Blog Posts

Buy now, pay later (BNPL) vendors and their solutions have exploded in popularity in recent years, propelled by the COVID-19 pandemic and rapid digital-commerce growth. It’s almost impossible nowadays to go to a store or visit a merchant’s website without seeing a banner or widget to buy now and pay later—usually in fixed-interest-based or interest-free installments—with an increasing, sometimes dizzying, number of vendor and financial institution offerings to select from.

データを暗号化したまま計算/加工できるコンフィデンシャル・コンピューティングの話題です。金融機関におけるAMLや金融不正防止に活用できるとみる専門家が増えています。

■ マネー・ロンダリング対策としてのコラボレーション
金融機関のマネー・ロンダリング対策は、従来のルールベース・アプローチから機械学習などを使ったリスクベース・アプローチへと進化しているが、犯罪者も常に手口を「改善」しており、資金洗浄のスピードも速くなっている。一方、金融機関は、送金先の本人確認（KYC）を強化するとカスタマー・エクスペリエンスの悪化につながることから、フォルスポジティブを減らせず、結果人手による精査が大きな負担となっている。

AMLの改善策として金融機関間の情報共有が考えられる。これまでのAML施策は、公けに提供されているブラック・リストに加え、各銀行が自社の過去の取引履歴データや経験した不正の手口等を活用しているが、例えば送金先の金融機関/口座情報やその先の取引銀行などの情報を当該金融機関と共有できれば、送金先の評価や資金の流れのトラッキング、他行で使われた不正手法との類似性の判断等に有効だと考えられている。ただ、個人情報保護法や顧客情報漏洩の懸念（自行の取引内容を競合他行に知られてしまう）も強く、情報共有の取組みは限定されている。

■ コンフィデンシャル・コンピューティング
データの保護の方策として暗号化がある。暗号化はデータ保存や通信回線上での保護には有効だが、CPUがデータを処理する際にはデータを復号化してメモリー上に展開する必要があり、金融機関同士の
情報共有ニーズには合っていないと考えられていた。