Medan AI inför öppen bankverksamhet, upprätthåller dataskydd den

Medan 80% av amerikanerna förlitar sig på bekvämligheten med finansiella appar, har ungefär 65% av finansiella organisationer världen över rapporterat att de har utsatts för en ransomware-attack 2024. Detta är inte en tillfällighet, eftersom finansiella organisationer är primära mål för illasinnade aktörer på grund av den enorma mängd personlig information de har. Routningsnummer, adresser, personnummer, transaktioner och personuppgifter utgör en guldgruva av möjligheter för cyberkriminella.

Under många år har det funnits hinder mellan finansiella institutioner och deras förmåga att dela data med varandra i syfte att skydda konsumenter och institutionella metoder. 2025 kommer dessa hinder att rivas i en modell som kallas “öppen bankverksamhet”. Denna innovation drivs av artificiell intelligens (AI) och avancerad kodning för att ge användarna en tydlig bild av sin finansiella hälsa. Ett enda profil kan innehålla kontobalanser, transaktionshistorik för Venmo eller PayPal och personliga insikter om individuellt utgifter. Med denna nya era av innovation följer dock risker. Finansiella institutioner är redan mål för illasinnade aktörer och att riva hinder mellan organisationer ökar möjligheterna för attacker.

Varför PET:er ensamma inte kan säkra öppen bankverksamhet

Dataskyddstekniker (PET:er) har dykt upp som avancerade verktyg som är utformade för att skydda denna diamantgruva av data. PET:er minskar institutionernas beroende av identifierbar personlig information samtidigt som de möjliggör för finansiella institutioner att analysera sammanställd data. Tjänsterna som PET:er erbjuder skiljer sig åt beroende på de verktyg och tekniker som används, några vanliga exempel är:

• Flervägssammanräkning: Med hjälp av kryptering och matematiska tekniker kan företag arbeta tillsammans på ett projekt utan att någonsin avslöja individuellt ägd rådata. Om det till exempel finns en rad bedrägeriförsök över banker, kan varje företag dela trender utan att avslöja någon individuell information. Med PET:er kan företagen spåra globalt bedrägeri trots skillnader i globala dataskyddslagar.
• Differentierad sekretess: Genom att lägga till “brus” i datamängder gör finansiella institutioner det nästan omöjligt att spåra data tillbaka till en individ. Utan att riskera noggrannhet skyddar databruset rådata.
• Homomorft krypterings: Det låter omöjligt, men företag kan utföra beräkningar på krypterad data utan att någonsin dekryptera den. Till exempel kan beräkningar göras på krypterade finansiella transaktioner utan att personlig data någonsin avslöjas. Frågorna som används kan till och med skyddas, vilket är särskilt användbart för att upptäcka brott över gränserna.
• Federerad inlärning: Slutligen, eftersom AI-modeller ökar i frekvens, möjliggör federerad inlärning att företag kan träna AI-modeller lokalt utan att samla alla datauppsättningar. Dessa mindre modeller kombineras slutligen för att utnyttja AI-modellens förmågor utan att någonsin flytta data.

Trots antalet metoder kan PET:er endast skydda data efter att den har samlats in och används. PET:er kan inte avgöra om insamling, bearbetning eller delning av data är lagligt från början. Regler som GDPR och CCPA kräver uttryckligt samtycke innan information bearbetas, även om den anonymiseras senare. PET:er kan hålla data säker, men utan den tydliga möjligheten att använda den från början, kan bearbetning av användarinformation vara olaglig.

Den saknade biten: Samtycke och preferenshantering

Plattformar för samtycke och preferenshantering (CPM:er) är den juridiska sidohjälpen till PET:er. CPM:er skapar en enda sanning om vad varje användare har (eller inte har) samtyckt till att dela. Detta säkerställer att en användares preferenser hedras, även när olika deltagande institutioner delar information i en modell för öppen bankverksamhet.

Utan CPM:er kan samtycke kastas åt sidan när finansiella institutioner korsar ledningar och slår samman information, vilket kan bli en regelefterlevnadsnattmara som väntar på att hända. Med CPM:er kan finansiella institutioner upprätthålla en spårning av tillstånd och försäkra kunder att deras val och förtroende respekteras.

Genom att kombinera PET:er med CPM:er är dagarna för att behöva avväga dataskydd till förmån för att få insikter förbi. Nu kan bankinstitutioner ge individer värdefull kunskap och föra branschen framåt utan att offra värdefull data.

Insatserna för förtroende och regelefterlevnad

Enligt Federal Trade Commission rapporterade konsumenter att de förlorat mer än $12,5 miljarder till bedrägeri 2024, en ökning med 25% jämfört med föregående år. När finansiella institutioner samlar data ökar värdet av den informationen. Storskaliga dataintrång kan undergräva kundförtroendet och erodera en institutions rykte.

Oavsett komplexiteten hos PET:er kan de inte garantera 100% säkerhet. PET:er kräver komplexa beräkningar och betydande branschexpertis för att stärka data. Precis som AI öppnar dörrar till innovation skapar det också fler möjligheter för illasinnade aktörer att lansera avancerade attacker som kan hitta hål i annars säkra system. Även juridiska gråzoner kvarstår medan regler som GDPR håller jämna steg med nya tekniker. PET:er är kraftfulla, men de är inte en ersättning för en stark grund för samtycke och preferenshantering.

Att bygga ett dubbellagrat försvarssystem

Öppen bankverksamhet erbjuder en ny era av finansiella möjligheter, från banktransparens till brottsförebyggande till en överlag bättre kundupplevelse. Inga av dessa möjligheter spelar någon roll om de inte byggs med dataskydd i åtanke. PET:er och CPM:er kan kombineras för att skapa en kraftfull ram som skyddar data på det tekniska planet samtidigt som kundförtroendet upprätthålls.

På tröskeln till en otrolig innovation kommer de finansiella institutioner som placerar kundförtroende som en kärnpelare i öppen bankverksamhet att vara de som trivs. När innovation och förtroende främjar varandra kan den finansiella branschen införa en starkare, säkrare värld för alla.