Onze slimme apparaten maken het steeds moeilijker om misdaden te plegen

Industries: Overheid
  • Dankzij slimme apparaten en het Internet of Things lopen criminelen sneller tegen de lamp
  • Kunstmatige intelligentie helpt bij het opsporen van fraude
  • Predictive policing voorkomt dat misdrijven plaatsvinden
  • Gezichtsherkenningstechnologie zorgt ervoor dat je je aan de regels houdt
  • RoboCop is geen sciencefiction meer
  • Nieuwe tech kent jou beter dan je jezelf kent

Sherlock Holmes en Hercule Poirot vertrouwen op een vergrootglas en een scherpe geest om misdaden op te lossen. Maar in een eigentijdse setting zouden deze fictieve personages hun opsporingsmethoden flink moeten aanpassen. Naast het zoeken naar ‘conventionele’ bewijsstukken als vingerafdrukken of videobeelden zouden ze ook op zoek moeten naar de digitale voetafdrukken die een verdachte met zijn slimme gadgets achterlaat. En dat is iets wat de politie wereldwijd al doet: misdaad bestrijden met behulp van state-of-the-art technologie – van kunstmatige intelligentie (KI) tot slimme apparaten en robots.

Dankzij slimme apparaten en het Internet of Things lopen criminelen sneller tegen de lamp

We zijn allemaal verknocht aan onze gadgets. Fitbit, bijvoorbeeld, monitort onze fysieke activiteit en houdt bij hoeveel stappen we zetten. De wearable weet zelfs wanneer we slapen. En we kunnen ons haast geen leven meer voorstellen zonder slimme luidsprekers als Amazon’s Echo of Google Home. Onderweg naar ons werk vertellen ze ons het laatste nieuws en ze bestellen zelfs een pizza als we geen zin hebben om te koken. Wat de meesten van ons echter niet beseffen is dat die slimme apparaten alles wat we doen in de gaten houden – ze kunnen zelfs als bewijsmateriaal gebruikt worden voor onze activiteiten. Andy Kleinick, hoofd van de afdeling cybercriminaliteit van de politie in Los Angeles, zegt dat iedereen op de een of andere manier wordt geobserveerd. “Ik denk dat iedereen zich moet realiseren – brave burgers, misdadigers, politieagenten – dat we op de een of andere manier allemaal gemonitord worden, door videocamera’s of op wat voor andere manier dan ook.”

En een aantal criminelen werd dankzij gegevens op hun smart devices onlangs in hun kraag gevat. Volgens The Guardian werd Richard Debate bijvoorbeeld beschuldigd van de moord op zijn echtgenote, Connie, toen haar Fitbit bewijs leverde dat Richard gelogen had. Hij had namelijk beweerd dat hij in hun huis in Connecticut door een gemaskerde man was mishandeld en dat de indringer zijn vrouw had vermoord. Connie’s Fitbit liet echter zien dat zij een uur nadat het alarm volgens Richard was afgegaan nog actief was. Hieruit bleek dat Richard gelogen had over wat er precies had plaatsgevonden. Met al die slimme apparaatjes die we bij ons dragen wordt het steeds moeilijker om een misdaad te plegen. Ook politiediensten tonen interesse in slimme technologie als digitaal bewijsmateriaal. Want alles – van smartwatches tot fitness-trackers en gameconsoles – bevat gegevens die als bewijs kunnen worden gebruikt. Kleinick en zijn team bieden rechercheurs en politieagenten trainingen over digitaal bewijsmateriaal. De cursussen zijn zo populair dat ze de vraag niet kunnen bijhouden. “Binnenkort ga ik fulltime trainingen geven omdat het hoofd van de LAPD wil dat iedereen cybertraining krijgt,” aldus Kleinick.

Een slimme Amazon Echo-speaker op een bureau met twee computerschermen erachter
En een aantal criminelen werd dankzij gegevens op hun smart devices onlangs in hun kraag gevat.

Kunstmatige intelligentie helpt bij het opsporen van fraude

Kunstmatige intelligentie (KI) en machine learning zijn allang geen ‘buzzwords’ meer. De technologieën worden op grote schaal en in alle sectoren gebruikt, ook in de beveiliging. Dat is maar goed ook, want we moeten alle zeilen bijzetten om criminaliteit te bestrijden. Volgens het rapport van Javelin Strategy & Research waren vorig jaar “ongeveer 15,4 miljoen consumenten het slachtoffer van identiteitsdiefstal of fraude”. Maar dankzij KI en machine learning kunnen we frauduleuze activiteiten nu beperken en binnenkort mogelijk zelfs helemaal uitbannen. ‘Supervised Machine Learning’ (SML) modellen voor de opsporing van fraude krijgen grote hoeveelheden gegevens te verwerken om een onderscheid te leren maken tussen ‘schone’ en ‘frauduleuze’ accounts en activiteiten. Maar aangezien criminelen altijd nieuwe manieren vinden om SML-systemen te omzeilen, moeten er voortdurend nieuwe gegevens aan het systeem worden toegevoegd. Zoals Ravi Sandepudi schrijft: “De snelste manier zou zijn om specifieke regels te schrijven voor het opsporen van nieuw frauduleus gedrag.” Sandepudi legt uit dat ‘Unsupervised Machine Learning’ modellen (UML) – in tegenstelling tot SML – zeer efficiënt zijn in het leren van sequenties en het voorspellen van het eerstvolgende incident.

