Encrypted Data Virtual Machines

ISBN: 978-980-18-9246-5

Una propuesta de arquitectura para almacenamiento persistente que reorganiza técnicas conocidas dentro de un marco axiomático unificado, con el objetivo explícito de minimizar el trabajo computacional asociado al acceso al dato y por extensión, mejorar la eficiencia energética y la verificabilidad del sistema.
Descubre cómo implementar bases de datos y APIs de alta velocidad con cifrado nativo, ahorrando hasta un 90% en tu factura de almacenamiento Cloud manteniendo tus datos seguros. (ver índice temático)

¡BONUS INCLUIDO! Al comprar el libro obtienes GRATIS el software PON-DB Engine, PON-Reader y PON-Gateway para usarlo en tus proyectos educativos, personales o comerciales.

Precio de lanzamiento USD $14.99 por tiempo limitado
(precio normal $39.99) descarga inmediata tras el pago

cards
Con la tecnología de paypal
Entrega del producto

Formato: PDF.
La descarga es inmediata tras el pago. Recibirás un correo con un enlace personalizado.

Nota: Si no ves el mensaje en tu bandeja principal, revisa la carpeta de correo no deseado. Cualquier duda, escríba a roberto@pon-db.com.

Medios de pago

Paypal, Bolívares (pago móvil Venezuela), ACH, AirTM, Zelle y USDT.

Lectores en Venezuela: Pueden pagar en Bs. según tasa BCV oficial.

Solicitar información por Whatsapp:

Pregunta captcha desafío:

Para instrucciones detalladas sobre estos medios alternativos, por favor escribe a roberto@pon-db.com.


Patrocinio y Apoyo

Los patrocinios de empresas que deseen apoyar este proyecto son bienvenidos.

Este trabajo es fruto de una investigación independiente. Si deseas contribuir a su continuidad puedes Hacer una donación aquí

Estructura del Libro:

Explore el temario técnico y los fundamentos de la arquitectura eDVM.

PARTE I

Fundamentos Teóricos

Capítulo I: Ontología del Dato

  • Definición en sistemas embebidos frente a la Teoría de la Información.
  • Estructuras embebidas vs. indexación externa.
  • Direccionamiento vs. búsqueda (Rendimiento y consumo).
  • Capítulo II: Data Virtual Machines & eDVM

  • Soberanía del dato frente a KV-Stores y Learned Indexes.
  • Fundamentos de Shannon, Landauer y Kolmogorov.
  • El formato de archivo .pon y la estructura del motor.
  • Capítulo III: Determinismo Binario

  • Implementación con Álgebra de Boole y máscaras de bits.
  • Garantía de complejidad O(1) real (no amortizada).
  • Optimización en caché L1 y código branchless.
  • PARTE II

    Física, Rendimiento y Seguridad

    Capítulo IV: El Colapso de la Pila

  • Pipelines de acceso: Capas convencionales vs. PON Gateway.
  • Benchmarks reales frente a LMDB, Redis y RocksDB.
  • Modos de fallo críticos y exhaustión del TLB.
  • Capítulo V: Termodinámica de la Computación

  • Principio de Landauer evaluado numéricamente en hardware.
  • Minimización del coste energético y snapshots inmutables.
  • Medición real de energía mediante RAPL (Intel/AMD).
  • Capítulo VI: Seguridad y Zeroización

  • Vectores de ataque en RAM y cifrado AES-256-GCM estricto.
  • Protocolos de Zeroización verificable (Crypto-shredding).
  • Expiración temporal (Time-locked) y mitigación de canal lateral.
  • PARTE III

    Práctica, Axiomas y Validación

    Capítulo VII y VIII: Patrones y Anti-patrones

  • Catálogo de 13 patrones críticos (Zero-copy, Local-first).
  • 10 anti-patrones destructivos (Parsing innecesario en hot path).
  • Capítulo IX y X: Axiomática y Entorno Actual

  • Los 7 Axiomas matemáticos del modelo eDVM.
  • Casos de uso en el mundo real: Edge Computing y ML.
  • Anexos: Pruebas y Reproducibilidad

  • Scripts de entorno controlado y métricas de producción.
  • Caso a gran escala: Ingesta masiva de archivos mayores a 100GB.
  • Enlaces de Herramientas y Documentación

    Roberto C. Alemán

    Ingeniero en Informática

    Autor: Encrypted Data Virtual Machines & PON-DB Engine

    Linkedin Profile

    ¿Qué es PON> DB Engine?

    PON significa Positional Object Notation, es un conjunto de reglas, un protocolo de normalización de datos, una especificación de formato de archivo que en conjunto con el algoritmo RA-CHAMPI y a través de la aplicaciones del ecosistema PON-DB permiten realizar operaciones sobre los datos a alta velocidad mientras se conservan seguros en reposto y tránsito.

    PON-DB Engine es el primer motor de base de datos con cifrado nativo, desarrollado desde cero en LATAM y el primer motor de acceso a datos creado en Venezuela, diseñado para operar en escenarios extremos de bajos recurso de hardware manejando grandes cantidades de datos en alta frecuencia y a la vez protegidos con el estandar AES-256GCM, todo el algoritmo está encapsulado en un formato binario único, portátil que no necesita instalación para su despligue en producción.

