AnswersPublished22 sources
Singapore maakt privacyvriendelijke AI praktischer
Op 20 juli 2026 kondigden de Singaporese PDPC en IMDA nieuwe richtlijnen voor privacyversterkende technologieën aan, naast praktijkvoorbeelden uit hun proeftuin. Een zorgproject gebruikt Trusted Execution Environments voor cloudgebaseerde AI op medische beelden; Ant International combineert verschillende technieken...
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Op 20 juli 2026 kondigden de Singaporese PDPC en IMDA nieuwe richtlijnen voor privacyversterkende technologieën aan, naast praktijkvoorbeelden uit hun proeftuin.
- Een zorgproject gebruikt Trusted Execution Environments voor cloudgebaseerde AI op medische beelden; Ant International combineert verschillende technieken om gegevens samen te analyseren.
- De juiste aanpak hangt af van het doel: samen een model trainen terwijl gegevens lokaal blijven, of een kunstmatige dataset maken om te delen en te analyseren.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How are Singapore’s Personal Data Protection Commission (PDPC) and Infocomm Media Development Authority (IMDA) advancing privacy-preserving. Article summary: PDPC and IMDA are combining practical privacy-enhancing technology (PET) guidance with sandbox experimentation to make data-driven innovation easier without requiring unrestricted access to sensitive data; these initiati. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Organisaties beschikken soms over gegevens die nuttig zijn voor AI, maar kunnen of willen gevoelige dossiers niet samenbrengen op één plek. Singapore probeert die praktische drempel te verlagen met richtlijnen en proefprojecten rond privacyversterkende technologieën, oftewel PET's. De Singaporese Personal Data Protection Commission (PDPC) en de Infocomm Media Development Authority (IMDA) kondigden de initiatieven aan tijdens het Singapore Data Festival op 20 juli 2026. 1
38
Twee manieren om gegevens met meer privacy te benutten
PET's kunnen samenwerking mogelijk maken zonder de oorspronkelijke gegevens te delen, of gegevens zo aanpassen dat ze veiliger gedeeld kunnen worden. Die aanpakken dienen verschillende doelen: de keuze begint bij de vraag of organisaties samen een model willen ontwikkelen, of juist een dataset nodig hebben. 2
Federated learning: trainen terwijl gegevens lokaal blijven
Bij federated learning trainen organisaties een model met gegevens die verspreid blijven over hun eigen systemen. Ze wisselen modelupdates of samengevoegde inzichten uit, in plaats van hun ruwe gegevens simpelweg bij elkaar te zetten. 18
32
Zo kan samenwerking mogelijk worden wanneer gegevens bij verschillende organisaties berusten. Federated learning betekent op zichzelf niet dat elke uitwisseling of elk model zonder risico is. Passende privacy- en beveiligingsmaatregelen en goed bestuur blijven nodig. 16
Synthetische data: een dataset maken om te delen of te analyseren
Bij het genereren van synthetische data worden kunstmatige gegevens gemaakt, zodat organisaties niet de oorspronkelijke dossiers met elkaar hoeven uit te wisselen. Dat kan nuttig zijn voor een ander doel dan federated learning: werken met een dataset, in plaats van samen een model trainen terwijl de gegevens verspreid blijven. De gids van de PDPC over synthetische data richt zich op gestructureerde gegevens. 48
Kunstmatige data zijn niet automatisch anoniem. Organisaties moeten nog altijd nagaan of de gegenereerde gegevens informatie over personen kunnen onthullen en of ze geschikt zijn voor het beoogde gebruik. Ook benadrukt de PDPC dat PET's geen vervanging zijn voor degelijk gegevensbeheer, beveiliging, toegangscontrole of menselijk toezicht. 16
Wat de nieuwe richtlijnen bieden
De aankondigingen tijdens het Singapore Data Festival omvatten een nieuwe gids over federated learning en een bijgewerkte gids voor het genereren van synthetische data. De richtlijnen moeten organisaties helpen PET's in de praktijk toe te passen. Volgens berichtgeving over de gids voor federated learning bevat die onder meer stappenplannen voor invoering en aanbevelingen voor risicobeheer. 1
37
48
De keuze hangt af van de toepassing: federated learning past wanneer deelnemers samen een model willen ontwikkelen zonder hun oorspronkelijke gegevens te bundelen; synthetische data kunnen uitkomst bieden als er een dataset nodig is om te delen. Geen van beide methoden is een algemene vervanging voor het beoordelen van privacyrisico's, gegevenskwaliteit, beveiliging en praktische uitvoerbaarheid.
Proefprojecten testen PET's in de praktijk
IMDA introduceerde de PET Sandbox in 2022 als omgeving waar bedrijven privacytechnologieën kunnen uitproberen met ondersteuning van de autoriteit. 6
46 Nieuwe voorbeelden die in 2026 zijn aangekondigd, laten zien hoe verschillende technieken kunnen worden toegepast in de zorg en bij betalingen.
38
- Medische beelden: Volgens de aangekondigde casus gebruikt Singapore General Hospital Trusted Execution Environments voor cloudgebaseerde AI-verwerking van medische beelden. Het project laat zien hoe gevoelige gegevens in een beschermde omgeving kunnen worden verwerkt. De aankondiging bewijst op zichzelf niet dat er specifieke klinische voordelen of kostenbesparingen zijn behaald.
15
38
- Samenwerking rond betalingen: In de casestudy van Ant International worden federated learning, Multi-Party Computing en Homomorphic Encryption gecombineerd. De betrokken organisaties kunnen gemeenschappelijke klanten identificeren terwijl de onderliggende persoonsgegevens in hun eigen systemen blijven. Ook trainen ze gezamenlijk een voorspellingsmodel.
De voorbeelden maken duidelijk waarom proefprojecten belangrijk zijn: een PET moet passen bij de specifieke samenwerking, niet alleen een geruststellend privacylabel hebben. Testen kan organisaties helpen beoordelen of een techniek geschikt is voordat ze die op grotere schaal invoeren. 6
46
De praktische les voor organisaties
Singapore combineert richtlijnen met experimenten in de praktijk. Federated learning kan passen wanneer organisaties willen samenwerken met gegevens die lokaal blijven; synthetische data kunnen nuttig zijn wanneer een gegenereerde dataset het gewenste resultaat is. In beide gevallen is het verstandig om de technische en privacy-aannames te toetsen in de omgeving waarin de techniek gebruikt zal worden.
PET's kunnen de noodzaak verkleinen om oorspronkelijke gegevens bloot te stellen, maar vormen slechts één onderdeel van verantwoord datagebruik — geen garantie dat privacy altijd gewaarborgd is. 2
16
38
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Singapore maakt privacyvriendelijke AI praktischer"?
Op 20 juli 2026 kondigden de Singaporese PDPC en IMDA nieuwe richtlijnen voor privacyversterkende technologieën aan, naast praktijkvoorbeelden uit hun proeftuin.
What are the key points to validate first?
Op 20 juli 2026 kondigden de Singaporese PDPC en IMDA nieuwe richtlijnen voor privacyversterkende technologieën aan, naast praktijkvoorbeelden uit hun proeftuin. Een zorgproject gebruikt Trusted Execution Environments voor cloudgebaseerde AI op medische beelden; Ant International combineert verschillende technieken om gegevens samen te analyseren.
What should I do next in practice?
De juiste aanpak hangt af van het doel: samen een model trainen terwijl gegevens lokaal blijven, of een kunstmatige dataset maken om te delen en te analyseren.