Skip to main content

Vertrouwen

27 januari 2026

     

Engineering privacy: Van datasporen tot digitaal vertrouwen

Een ervaren privacy engineer legt uit hoe Mastercard miljarden transacties - en de mensen erachter - veilig houdt in een datagestuurde economie.

Google-logo

Vicki Hyman

Director,

Global Communications,

Mastercard

Murali Mani heeft het grootste deel van zijn leven doorgebracht als ingenieur, van zijn Ph.D. over de geometrie van beweging tot zijn werk met de integratie van chipsets in vroege HDTV's. Maar ongeveer tien jaar na zijn carrière stapte hij over van natuurkundige mechanica naar de onzichtbare architectuur van privacy engineering, waar de problemen moeilijker waren en de inzet vaak hoger.

Als senior privacy officer voor een wereldwijd bedrijf in de gezondheidszorg dat zich bezighield met klinische proeven en later als compliance leader voor een divisie voor medische apparatuur en een startup voor genetische tests, bouwde hij beschermingen op rond gezondheidsgegevens, die tot de meest gevoelige behoren - maar met waarborgen die artsen en onderzoekers nog steeds in staat stelden inzichten voor nieuwe behandelingen te ontsluiten zonder de privacy van patiënten in gevaar te brengen.

Voor Mani is het doel van privacy engineering altijd geweest om vertrouwen op te bouwen en mensen te beschermen en tegelijkertijd innovatie mogelijk te maken. Tegenwoordig is hij vicepresident voor Privacy, AI en Data Responsibility bij Mastercard, verantwoordelijk voor de bescherming van de transactiegegevens en andere gevoelige informatie van het bedrijf nu kunstmatige intelligentie ruwe gegevens krachtiger maakt - en meer onthullend.

Nu de wereld digitaal is geworden, zijn gegevens niet langer gewoon een bijproduct van het leven. Het is het leven: onze aankopen, onze gewoonten, onze bewegingen, onze identiteiten. Als gevolg hiervan is het werk van privacy-engineers belangrijker en exponentieel moeilijker geworden. Gegevens verplaatsen zich sneller, overschrijden gemakkelijker grenzen en kunnen worden gecombineerd op manieren die veel meer onthullen dan iemand ooit van plan was, omdat AI-systemen patronen kunnen detecteren die onzichtbaar zijn voor mensen.

Regeringen over de hele wereld scherpen ook de regelgeving aan over hoe die informatie wordt gebruikt en waar het kan worden verwerkt, wat wereldwijde discussies over privacy, veiligheid en soevereiniteit oproept. Maar het beschermen van de informatie van mensen gaat niet alleen over naleving - het gaat ook over het anticiperen op hoe gegevens gebruikt, misbruikt of verkeerd begrepen kunnen worden.

 


     

"Als privacypersoon geef ik ze standaard veiligheidsvoorzieningen, zoals een gordel en een zijspiegel. Maar soms is het een airbag en antiblokkeerremmen — zodat iedereen beter beschermd is."

Murali Mani

    


 

Hoewel Mani met teams in het hele bedrijf werkt - met product- en softwareontwikkelaars, datawetenschappers, AI-experts en juristen - benadert hij dataprivacy als een ingenieur die nieuwe manieren zoekt om privacy in te bouwen in de machinerie van Mastercard.

En, zoals je van een engineer mag verwachten, gebruikt hij een automatische metafoor om zijn rol uit te leggen: "Het draait allemaal om het helpen van de teams die daadwerkelijk de data beheren, met hen praten en de controles implementeren," zegt hij. "Stel je voor dat het productteam een voertuig bouwt, met de nieuwste motor- en technologische functies, en als privacypersoon geef ik ze standaard veiligheidsvoorzieningen, zoals een veiligheidsgordel en een zijspiegel. Maar soms is het een airbag en antiblokkeerremmen — zodat iedereen beter beschermd is."

 

Van tokenisatie tot tagging

Na zijn vertrek bij de genetische teststartup was Mani op zoek naar een nieuwe uitdaging. Hij was geïntrigeerd door Mastercards investering in privacytechnologieën, vooral door het werk aan dataanonimisatie via Trūata, een in Dublin gevestigde "data trust" die begon als een joint venture met IBM en nu een geïntegreerd onderdeel is van Mastercards bedrijfsbrede databronnen. (De 20 minuten durende woon-werkverkeer naar het hoofdkantoor van Mastercard Purchase, New York, vanaf zijn huis in Westchester County hielp ook goed.)

Betalingsgegevens, zo leerde Mani al snel, zijn buitengewoon krachtig, maar ook uniek in hun samenstelling. In 2024 verwerkte Mastercard 159 miljard transacties en die informatie wordt geanonimiseerd en samengevoegd wanneer het wordt gebruikt voor gegevensinzichten. Maar Mastercard gebruikt ook technieken zoals tokenisatie - het vervangen van het creditcardrekeningnummer door een unieke plaatshouder - zodat de kaartgegevens niet kunnen worden herleid naar individuen als ze worden gehackt.

Dit zijn voorbeelden van privacycontroles, die in twee grote categorieën te onderscheiden zijn. Technische controles zijn ingebouwd in de systemen zelf - zoals het de-identificeren van gegevens voordat ze worden gebruikt. Administratieve controles berusten op mensen en processen, zoals het trainen van medewerkers om te herkennen wanneer iets er verkeerd uitziet. En in sommige situaties zijn beide nodig.