    Esta propuesta alternativa esta creada para tratar el archivo de datos no como una estructura de almacenamiento convencional, sino como una extensión directa de la memoria física. Su arquitectura se basa en la creación de archivos .pon de alta densidad, donde cada punto de información posee una dirección exacta y predeterminada, eliminando así la necesidad de capas de traducción intermedias o sistemas de gestión relacional complejos, siguiendo el planteamiento de la teoría desarrollada por Roberto C. Alemán acerca de las Maquinas Virtuales de Datos Cifradas o Encrypted Data Virtual Machines y que ha formalizado en el libro que lleva el mismo nombre.

    Siguiendo esta misma línea de pensamiento, también podríamos verlo como una base de datos autónoma, un motor que almacena los datos y un analizador que los lee y los encuentra según las reglas del algoritmo.

    El software PON-DB es una implementación práctica basada en los principios de computación centrada en datos , donde la prioridad se desplaza de la aplicación a la eficiencia, la permanencia y la autonomía de los datos. Este paradigma busca tratar los datos como la fuente permanente de valor, permitiendo que existan independientemente de las aplicaciones. En el caso de PON-DB, esto se traduce en archivos que no son simples contenedores pasivos, sino estructuras "inteligentes" que integran su propio motor de búsqueda y cifrado, lo que permite consultas O(1) sin depender de una infraestructura de base de datos externa o compleja.

    Con este enfoque, PON-DB rompe con el modelo tradicional centrado en la CPU, donde los datos deben transferirse constantemente a la aplicación para su procesamiento. En cambio, al encapsular la lógica de acceso y la seguridad directamente en el formato de archivo (como el archivo .pon), logra lo que la computación centrada en datos define como agilidad y flexibilidad operativa: los datos se vuelven "líquidos" y portátiles. Esto permite que el software (el Lector, que ocupa solo 180 KB) actúe simplemente como una clave mínima para desbloquear el potencial de los datos, garantizando un rendimiento extremo y una seguridad descentralizada que se mantiene constante independientemente del entorno donde reside la información.

    White Paper


    Ejemplo de uso de PON-DB Engine:

    NYC Taxi 2023 dataset.

    
    
    Ingest Process  with PON-Engine:
    $ ./pon-db-engine 2023_Yellow_Taxi_Trip_Data.json --index=tpep_pickup_datetime 
    Index per: ["tpep_pickup_datetime"]...
    PON file saved as: 2023_Yellow_Taxi_Trip_Data.json.pon 
    Key saved as: masterkey_jCGndDBJ_2026-03-15.bin 
    PON-DB GREEN COMPLIANCE INGEST REPORT (V8.6)
    TIMESTAMP: 2026-03-26 21:29:37
    STATUS: VERIFIED (GREEN)
    ROWS PROCESSED: 38,310,226
    TIME ELAPSED: 1433.909838 seconds
    THROUGHPUT: 26717.32 rows/sec
    INTEGRITY:
    ORIGINAL SIZE: 18489371731 bytes
    FINAL SIZE:     20268269745 bytes
    md5sum 2023_Yellow_Taxi_Trip_Data_20260312.json
    ed80168b4309347067a5835510554582
    md5sum 2023_Yellow_Taxi_Trip_Data_20260312.json.pon
    4118b0a2987c79315393be4156cb0caf
    -------------
    Query Process with PON-Reader:
    # Initiating query...
    $ time ./pon-db-reader 2023_Yellow_Taxi_Trip_Data_20260312.json.pon query "tpep_pickup_datetime=tpep_pickup_datetime=01/01/2023 12:40:36 AM" --key=masterkey_irBqC5yW_2026-03-26.bin --nomsg
    
     
    {"VendorID": "2", "tpep_pickup_datetime": "01/01/2023 12:40:36 AM", "tpep_dropoff_datetime": "01/01/2023 12:45:03 AM", "passenger_count": "1", "trip_distance": "0.85", "RatecodeID": "1", "store_and_fwd_flag": "N", "PULocationID": "237", "DOLocationID": "263", "payment_type": "1", "fare_amount": "5.8", "extra": "1", "mta_tax": "0.5", "tip_amount": "2.16", "tolls_amount": "0", "improvement_surcharge": "1", "total_amount": "12.96", "congestion_surcharge": "2.5", "airport_fee": "0"}
    
    real    0m0.020s
    user    0m0.016s
    sys     0m0.004s
    
    
    
    Descarga el dataset original y compara.! : NYC Yellow Taxi 2023 – Data.gov
    verified VirusTotal Verdict (AI Audit)

    After an exhaustive analysis of behavior in the Sandbox, the world's leading platform certifies:

    "The sample is a legitimate proprietary commercial tool... exhibits heavy use of DRM and anti-tamper mechanisms for data integrity and decryption."
    - Behavioral Analysis Report 2026

    Status: 0/60 Undetected (Malware Clean).

    keyboard_lockProtection Engineering
    • Hardware-Locking: Unique linkage through Product_UUID y CPU_Info for permanent licenses.
    • Native Cryptography: Using extensions AES-NI y SHA-256 integrated into the silicon for maximum speed.
    • Data Sovereignty: 100% Standalone. No outgoing network connections. (Network: NOT FOUND).