por palabras) o [«H», «e», «aprendido», «token», «ización»] (tokenización por subpalabras).

Existen diferentes métodos de tokenización en el PLN: por palabras, por subpalabras (BPE — Byte-Pair Encoding, WordPiece), por caracteres (división en caracteres individuales). La elección del método incide en la calidad del modelo y su capacidad para procesar palabras desconocidas. Lea sobre la inteligencia artificial en el artículo Inteligencia artificial.

Comparación de la tokenización y el cifrado

Por la tokenización y el cifrado se entiende a menudo lo mismo, pero son métodos distintos de protección de datos; es importante entender sus diferencias para elegir el enfoque adecuado:

• Cifrado: la transformación reversible de los datos con una clave. Si usted tiene la clave, puede descifrarlos y obtener la información original. El cifrado puede ser matemáticamente violado con suficiente poder de cómputo.
• Tokenización: la sustitución de los datos por un sustituto aleatorio (token) que no contiene la información original: el token no puede «descifrarse» matemáticamente porque no almacena datos. La relación entre el token y los datos reales se guarda aparte, en un sistema protegido (Token Vault).

La elección entre la tokenización y el cifrado depende de la tarea: en las bases de datos suele usarse el cifrado; en las operaciones de pago, la tokenización, más segura y que cumple con PCI DSS. Lea sobre el cifrado en el artículo Cifrado de datos.