미겔 데 베가는 개인 정보 보호 강화 기술(PET) 및 분산 시스템을 전문으로 하는 컴퓨터 과학자이자 암호화폐 전문가입니다. 그는 Nillion의 공동 창립자이자 최고 과학 책임자로서 안전하고 분산된 컴퓨팅을 위한 암호화 방법 연구를 이끌고 있습니다. ^[1]

교육

데 베가는 1999년 마드리드 폴리테크닉 대학교(UPM)에서 통신 공학 석사 학위를 받았습니다. 이후 2008년 브뤼셀 자유 대학교(ULB)에서 동일 분야로 철학 박사(Ph.D.) 학위를 받았습니다. ^[2]

경력

데 베가는 학계 및 통신 연구 분야에서 경력을 시작하여 차세대 광 네트워크 개발에 중점을 둔 NOBEL 및 APSON과 같은 유럽 프로젝트에 기여했습니다. 이 기간 동안 그의 작업은 트래픽 엔지니어링, 광 버스트 스위칭, 모바일 및 IP 기반 시스템을 위한 서비스 품질(QoS) 프로토콜에 중점을 두고 네트워크 아키텍처 개발 및 특허를 포함했습니다. 그의 책임에는 네트워크 기술의 모델링, 시뮬레이션 및 성능 분석이 포함되었습니다.

연구 경력 후 데 베가는 Open Canarias에서 프로젝트 관리로 전환하여 금융 기관을 위한 소프트웨어 개발 및 현대화 프로젝트를 감독했습니다. 이후 Browseye, iFlikeU, Dialective를 포함한 웹 기술 및 사용자 상호 작용 도구에 중점을 둔 여러 스타트업을 공동 창립하면서 기업가적 단계를 시작했습니다. 이후 Treexor에서 데이터 과학 부사장이 되면서 데이터 과학으로 경력을 전환했습니다. 이 역할에서 그는 통계 모델링, 딥 러닝 및 머신 러닝을 사기 탐지 및 비즈니스 성과 최적화에 적용하는 팀을 이끌었습니다.

그의 관심사는 이후 인공 지능 및 개인 정보 보호 강화 기술로 좁혀졌습니다. 그는 Botdreams의 고문으로 활동하면서 호텔 산업을 위한 대화형 AI 도구 제작을 지원했습니다. 디지털 신원 회사인 Sedicii에서 그는 먼저 기술 고문으로 활동한 후 최고 기술 책임자(CTO)가 되었습니다. CTO로서 그는 영지식 증명(ZKP) 및 보안 다자간 연산(MPC)을 사용하여 신원 확인 및 규정 준수를 위한 솔루션을 개발하는 책임을 맡았습니다. 2021년 데 베가는 Nillion을 공동 창립하고 최고 과학 책임자 역할을 맡았습니다. Nillion에서 그는 다양한 PET를 통합하여 안전한 데이터 저장 및 연산을 위한 분산 인프라를 구축하기 위한 과학적 노력을 이끌고 있습니다. ^[3]

인터뷰

Nillion

Proof of Coverage Media와의 2025년 3월 인터뷰에서 데 베가는 AI 애플리케이션을 위한 개인 정보 보호 기술 활용에 대한 Nillion의 진행 상황에 대해 논의했습니다. 그는 사용자가 개인 정보를 의식하는 방식으로 AI와 상호 작용할 수 있도록 플랫폼에서 DeepMind의 R1 모델을 빠르게 배포한 점을 강조했습니다. 대화는 또한 AI 모델의 오픈 소스화가 사용자 개인 정보에 미치는 영향에 대해서도 다루었습니다. 데 베가는 개인 정보 보호 기능 통합이 개발자와 사용자 모두에게 원활해야 한다고 강조하면서 영지식 TLS와 같은 기술이 데이터 보호를 유지하면서 Web2와 Web3 인프라 간의 격차를 해소할 수 있다고 제안했습니다. 또한 그는 AI 에이전트 간의 통신과 에이전트 상호 작용의 효율성을 높이기 위한 안전하고 개인 정보 보호 프레임워크의 필요성을 언급했습니다. 토론은 데 베가가 AI 기술이 일상 생활에서 더욱 보편화됨에 따라 개인 정보 보호의 필요성을 특히 강조하면서 AI의 미래에 대한 열정을 표현하면서 마무리되었습니다. ^[7]

맹인 전사와 암호화폐

2025년 1월 Block By Block Show에서 데 베가는 팟캐스트 토론 중에 학문적 엔지니어링 및 수학에서 Web3 환경으로의 전환에 대해 자세히 설명했습니다. Nokia 및 Siemens와 같은 주요 통신 회사에서 근무한 후 그는 분산 네트워크에 매료되었습니다. 결국 그는 2013년에 영지식 증명을 발견한 후 개인 정보 보호 강화 기술로 전환했습니다. Nillion은 기존 블록체인 솔루션과 구별되는 고유한 개인 정보 보호 기술 세트를 사용하여 개인 데이터를 처리하기 위한 분산 인프라를 만들기 위해 2021년에 설립되었습니다. 대화는 Nillion이 개인 정보 보호 및 AI 틈새 시장에서 어떻게 자리매김하고 있으며 모듈 및 SDK를 통해 복잡한 개인 정보 보호 강화 기술에 더 쉽게 접근할 수 있도록 하여 개발자를 유치하는 것을 목표로 하는지 강조했습니다. 특히 개인 정보 보호 부문 내에서 Nillion의 가치 제안을 전달하는 데 따르는 어려움도 다루어졌으며, Web2 및 Web3 개발자가 애플리케이션에 개인 정보 보호 기능을 통합할 수 있는 잠재력을 이해하는 데 도움이 되도록 실용적인 사용 사례를 입증해야 한다고 강조했습니다. ^[8]

