Liberar el poder de las tecnologías que mejoran la privacidad en los servicios financieros

6

OMS Dra. Ellison Anne WilliamsFundador y director ejecutivo de Enveil

DLos datos son esenciales para casi cualquier negocio que opere en la economía digital actual, y el sector de servicios financieros no es una excepción. Las instituciones financieras, ya sean grandes bancos tradicionales o pequeñas fintechs (empresas de tecnología financiera), necesitan un acceso efectivo a los datos para tomar decisiones mejores y más informadas como parte de sus procesos comerciales iterativos. Sin embargo, los silos de datos y las limitaciones impulsadas por las necesidades regulatorias y de privacidad suelen ser barreras serias para una verdadera toma de decisiones basada en datos. Estas barreras también obstaculizan la capacidad de las instituciones financieras para abordar importantes desafíos globales, como el fraude y el lavado de dinero. de acuerdo a Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC)¹Aproximadamente entre el 2 y el 5 por ciento del producto interno bruto (PIB) mundial, o entre 800 mil millones y 2 mil millones de dólares, se blanquea cada año en todo el mundo.

Además de hacer frente a la delincuencia a esta escala masiva, las instituciones financieras están sujetas a algunas de las regulaciones de protección de datos más estrictas del mundo, incluido el Reglamento General de Protección de Datos (GDPR) de la Unión Europea (UE) y la Ley Gramm-Leach-Bliley. (GLBA) en los Estados Unidos. El incumplimiento de estas leyes puede dar lugar a importantes multas, consecuencias legales y daños a la reputación. Para ayudar a mitigar los riesgos de incumplimiento, cada año se gastan cientos de millones en soluciones diseñadas para permitir KYC (Conozca a su cliente) y CDD (Debida diligencia del cliente) dentro de estas guardias regulatorias.

A pesar de tales necesidades, hoy en día pocos esfuerzos se centran en proteger los datos mientras se utilizan o procesan, lo que permite a las instituciones financieras aprovechar la inteligencia de los clientes y otros datos confidenciales en todas las jurisdicciones o silos. Esa tendencia está empezando a cambiar al igual que la visibilidad de un grupo tecnológico conocido como tecnologías para mejorar la privacidad² La categoría gana reconocimiento por su capacidad para aprovechar el poder de los datos y al mismo tiempo abordar muchos de estos desafíos generales.

Tecnologías transformadoras

Hasta hace poco, el debate sobre las tecnologías que mejoran la privacidad, o PET, no había permeado plenamente en el mercado comercial en general. Sin embargo, gracias a los impresionantes esfuerzos de equipos de talla mundial, entre otros Naciones Unidas³tiene Sociedad de la realeza⁴ y Gobiernos de Estados Unidos y Reino Unido⁵Los líderes de la industria de servicios financieros y más allá están comenzando a reconocer los beneficios de esta familia transformadora de tecnologías. Gartner⁶ Recientemente predijo que para 2025, el 60 por ciento de las principales organizaciones y organizaciones gubernamentales utilizarán una o más técnicas informáticas para mejorar la privacidad en áreas como análisis, monitoreo estratégico y computación en la nube. El comisionado de información del Reino Unido, John Edwards, respaldó recientemente aún más esta idea. Lanzamiento de la política PET del ICO⁷. «Si su organización comparte grandes volúmenes de datos, datos de categorías especiales, le recomendamos que comience a considerar el uso de PET en los próximos cinco años. Los PET permiten compartir datos de forma segura y permiten a las organizaciones aprovechar al máximo los datos personales que poseen, impulsando la innovación. «.

Para las empresas de servicios financieros, el uso de PET permite el uso seguro, protector de la privacidad y eficiente de los datos, una capacidad crítica que hace avanzar a las organizaciones a través de la toma de decisiones inteligentes en plazos críticos para el negocio. Las tecnologías también se pueden aplicar a aplicaciones de aprendizaje automático (ML), que son cada vez más importantes para las empresas globales. El aprendizaje automático que preserva la privacidad, esencialmente PET aprovechados para respaldar el aprendizaje automático, ha surgido como una forma única de garantizar que los usuarios puedan aprovechar todo el potencial de la inteligencia artificial (IA) y el aprendizaje automático para extraer valor y aprovechar el poder de manera más eficiente. para habilitar funciones comerciales de datos críticos. De hecho, los PET se destacaron como un facilitador clave de una IA segura. Orden ejecutiva⁸ En Inteligencia artificial segura y confiable publicado recientemente por el presidente Biden.

Una forma en que las soluciones impulsadas por PET facilitan el uso seguro y privado de los datos es permitiendo a los bancos hacer referencias cruzadas, buscar y analizar de forma segura datos regulados en todos los silos, garantizando que los activos confidenciales permanezcan protegidos durante el procesamiento. La capacidad de aprovechar conjuntos de datos más amplios de esta manera que preserva la privacidad mejora los resultados al impulsar las prioridades, mejorar la calidad de los datos empresariales, reducir los falsos positivos y promover la eficacia de los esfuerzos internos, como las investigaciones de delitos financieros. Todas estas ganancias dan como resultado una mayor eficiencia operativa en formas que antes no eran posibles.

PET en acción

El cifrado homomórfico (HE) es un pilar crucial de la categoría PET. En su forma más básica, garantiza los datos que se utilizan⁹ permitiendo que los cálculos se realicen en el dominio cifrado. Por ejemplo, si el cifrado fuera una bóveda que protegiera datos confidenciales, las prácticas tradicionales requerirían que los datos se eliminaran de la bóveda cada vez que fueran utilizados o procesados. Esta exposición deja los datos y las operaciones vulnerables. HE permite que estas acciones se realicen en la bóveda, asegurando que la interacción y los resultados correspondientes estén protegidos.