Omdat criminelen vaak volgens bepaalde patronen werken, zou UML kunnen helpen bij het herkennen van modi operandi. Zowel SML als UML zullen blijven evolueren en hopelijk worden criminelen in de toekomst steeds vaker gepakt voordat ze de kans krijgen om te verdwijnen.

Predictive policing voorkomt dat misdrijven plaatsvinden

‘Predictive policing’ klinkt als een concept uit de film Minority Report. Voor degenen die de film niet hebben gezien: ‘predictive policing’ betekent dat de politie – door voorspellend te werk te gaan – misdrijven voorkomt. Sommige politiediensten zijn al uitgerust met voorspellende politieprogramma’s. In de Amerikaanse stad Homewood in Pittsburgh gebruikt men stadsplattegronden op basis van algoritmen die zijn ontwikkeld door wetenschappers van de Carnegie Mellon University. Met deze plattegronden kunnen ze plekken vinden “waar waarschijnlijk een misdaad zal plaatsvinden”. In tegenstelling tot wat de meeste mensen denken, heeft predictive policing niets te maken met het voorspellen van de toekomst. William Isaac, een analist van de Human Rights Data Analysis Group en een promovendus aan de Michigan State University, vertelde dat “ze eigenlijk ‘alleen maar’ voorspellen waar de volgende geregistreerde politiewaarnemingen zullen plaatsvinden.” Ook in Philadelphia en Miami zijn ze begonnen met predictive policing pilots. Een voorbeeld is HunchLab, een proactief, web-based patrouille-managementsysteem. HunchLab werd in 2014 door St Louis County Police Department in gebruik genomen, na de schietpartij in Ferguson. HunchLab biedt lijsten van soorten misdrijven, duidt de risiconiveau’s van verschillende stadsgebieden aan en geeft aanbevelingen over het inzetten van politiemiddelen om deze criminele activiteiten tegen te gaan. Niet iedereen is er echter enthousiast over.

Veel juridische deskundigen wijzen op de andere kant van de medaille en beweren dat “voorspellende technologie zich op oneerlijke wijze richt op onschuldige mensen, minderheden en kwetsbare personen”. Matthew Harwood en Jay Stanley van de ACLU schreven dat “Civiele libertariërs en burgerrechtenactivisten […] de neiging hebben om voorspellende politietechnologie te zien als potentiële nieuwe manieren waarmee de politie hun lange geschiedenis van profilering van arme en minderheidsjongeren voort kunnen zetten.” Maar, zoals in WIRED wordt gemeld, kan machine learning de politie juist helpen door misdaadpatronen te detecteren, en dat is het belangrijkste doel: misdaad stoppen voordat het gebeurt.

Gezichtsherkenningstechnologie zorgt ervoor dat je je aan de regels houdt

Gezichtsherkenningstechnologie biedt enorme mogelijkheden op het gebied van veiligheid en beveiliging. Met de technologie worden kenmerken als huidskleur, oogvorm, haarkleur en lachrimpels gescand en geanalyseerd. De Chinese startup SenseTime Co. verkoopt de technologie aan de politie onder de noemer ‘geavanceerde bewakingssystemen’. Met de technologie kun je criminelen identificeren, maar je kunt er ook burgers mee ‘dwingen’ zich aan de wet te houden. Zo worden in de stad Jinan bijvoorbeeld foto’s van jaywalkers verspreid om hen te schande te zetten voor het niet naleven van de verkeersregels. Zoals Xinhua meldt: “Binnen 20 minuten van een overtreding worden de foto’s en persoonlijke informatie van de persoon in kwestie – zoals hun ID-nummer en zelfs huisadres – op het scherm op het kruispunt weergegeven”.

Gezichtsherkenningstechnologie die willekeurige mensen op straat in kaart brengt
Gezichtsherkenningstechnologie biedt enorme mogelijkheden op het gebied van veiligheid en beveiliging.

RoboCop is geen sciencefiction meer

Volgens Forbes “wil de politie van Dubai dat een kwart van hun politiemacht in 2030 uit robots bestaat.” De ‘RoboCops’ hebben touchscreens waarop iedereen een misdrijf kan melden. Bovendien zijn deze politierobots ook behoorlijk slim. Ze spreken zes talen en kunnen – dankzij de ingebouwde gezichtsherkenningssoftware – zien wanneer iemand van streek is. Het is belangrijk om “een nieuwe manier te vinden om met mensen om te gaan,” aldus Brigadier Khaled al-Razzooqi, hoofd Smart Services bij de politie van Dubai. Wel blijven de menselijke collega’s van de RoboCops de arrestaties voor hun rekening nemen.

Een humanoïde robot-politieagent staat voor het Burj Khalifa-gebouw in Dubai
De ‘RoboCops’ hebben touchscreens waarop iedereen een misdrijf kan melden.

Nieuwe tech kent jou beter dan je jezelf kent

Hoewel de vooruitgang op het gebied van machine learning en kunstmatige intelligentie veel mogelijkheden biedt om de bestaande veiligheidssector te versterken, zijn velen vanwege privacyoverwegingen nog steeds sceptisch. Maar met slimmere algoritmen en systemen op basis van KI-technologie zou een toekomst zonder misdaad uiteindelijk misschien toch tot de mogelijkheden kunnen behoren.

We zitten middenin een technologische revolutie en de trends, technologieën en innovaties die we verwachten zijn stuk voor stuk grensverleggend …

Gratis trendservice

Ontvang elke maand gratis de laatste inzichten, onderzoeksmateriaal, e-books, white papers en artikelen van ons onderzoeksteam!