Witwasdetectie kan beter door privacy-proof samen te werken

Geld witwassen

Bij het witwassen van geld gaat het vaak om grote bedragen. Maar een beetje crimineel verspreidt het geld over meerdere transacties bij verschillende banken.. Daarbij gaat het vaak ook om een mix van nationale en internationale banken. En tel daar nog eens bij op dat criminelen bij het witwassen ook regelmatig cryptocurrencies inzetten. Kortom, als bank is het erg lastig om witwassen in zijn eentje te detecteren.

Multi-party computation (MPC)

Een mogelijke oplossing bij het tegengaan van geld witwassen, zit hem in het onderling uitwisselen van data. Maar dit moet uiteraard binnen de grenzen van wet- en regelgeving zoals de AVG gebeuren. Dit is mogelijk door gebruik van een flinke dosis artificiële intelligentie.

In nauwe samenwerking met onderzoek partners Rabobank, ABN AMRO, Volksbank, TMNL en CWI werkt TNO aan een multi-party computation (MPC) oplossing. Daarmee kunnen banken via een AI-systeem analyses uitvoeren op gezamenlijke data.

Cryptografie

Dankzij innovatieve encryptietechnologie kan dat op zo’n manier dat geen mens noch computer die data kan inzien. Banken kunnen deze oplossing in de toekomst ook internationaal inzetten. Privacy en vertrouwelijkheid van de data blijven namelijk gewaarborgd. Dit is dus een ideale uitgangspositie om samen via gefedereerde data-analyses witwaspraktijken aan het licht te brengen.

Rijkere datasets met AI

MPC-technieken lenen zich heel goed voor fraudedetectie en als onderzoekstool. Op de gefedereerd samenwerkende databases kan een AI model dus op een privacy-veilige manier veel effectiever analyses doen, manier, dan als dit model op maar één database zou draaien. Dat levert betere en nauwkeurigere resultaten op. Deze techniek opent de deur naar nieuwe toepassingen zoals bijvoorbeeld datadeling in de zorg.