เมื่อ AI นำการธนาคารแบบเปิดมาให้ ความเป็นส่วนตัวของข้อมูลยังคงอยู่

ในขณะที่ 80% ของชาวอเมริกันพึ่งพาความสะดวกสบายของแอปพลิเคชันทางการเงิน ประมาณ 65% ขององค์กรทางการเงินทั่วโลกรายงานว่าประสบการโจมตีแบบแรนซัมแวร์ในปี 2024 ซึ่งไม่ใช่ความบังเอิญที่เกิดขึ้นโดยบังเอิญ องค์กรทางการเงินเป็นเป้าหมายหลักสำหรับผู้กระทำผิดที่มีปริมาณข้อมูลส่วนบุคคลจำนวนมากที่พวกเขาถือครอง รหัสเส้นทาง ที่อยู่ หมายเลขประกันสังคม การทำธุรกรรม และรายละเอียดส่วนบุคคลเป็นเหมือนเหมืองทองคำสำหรับผู้กระทำผิด

เป็นเวลาหลายปี มี障碍ระหว่างสถาบันการเงินและความสามารถในการแบ่งปันข้อมูลกันในความพยายามที่จะปกป้องผู้บริโภคและแนวปฏิบัติของสถาบัน ในปี 2025 สิ่งเหล่านั้นกำลังจะถูกทำลายลงในแบบจำลองที่เรียกว่า “การธนาคารแบบเปิด” นวัตกรรมนี้ได้รับการสนับสนุนจากปัญญาประดิษฐ์ (AI) และการเข้ารหัสที่ซับซ้อนเพื่อให้ผู้ใช้ได้รับภาพที่ชัดเจนเกี่ยวกับสุขภาพทางการเงินของตน โปรไฟล์เดียวอาจมีเงินในบัญชีเงินฝากและบัญชีออมทรัพย์ ประวัติการทำธุรกรรมของ Venmo หรือ PayPal และข้อมูลเชิงลึกที่เป็นส่วนตัวเกี่ยวกับการใช้จ่ายของแต่ละบุคคล ด้วยยุคใหม่นี้ของนวัตกรรมมาถึงความเสี่ยงด้วย สถาบันการเงินเป็นเป้าหมายสำหรับผู้กระทำผิดแล้ว และการทำลายกำแพงระหว่างองค์กรเพิ่มโอกาสสำหรับการโจมตี

ทำไม PETs เพียงอย่างเดียวไม่สามารถรักษาความปลอดภัยการธนาคารแบบเปิด

เทคโนโลยีการเพิ่มความปลอดภัย (PETs) ได้ปรากฏตัวขึ้นในฐานะเครื่องมือที่ซับซ้อนในการปกป้องข้อมูลเหล่านี้ PETs ลดการอาศัยข้อมูลส่วนบุคคลที่สามารถระบุได้โดยสถาบันการเงิน ในขณะเดียวกันก็ยังช่วยให้สถาบันการเงินสามารถวิเคราะห์ข้อมูลที่รวบรวมได้ บริการที่ PETs เสนอแตกต่างกันไปตามเครื่องมือและเทคนิคที่ใช้ บางส่วนรวมถึง:

• การคำนวณหลายฝ่าย: โดยใช้การเข้ารหัสและการคำนวณทางคณิตศาสตร์ บริษัทสามารถทำงานร่วมกันในโครงการเดียวโดยไม่ต้องเปิดเผยข้อมูลดิบส่วนบุคคลของแต่ละฝ่าย ตัวอย่างเช่น หากมีการพยายามฉ้อโกงหลายครั้งระหว่างธนาคาร แต่ละบริษัทสามารถแบ่งปันแนวโน้มโดยไม่ต้องเปิดเผยข้อมูลส่วนบุคคลใดๆ ด้วย PETs บริษัทเหล่านี้สามารถติดตามการฉ้อโกงระดับโลกได้尽管มีกฎหมายความเป็นส่วนตัวที่แตกต่างกันไปทั่วโลก
• ความเป็นส่วนตัวที่แตกต่าง: โดยการเพิ่ม “เสียง” เข้าไปในเซตข้อมูล สถาบันการเงินทำให้ไม่สามารถติดตามข้อมูลกลับไปสู่บุคคลใดบุคคลหนึ่งได้ โดยไม่ต้องเสี่ยงต่อความแม่นยำ “เสียง” ในข้อมูลปกป้องข้อมูลดิบ
• การเข้ารหัสแบบโฮโมมอร์ฟิก: แม้ว่าจะดูเหมือนเป็นไปไม่ได้ แต่บริษัทสามารถดำเนินการคำนวณบนข้อมูลที่เข้ารหัสโดยไม่ต้องถอดรหัสข้อมูล ตัวอย่างเช่น การคำนวณสามารถทำได้บนธุรกรรมทางการเงินที่เข้ารหัสโดยไม่ต้องเปิดเผยข้อมูลส่วนบุคคลใดๆ การซักถามที่ใช้สามารถปกป้องได้เช่นกัน ซึ่งมาตรฐานในการตรวจจับอาชญากรรมข้ามพรมแดน
• การเรียนรู้แบบสหพันธรัฐ: สุดท้าย เมื่อโมเดล AI เพิ่มขึ้น การเรียนรู้แบบสหพันธรัฐช่วยให้บริษัทสามารถฝึกโมเดล AI ที่ระดับท้องถิ่นโดยไม่ต้องรวมเซตข้อมูลทั้งหมดเข้าด้วยกัน โมเดลที่เล็กกว่านั้นจะถูกรวมเข้าด้วยกันเพื่อใช้ความสามารถของโมเดล AI โดยไม่ต้องย้ายข้อมูล

