Zo werken er bij de Nederlandse banken duizenden medewerkers (de zogenaamde due diligence) die ongebruikelijke transacties monitoren.(1) Om deze ongebruikelijke transacties te vinden, werken de banken steeds meer met (machine learning) algoritmes in plaats van regelgebaseerde detectie. Door algoritmes uit te voeren op transactienetwerken kan meer inzicht verkregen worden in criminele geldstromen. Een beperking bij het uitvoeren van deze algoritmes is echter dat elke bank slechts zicht heeft op de in- en uitgaande betalingen van zijn eigen rekeninghouders. Over de rekeninghouders van andere banken mogen zij wegens privacywetgeving niet zomaar informatie ontvangen. Ook de transacties tussen andere banken blijven buiten het zicht. Hierdoor blijven veel criminele geldstromen verborgen. Met technieken zoals Secure Multi-Party Computation (MPC) kunnen banken echter wél algoritmes uitvoeren op het gehele transactienetwerk.
Secure multi-party computation (MPC)
Stel dat twee miljonairs willen weten wie van hen de rijkste is, zonder hun vermogen met elkaar te delen. Ze kunnen hiervoor een derde persoon in vertrouwen nemen. Deze persoon kan de miljonairs dan vertellen wie de rijkste is. In de praktijk is zo’n Trusted Third Party of TTP echter niet altijd beschikbaar of erg kostbaar.
Met behulp van MPC kunnen de miljonairs samen een berekening uitvoeren, met als einduitkomst wie van hen de rijkste is, met de zekerheid dat zij niet elkaars vermogen leren.
MPC is een verzamelnaam voor technieken waarbij gezamenlijk veilig berekeningen kunnen worden uitgevoerd door meerdere partijen. Het zijn wiskundige protocollen die de TTP vervangen en met wiskundige zekerheid privacy van de input én juistheid van de uitkomst garanderen. MPC biedt een oplossing voor als men wil samenwerken maar geen gevoelige data wil delen.
Lees het hele artikel verder onder Download.