
Linksight: inzicht zonder data te delen
Linksight: inzicht zonder data te delen
Linksight maakt daarvoor gebruik van Multi-Party Computation (MPC) voor rekenen aan versleutelde data, en blockchaintechnologie voor decentrale governance. Hierbij bouwt Linksight voort op TNO encryptietechnologie die in samenwerking met spelers uit de markt is ontwikkeld, en nu rijp genoeg is om in de praktijk ingezet te worden.
Door op deze manier te werken kunnen diverse datadeel problemen opgelost worden, zoals:
- Medisch onderzoek zonder patiëntgegevens te delen
- Fraude-onderzoek waarbij niets meer wordt geleerd dan noodzakelijk
- Benchmarking tussen bedrijven zonder concurrentie-gevoelige gegevens prijs te geven
Juridisch gezien geeft gebruik van het Linksight platform een sterke invulling van de AVG principes als privacy-by-design, proportionaliteit en data minimalisatie.

Data-driven werken vergt nieuwe manier van data-delen
Veel bedrijven en overheden willen “data-driven” worden. Dat wil zeggen dat zij besluiten willen kunnen nemen gebaseerd op feiten die blijken uit data. Daarvoor hebben ze vaak gevoelige gegevens van andere partijen uit de keten nodig. Dat kunnen persoonsgegevens zijn of concurrentiegevoelige data. Tegelijkertijd is er steeds meer awareness en handhaving van privacyregels (oa. AVG) en vormen datalekken een steeds groter risico. In de praktijk botst dit vaak, waardoor veel organisaties niet de inzichten kunnen krijgen die zij zoeken om echt data-driven te kunnen opereren. Daarom is de tijd rijp voor een nieuwe manier van datadelen, namelijk om alleen het inzicht te verkrijgen, en niet de onderliggende data.
Diverse sectoren lopen tegen belemmeringen van data-delen aan
Voorbeelden van sectoren waar dit datadeelprobleem belemmerend werkt zijn:
- Voor het doen van medisch onderzoek dienen vaak gegevens over meerdere zorgpartijen gecombineerd te worden, bijvoorbeeld van een ziekenhuis, een verzekeraar, en een huisarts. Maar krijgen onderzoekers wel alle juridische zaken rond om de patiëntdata te krijgen die ze nodig hebben voor hun onderzoek? Zowel de overheid als de financiële sector moet fraude ondervangen. Hiervoor is vaak ook data uit andere bronnen nodig. Maar mag die data wel gedeeld worden als je niet kunt voorkomen dat die data een eigen leven kan gaat leiden?
- Bedrijven willen graag weten hoe zij of hun toeleveranciers presteren. Maar leren anderen daardoor niet teveel informatie die hun concurrentiepositie verslechterd?
In al deze voorbeelden biedt het grote voordelen om wel de uitkomsten van een analyse te krijgen, zonder de onderliggende data te krijgen of hoeven delen met behulp van het Linksight platform.
Meer weten?
Neem contact met ons op
Laat je verder inspireren
HERACLES project voor benutten gezondheidsdata van start
In het HERACLES project werken we gezamenlijk aan het toegankelijk maken van patiëntdata. Met behoud van privacy, door privacy enhancing technologies.


Armoedebestrijding kan doeltreffender met behulp van data-analyse
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.


Privacy enhancing technologies
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
Federated Learning is een privacyvriendelijke manier om data te analyseren. Het gebruikt een decentrale en privacyvriendelijke vorm van machine learning.
Versterking digitale soevereiniteit maakt Europa politiek en economisch minder kwetsbaar
Doordat we in Europa voor onze digitale infrastructuur en data sterk afhankelijk zijn geworden van enkele Big-Techbedrijven uit niet-Europese landen, zijn we vanuit economisch en politiek perspectief kwetsbaar geworden. TNO adviseert overheden hoe hiermee om te gaan.

