Armoedebestrijding kan doeltreffender met behulp van data-analyse

Thema:
Multi party computation
Privacy enhancing technologies
18 oktober 2022

Met de historisch hoge inflatie en stijgende energierekening is armoedebestrijding relevanter dan ooit. Multi-Party Computation kan uitvoeringsinstanties helpen om burgers te benaderen die recht hebben op extra steun.

Inzichten nodig voor armoedebestrijding Nederland

Uit de Augustusraming van het Centraal Planbureau (CPB) blijk dat het totaal aantal arme personen stijgt van ruim 1,1 miljoen (6,7% van de bevolking) in 2022 naar bijna 1,3 miljoen (7,5%) volgend jaar. Met maatregelen als het energieplafond en de verhoging van het minimumloon en de uitkeringen, hoopt het kabinet een groeiende groep kwetsbare huishoudens te beschermen.

Voor effectief armoedebeleid is meer inzicht nodig in de vele dimensies van armoede. Kerstel Nijland, projectmanager bij de Sociale Verzekeringsbank (SVB): “Armoede heeft niet alleen te maken met te weinig financiële middelen; maar het heeft ook een dimensie die betrekking heeft op welzijn, gezondheid en kansenongelijkheid. Armoede is daarmee een belangrijke indicator voor zowel de kwaliteit van leven als de kwaliteit van de samenleving. Het voorkomen en bestrijden van armoede is daarom meer dan alleen een kwestie van meer geld.”

Voor een uitvoeringsorganisatie als de SVB is het daarom belangrijk om in de uitvoering rekening te kunnen houden en inzicht te hebben in deze dimensies. Gegevensanalyses van gemeentes en uitvoeringsinstanties kunnen helpen om tijdig signalen te herkennen, door te verwijzen en maatwerk te leveren. Technologie kan helpen om die inzichten te krijgen. Maar hoe zorg je ervoor dat de privacy van burgers wordt gewaarborgd?

Oplossing voor de data-paradox

Nieuwe technologieën zoals Multi-Party Computation (MPC) bieden uitkomst. Alex Sangers, Projectmanager Privacy Enhancing Technologies bij TNO, legt uit hoe het werkt: “Als je een bepaalde doelgroep probeert te vinden, zou je het liefst een heleboel gegevens willen inzien om die doelgroep te herkennen. Tegelijkertijd wil je zo min mogelijk data delen en gebruiken.

MPC helpt bij die paradox. Je kunt inzichten uit data halen, zonder dat je zelf de data hoeft in te zien. Deze technologie maakt gebruik van geavanceerde cryptografie, die normaalgesproken wordt gebruikt bij het veilig opslaan of versturen van data. Bij MPC gebruiken we cryptografie om data die verwerkt wordt veilig te versleutelen. Tijdens dat proces zijn de gegevens niet inzichtelijk.

MPC schiet ouderen te hulp

Maar hoe kan Multi-Party Computation concreet bijdragen aan armoedebestrijding? Om daar achter te komen, gaat TNO samen met de SVB en UWV een eerste pilot opzetten voor de Aanvullende Inkomensvoorziening Ouderen (AIO).

Deze regeling is bedoeld voor ouderen die te weinig inkomen of vermogen hebben om rond te kunnen komen. Ze hebben bijvoorbeeld onvoldoende AOW opgebouwd omdat ze op latere leeftijd in Nederland zijn komen wonen. Ligt hun gezinsinkomen onder de inkomensdrempel, dan hebben zij recht op AIO.

Kerstel Nijland: “De AIO vult in dat geval de AOW-uitkering aan tot op bijstandsniveau, waarmee het een belangrijk instrument is om deze doelgroep voor schulden en armoede te behoeden. Een substantiële groep, naar schatting zo’n 30%, maakt nog geen gebruik van de regeling, maar de SVB mag niet zomaar het gezinsinkomen opvragen.”

Technologie met veel potentie

Hier biedt MPC uitkomst, legt Alex Sangers uit: “Dankzij deze technologie kunnen we gegevens veilig verwerken, zonder ze te hoeven inzien, waardoor we precies zien wie mogelijk recht heeft op AIO.”

Multi-Party Computation technologie kan op termijn een groot verschil betekenen voor veel ouderen die op de armoedegrens balanceren.

Kerstel Nijland: “De AIO-regeling geldt niet met terugwerkende kracht. Dus als je een gat in je AOW hebt, kun je mogelijk voor een langere periode inkomen mislopen. De AIO-pilot maakt duidelijk dat het potentieel van MPC bij armoedebestrijding groot is, omdat meerdere regelingen zelf moeten worden aangevraagd. Denk aan de aanvullende beurs waar sommige jongeren recht op hebben.”

Toekomst met MPC voor pro-actievere dienstverlening

Tot slot, wat zijn de wensen en verwachtingen voor de toekomst van MPC? Alex Sangers: “Mijn hoop voor deze technologie is dat het de overheid in staat stelt om haar dienstverlening pro-actiever in te richten en burgers meer maatwerk te bieden om zo een concrete maatschappelijke bijdrage te leveren.”

Kerstel Nijland: “Daar sluit ik me volledig bij aan. Met als kanttekening dat technologie nooit het doel op zich mag zijn. Daarom gebruiken we deze proef ook om ons proces tegen het licht te houden en beter te snappen waarom mensen nog geen gebruik hebben gemaakt van de regeling. Wat is het achterliggende probleem?”

Alex Sangers: “Eens, je moet deze technologie alleen gebruiken waar dat nodig is. Aan de andere kant: naarmate we meer ervaring opdoen met MPC wordt het ook steeds toegankelijker en beter inzetbaar.”

Podcast MPC

Beluister de podcast over Multi-Party computation

Laat je verder inspireren

7 resultaten, getoond 1 t/m 5

HERACLES project voor benutten gezondheidsdata van start

Informatietype:
Nieuws
23 december 2022

In het HERACLES project werken we gezamenlijk aan het toegankelijk maken van patiëntdata. Met behoud van privacy, door privacy enhancing technologies.

Privacy enhancing technologies

Informatietype:
Artikel

Bij TNO werken we aan privacyverhogende technologieën zoals MPC. Ontdek hoe u dit voor uw organisatie kunt gebruiken met respect voor de privacy.

Federated learning: maak kennis met privacybestendige data analyse

Informatietype:
Artikel

Federated Learning is een privacyvriendelijke manier om data te analyseren. Het gebruikt een decentrale en privacyvriendelijke vorm van machine learning.

Secure multi-party computation

Informatietype:
Artikel

Hoe deel je als organisatie veilig informatie zonder gevoelige data prijs te geven? Wij leveren een bijdrage door Secure Multi-Party Computation.

Deel het inzicht, niet de data

Informatietype:
Nieuws
1 juli 2021

Linksight is een door TNO opgerichte spin-off en maakt het mogelijk om data-analyses te doen op privacygevoelige datasets, zonder dat de onderliggende gegevens gedeeld of ingezien worden. De data blijft altijd alleen bij de bron.