尽管มีวิธีการหลายวิธี PETs เพียงอย่างเดียวสามารถปกป้องข้อมูลหลังจากที่มีการรวบรวมและใช้งาน PETs ไม่สามารถกำหนดได้ว่าการรวบรวม การประมวลผล หรือการแบ่งปันข้อมูลนั้นเป็นไปตามกฎหมายหรือไม่ กฎระเบียบเช่น GDPR และ CCPA ต้องการความยินยอมอย่างชัดเจนก่อนที่จะประมวลผลข้อมูล แม้ว่าจะถูกทำให้ไม่สามารถระบุได้ในภายหลัง PETs สามารถรักษาความปลอดภัยของข้อมูลได้ แต่หากไม่มีความสามารถที่จะใช้ข้อมูลนั้นได้อย่างชัดเจน การประมวลผลข้อมูลของผู้ใช้อาจผิดกฎหมาย

ชิ้นส่วนที่หายไป: การจัดการความยินยอมและความชอบ

แพลตฟอร์มการจัดการความยินยอมและความชอบ (CPMs) เป็นคู่หูทางกฎหมายของ PETs CPMs สร้างบันทึกความจริงเดียวที่แสดงว่าผู้ใช้แต่ละคนได้ (หรือไม่ได้) ยินยอมให้แบ่งปันข้อมูล สิ่งนี้รับประกันว่าความชอบของผู้ใช้จะถูกรักษาไว้แม้ว่าสถาบันที่เข้าร่วมจะแบ่งปันข้อมูลในแบบจำลองการธนาคารแบบเปิด

หากไม่มี CPMs ความยินยอมอาจถูกทอดทิ้งไปในขณะที่สถาบันการเงินเชื่อมต่อและรวมข้อมูลเข้าด้วยกัน ซึ่งอาจกลายเป็นปัญหาด้านการปฏิบัติตามกฎระเบียบได้ ด้วย CPMs สถาบันการเงินสามารถรักษาบันทึกการอนุญาตและให้ความมั่นใจกับลูกค้าว่าทางเลือกและความไว้วางใจของพวกเขาได้รับการเคารพ

โดยการรวม PETs และ CPMs วันเวลาที่ต้องแลกเปลี่ยนการปกป้องข้อมูลกับการได้รับข้อมูลเชิงลึกได้หายไปแล้ว ตอนนี้ สถาบันการเงินสามารถให้ข้อมูลเชิงลึกที่มีคุณค่าแก่บุคคลและขับเคลื่อนอุตสาหกรรมไปข้างหน้าโดยไม่ต้องเสียสละข้อมูลที่มีค่า

ความเสี่ยงต่อความไว้วางใจและความปฏิบัติตามกฎระเบียบ

ตามรายงานของ Federal Trade Commission ผู้บริโภครายงานการสูญเสียมากกว่า $12.5 พันล้าน จากการฉ้อโกงในปี 2024 ซึ่งเพิ่มขึ้น 25% จากปีก่อน ในขณะที่สถาบันการเงินรวมข้อมูลเข้าด้วยกัน คุณค่าของข้อมูลนั้นเพิ่มขึ้น การละเมิดข้อมูลขนาดใหญ่สามารถทำลายความไว้วางใจของลูกค้าและกัดกร่อนชื่อเสียงของสถาบัน

ไม่ว่า PETs จะซับซ้อนแค่ไหน ก็ไม่สามารถรับประกันความปลอดภัย 100% ได้ PETs ต้องการการคำนวณที่ซับซ้อนและความเชี่ยวชาญในอุตสาหกรรมที่สำคัญเพื่อปกป้องข้อมูล ในขณะที่ AI เปิดโอกาสให้เกิดนวัตกรรม มันก็สร้างโอกาสให้ผู้กระทำผิดสามารถโจมตีได้เช่นกัน แม้ว่าจะมีพื้นที่สีเทาทางกฎหมายที่ยังคงอยู่ในขณะที่กฎระเบียบ เช่น GDPR ติดตามเทคนิคที่เกิดขึ้นใหม่ PETs มีพลัง แต่ไม่ใช่การแทนที่ฐานรากของการจัดการความยินยอมและความชอบที่แข็งแกร่ง

การสร้างระบบป้องกันแบบหลายชั้น

การธนาคารแบบเปิดนำเสนอยุคใหม่ของความเป็นไปได้ทางการเงิน ตั้งแต่ความโปร่งใสของธนาคาร การป้องกันอาชญากรรม และประสบการณ์ของลูกค้าที่ดีขึ้น ไม่มีโอกาสเหล่านั้นที่สำคัญหากไม่ได้สร้างขึ้นด้วยความเป็นส่วนตัวของข้อมูลในใจ PETs และ CPMs สามารถรวมกันเพื่อสร้างเฟรมเวิร์กที่ทรงพลังซึ่งปกป้องข้อมูลที่ระดับเทคนิคในขณะเดียวกันก็รักษาความไว้วางใจของลูกค้า

เมื่ออยู่บนจุดเริ่มต้นของนวัตกรรมที่น่าเหลือเชื่อ สถาบันการเงินที่วางความไว้วางใจของลูกค้าเป็นหลักสำคัญของการดำเนินงานการธนาคารแบบเปิดจะเป็น那些ที่จะประสบความสำเร็จ เมื่อนวัตกรรมและความไว้วางใจก้าวหน้าไปด้วยกัน อุตสาหกรรมการเงินสามารถนำโลกที่แข็งแกร่งและปลอดภัยยิ่งขึ้นมาให้กับทุกคน