분산화의 미래

2025년 1월 MIDCRUVED에서 열린 LP Roundtable 토론에서 데 베가는 분산화, AI 및 개인 정보 보호에 대한 통찰력을 공유했습니다. 그는 통신 및 수학을 공부한 후 분산 시스템 및 암호화에 관심을 갖게 되어 분산 인프라 개발의 토대를 마련한 여정을 회상했습니다. 데 베가는 기본적인 챗봇에서 보다 자율적인 에이전트로의 AI 진화를 언급하면서 그들의 성장을 일반 명령이 분산 실행으로 이어지는 군사 계층 구조에 비유했습니다. 그는 특히 시스템이 민감한 개인 데이터를 수집함에 따라 AI에서 개인 정보 보호의 중요한 필요성을 강조했습니다. 데 베가는 또한 분산 기술이 특히 통신 및 AI에서 사용자 경험을 향상시키고 책임감을 증진할 수 있는 잠재력을 강조했습니다. Nillion이 임박한 출시를 준비하면서 그는 개인 정보 보호 강화 기술의 미래 애플리케이션과 분산 AI 솔루션을 형성하는 데 있어 그들이 수행할 역할에 대한 흥분을 표명했습니다. ^[9]

프레젠테이션

TFHE 부트스트랩 강화

2024년 11월, 데 베가는 FHE Summit II에서 두 편의 연구 논문인 Ripple과 Curl을 통해 TFHE 부트스트랩 강화에 대해 발표했습니다. 이 논문은 개인 정보 보호 강화 기술을 사용하여 AI를 실행하는 데 따르는 문제, 특히 완전 동형 암호화(FHE) 및 보안 다자간 연산(MPC) 프레임워크 내에서 비선형 함수를 평가하는 데 중점을 두었습니다. 그는 복잡한 함수를 평가하는 데 사용되는 조회 테이블을 압축하는 기술로 이산 웨이블릿 변환(DWT)을 도입하여 정확도를 희생하지 않고 효율성을 향상시켰습니다. 이 접근 방식은 입력 비트 수에 따라 기하급수적으로 증가하는 경향이 있는 기존 조회 테이블과 관련된 확장성 문제를 극복하는 데 도움이 되었습니다. 이 연구는 압축 및 속도 모두에서 상당한 발전을 보여주어 다양한 학술 및 산업 파트너와 협력하여 개인 정보 보호 기반 AI 애플리케이션에서 보다 효율적인 리소스 사용을 위한 프레임워크를 제공했습니다. ^[5]

신뢰 최소화 MPC

데 베가는 2023년 10월 DeCompute에서 신뢰 최소화 다자간 연산(MPC) 프로토콜 개발에 대해 발표하면서 선형 비밀 공유, 완전 동형 암호화(FHE) 및 가블 회로와 같은 빌딩 블록을 통합하여 확장 가능하고 분산된 솔루션을 만드는 것에 대해 논의했습니다. 그는 초기 인터넷의 공개적인 특성에서 현재의 중앙 집중식 Web2로의 전환과 기밀성을 손상시키는 경우가 많은 분산된 Web3 기술 도입으로 인한 문제점을 강조하면서 웹 개발의 역사적 맥락을 되돌아보았습니다. 데 베가는 건축적, 정치적, 논리적 차원에서 분산화를 이해하기 위한 프레임워크를 제시하고, 시민 공격 및 주식의 조용한 누출과 같은 문제를 해결하면서 효율적인 MPC 네트워크를 구축하는 데 있어 각 차원의 의미를 분석했습니다. 그는 각 암호화 기본 요소의 장점과 한계를 탐구하면서 이러한 기술의 조합이 개인 정보 보호 강화 기술의 다양한 사용 사례에 가장 효과적인 솔루션을 제공할 수 있다고 제안했습니다. ^[4]

패널

개인 에이전트

2024년 11월 Open AGI Summit에서 개인 에이전트가 일상 생활을 어떻게 변화시킬 수 있는지에 대한 패널 토론이 열렸습니다. 데 베가, Regan Peng(PinAI), Alex Hicks(Ethereum Foundation), Will Villanueva(BonkBot)는 AI 기반 에이전트가 개인 정보 보호, 신뢰성 및 사용자 경험에 미치는 영향에 대해 논의했습니다. 데 베가는 개인 AI에서 기밀성의 필요성을 강조하면서 이러한 에이전트가 특히 중앙 집중식 인프라에서 운영되는 경우 광범위한 개인 정보를 수집할 수 있다는 우려를 표명했습니다. Peng은 사용자 데이터 주권을 유지하면서 다양한 소스에서 데이터 수집을 용이하게 하는 개인 AI를 위한 분산 조정 계층의 개념을 도입했습니다. Hicks는 AI 에이전트 체인이 작업을 완료하는 것을 관리하는 데 따르는 잠재적인 문제점을 강조하면서 추가 에이전트가 추가될 때마다 출력의 신뢰성이 저하될 수 있다고 지적했습니다. 토론은 사용자 경험과 데이터 개인 정보 보호 간의 균형을 맞추는 것의 중요성을 강조하면서 AI 기술의 진화하는 환경에서 개인 정보에 대한 중앙 집중식 통제의 위험성을 인정했습니다. ^[6]