Het is Mani's taak om deze controlemechanismen te creëren en te verankeren, zodat de ongeïdentificeerde gegevens snel toegankelijk zijn en veilig en in overeenstemming met een groot aantal nationale en internationale voorschriften kunnen worden verwerkt.

Bijvoorbeeld is het beperken van het doel — het alleen gebruiken van data om de reden waarvoor het is verzameld — lastig te implementeren. Soms wordt het afgedwongen door training. Steeds vaker wenden bedrijven zich echter tot technische controles die voorkomen dat data voor ongeautoriseerde doeleinden wordt gebruikt. "Je kunt data als product creëren," zegt Mani, "en het platform zou voorkomen dat je het voor een ander doel gebruikt."

Ingenieurs van Mastercard ontwikkelen softwaretools voor dataprofilering, waarbij enorme datasets worden gescand om hun oorsprong, gevoeligheid en kenmerken te bepalen, net zoals een bloedtest laat zien wat er in het lichaam gebeurt. Het bedrijf onderhoudt ook aparte geïdentificeerde en niet-geïdentificeerde databases, zodat analisten nooit toegang hebben tot beide tegelijk, een beveiliging tegen heridentificatie.

Vandaag de dag, legt Mani uit, is een van de grootste uitdagingen op het gebied van wereldwijde privacy datalokalisatie - wetten die vereisen dat lokaal verkregen gegevens binnen de grenzen van een bepaald land blijven. Datatechnici werken aan tools om gegevens te labelen met tientallen attributen waarmee Mastercard deze regels automatisch kan afdwingen. In de toekomst kunnen gegevens worden getagd om contractuele vereisten en voorkeuren van klanten te weerspiegelen, zodat bijvoorbeeld een houder van een open bankrekening toestemming voor het delen van account- of transactiegegevens met derden kan verlenen, intrekken of verlengen. 

"Door de controles op schaal te implementeren," zegt hij, "kunnen we analytics op schaal gebruiken."

 

De volgende grens voor privacy-engineering

Mastercard verkent voortdurend andere technologieën die de privacy beschermen, zoals synthetische gegevens - kunstmatig gegenereerde datasets die echte gegevens nabootsen zonder enige connectie met onderliggende klantgegevens. Synthetische gegevens zijn nuttig voor demo's, testen en het evalueren van tools van derden, maar Mani waarschuwt dat AI-modelleurs de voorkeur geven aan echte trainingsgegevens.

Zogeheten clean rooms stellen Mastercard en zijn partners in staat om gegevens tijdelijk te combineren, analyses uit te voeren en de gegevens daarna te verwijderen. Dankzij meerpartijenrekentechnieken kunnen bedrijven inzichten afleiden uit deze gecombineerde datasets zonder de onderliggende informatie met andere partners te delen.

Was privacy al complex, AI maakt er driedimensionaal schaakspel van. Traditionele analyses categoriseren kaarthouders op basis van hoe vaak ze hun kaarten gebruiken. AI kan ingewikkelde gedragspatronen detecteren, signalen waar mensen nooit naar zouden zoeken. Die macht verhoogt het risico op heridentificatie en wat Mani de "griezeligheidsfactor" noemt.

"AI kan allerlei ingewikkelde signalen vinden waar we niet eens van weten," zegt hij, verwijzend naar een geval waarbij de data-analysesoftware van een grote retailer kon afleiden dat vrouwen zwanger waren en hun uitgerekende data kon schatten op basis van ogenschijnlijk onschuldige aankopen zoals ongeparfumeerde lotion.

De AI-teams van Mastercard beoordelen elke use case en passen strenge controles toe op de gevallen die worden goedgekeurd. Toepassingen met een hoog risico worden gestopt voordat ze in productie gaan. En in elk algoritme zit transparantie (laten zien hoe een AI-systeem werkt en welke gegevens het gebruikt), observeerbaarheid (volgen hoe het zich gedraagt om problemen te vinden en op te lossen) en hulpmiddelen om vooringenomenheid op te sporen, zodat mensen de output kunnen vertrouwen.  

 

Praktisch advies voor privacy

Ondanks de complexiteit van het bouwen van privacycontroles op wereldschaal, houdt Mani van zijn werk de mensen om hem heen. "Vooral dat ik met deze briljante mensen werk en elke dag iets nieuws leer," zegt hij. "En ik kan bijdragen aan die omgeving en nieuwe ideeën creëren en tegelijkertijd helpen de privacy te beschermen."

Aan de vooravond van Data Privacy Day op 28 januari is Mani's advies voor iedereen die zich zorgen maakt over zijn eigen digitale spoor veel eenvoudiger dan de systemen die hij ontwerpt: "Houd een laag profiel," zegt hij, ook op sociale media en zoekmachines, wat de broodkruimels die je online achterlaat minimaliseert. Schakel de cookies uit die je niet nodig hebt; zend niet uit waar je bent; beperk de oppervlakte van wat de wereld over je te weten kan komen.

Het is dezelfde filosofie die ten grondslag ligt aan Mastercard's benadering van gegevens: Vertrouwen wordt opgebouwd door veiligheid, integriteit en verantwoordelijkheid in te bedden in het mechanisme van het netwerk - vertrouwen dat is ontwikkeld en ook verdiend.

Jouw gegevens en hoe we die beschermen

We begrijpen dat persoonlijke informatie gewoon dat is — persoonlijk. Mensen hebben het recht te kiezen hoe, wanneer en waar hun persoonlijke informatie wordt gebruikt en gedeeld. 

Twee collega's kijken samen naar een laptop.