Al utilizar HE, los bancos y las instituciones financieras pueden colaborar de forma segura a través de límites organizacionales o jurisdiccionales sin introducir nuevas variables sensibles en los almacenes de datos organizacionales. Los analistas bancarios pueden cifrar sus búsquedas en el entorno de confianza del banco. Luego, una consulta cifrada se puede enviar a otras jurisdicciones donde se puede procesar, garantizando que el contenido confidencial o regulado nunca se descifre ni se exponga a terceros.

Esto permite que los datos se utilicen sin comprometer las restricciones regulatorias o de seguridad ni aumentar los riesgos organizacionales. Al proteger los datos durante el procesamiento, también permite a las instituciones financieras aprovechar de forma segura los activos de datos externos, como fuentes de datos comerciales o conjuntos de datos públicos, de manera descentralizada sin exponer indicadores sensibles.

Para aplicaciones de IA y ML, los PET también se pueden utilizar para proteger modelos y aprovecharlos de forma segura fuera de los muros confiables de una institución financiera. A través de una IA segura impulsada por PET, los analistas pueden utilizar modelos de aprendizaje automático para extraer información de forma segura de fuentes de datos que residen en otras jurisdicciones o que son propiedad de terceros, incluso utilizando modelos patentados o altamente sensibles y aquellos capacitados en datos confidenciales.

Por ejemplo, si un banco quiere evaluar un modelo de ML para el riesgo del cliente en conjuntos de datos de otra jurisdicción operativa, debe respetar las restricciones regulatorias sobre la localización de datos, garantizando la privacidad y seguridad de los datos regulados en los que se entrenó originalmente el modelo. Al utilizar HE para cifrar el modelo, el banco puede evaluar de forma segura ese modelo cifrado en múltiples jurisdicciones para mejorar los resultados.

Otro pilar de la categoría PET, la computación multipartita segura, se puede utilizar para permitir la capacitación de modelos interjurisdiccionales. En este escenario, un banco quiere entrenar su modelo de riesgo de LD en los conjuntos de datos regulados de otro país, pero necesita proteger el modelo durante el proceso de capacitación para garantizar la privacidad y seguridad de los datos regulados y la medición cruzada en la que se basó originalmente el modelo. entrenado. -datos de formación regulados por jurisdicción. Si el patrón fuera visible durante el proceso de capacitación, se podría fácilmente aplicar ingeniería inversa para extraer información, y la organización podría correr el riesgo de violar las restricciones regulatorias. Esto hace que cualquier exposición del modelo sea responsabilidad directa del banco. Al aprovechar una solución de capacitación cifrada impulsada por PET, el banco puede entrenar de forma segura su modelo de aprendizaje automático cifrado sin mover datos entre conjuntos de datos ni recopilarlos en una única ubicación, mejorando su modelo de riesgo y brindando una toma de decisiones más informada sobre la incorporación de clientes.

El valor del PET

Los datos son un componente clave en las operaciones comerciales exitosas hoy en día, y la importancia de aprovecharlos de manera segura debería ser una prioridad, especialmente en industrias reguladas como las de servicios financieros. A medida que los consumidores de datos se familiarizan más con la familia de tecnologías conocida como PET, comprenden los impactos de estas nuevas capacidades en el ámbito empresarial: desbloquear el valor de los datos respetando al mismo tiempo las restricciones regulatorias y de seguridad.

Ahora nos encontramos en un punto de inflexión en el que la necesidad de aprovechar las fuentes de datos globales se está volviendo omnipresente. Los esfuerzos para ampliar nuestra comprensión colectiva del valor de los PET son esenciales porque estas tecnologías pueden mejorar nuestra capacidad de aprovechar de forma segura y privada los datos a través de silos para extraer conocimientos y desbloquear valor. Al mejorar nuestras capacidades para proteger datos a escala y utilizarlos de forma privada, el PET consolidará su lugar como tecnología transformadora en la era digital.

Referencias

¹ Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC): Lavado de dinero.

² Nombre de datos: «El argumento comercial a favor de las tecnologías que mejoran la privacidad,” Ellison Anne Williams, 25 de julio de 2023.

³ Laboratorio PET de la ONU: «El primer Hackathon virtual mundial del UN PET Lab«.

⁴ Sociedad de la realeza: «Tecnologías para mejorar la privacidad,” 23 de enero de 2023.

⁵ Desafíos del premio a las tecnologías que mejoran la privacidad: «Premios Challenge del Reino Unido y EE. UU.: En la Cumbre para la Democracia, el Reino Unido y EE. UU. anunciaron los ganadores del desafío para impulsar la innovación en tecnologías que mejoren la privacidad y refuercen los valores democráticos.«

⁶ Gartner: «Gartner identifica tendencias tecnológicas estratégicas clave para 2022.”Katie Costello y Meghan Rimol, 18 de octubre de 2021.

⁷ Oficina del Comisionado de Información (ICO): «La ICO insta a las organizaciones a aprovechar el poder de los datos de forma segura mediante el uso de tecnologías que mejoren la privacidad.” 19 de junio de 2023.

⁸ Casa Blanca: «ARCHIVO: El presidente Biden emite una orden ejecutiva sobre inteligencia artificial segura y confiable” 30 de octubre de 2023.

⁹ Envoltorio: «La tríada de datos.«