Big Data voor fraudebestrijding

WRR Working Paper 21 is geschreven als achtergrondstudie voor het project ‘Big Data, privacy en veiligheid’. In dit project verkent de WRR de implicaties van het gebruik van Big Data binnen het veiligheidsdomein.

Deze achtergrondstudie Big Data en fraudebestrijding is uitgevoerd door onderzoeksjournalist Peter Olsthoorn. Hij beschrijft in deze studie wat zich in Nederland afspeelt op het terrein van dataverzameling, bestandskoppeling en gegevensanalyse om fraude te voorkomen en/of detecteren. De studie omvat verschillende overheidsdomeinen als gemeentelijke uitkeringen, sociale verzekeringen, belastingen en toeslagen, en criminaliteitsbestrijding. De in deze studie beschreven vormen van data-analyses zijn onder meer het product van de politieke en maatschappelijke wens om door bestandskoppeling effectiever tegen fraude te kunnen optreden. Veel van deze praktijken zijn tot op heden niet of nauwelijks gedocumenteerd. De studie Big Data en fraudebestrijding brengt hierin verandering met een uniek en gedetailleerd overzicht van de data-analyses die verschillende overheidsorganisaties en samenwerkingsverbanden van overheidsorganisaties voor fraudebestrijding uitvoeren.

De serie ‘Working Papers’ omvat studies die in het kader van de werkzaamheden van de WRR tot stand zijn gekomen. De verantwoordelijkheid voor de inhoud berust bij de auteur.

Working Paper nr. 21: Big Data voor fraudebestrijding

 

2 gedachten over “Big Data voor fraudebestrijding”

  1. Big data in de opsporing: kansen en risico’s
    October 30, 2015
    Categorie: Big data en opsporing
    Deel:

    Onze huidige samenleving neemt een digitale vaart. Van bedrijven nemen we relatief eenvoudig aan dat zij veel data verzamelen. Data over henzelf en over anderen, zoals klanten en partners.
    Ook als particulieren verzamelen we, vaak onbewust, ontzettend veel data. We hebben allemaal minstens één mobiel, vaak een tablet, laptop, navigatiesysteem en soms ook nog een smartwatch en desktop computer. Daarnaast beseffen we ons in mindere mate welke digitale gegevens we nog meer verzamelen vanuit devices als koelkasten, elektrische garagedeuren, thermostaten, smart tv’s en ga zo maar door.
    Door de ontwikkelingen in de markt en de trend die daarin waarneembaar is, kunnen we met vrij veel zekerheid zeggen dat de (digitale) data die zich leent voor opsporing fors blijft groeien.

    De groei in beschikbare data en gegevensdragers heeft daarmee consequenties voor de opsporing. Of het nu gaat om klassieke misdaad, misdaad met een digitale component of cyber criminaliteit; alle gegevensdragers die wij in het dagelijks leven gebruiken bevatten potentieel doorslaggevend bewijsmateriaal. Aan de opsporing de schone taak om de speld in die hooiberg te vinden.
    Deze uitdaging herbergt zowel enkele kansen als risico’s. De enorme hoeveelheid data die betrokken kan worden in een opsporingsonderzoek biedt de mogelijkheid om zicht te krijgen op concrete en geïsoleerde bezigheden, maar ook gewoonten en patronen van slachtoffers en daders. Kennis van bijvoorbeeld informatie met betrekking tot communicatie en gebruikte routes kan bijdragen aan het oplossen van een misdrijf.

    Om de kansen die de groei aan data met zich meebrengt veilig te kunnen benutten is het van belang om stil te staan bij aanverwante risico’s. Veel van de data bestaat uit directe persoonsgegevens, of uit patronen die steeds vaker herleid kunnen worden tot een individu. Blijft de privacy gewaarborgd als men met deze data aan de slag gaat en zijn er voldoende maatregelen getroffen om het gebruik van data te beperken tot de juiste doelbinding? Doordat het persoonsgegevens betreft en men deze gegevens gebruikt in de berechting van verdachten, is het van belang om de betrouwbaarheid van de data voorop te stellen. Welke garanties bieden de bronnen van de data? Is bij de opsporing vastgelegd hoe tot een conclusie is gekomen? Welk zoekpad heeft men gebruikt? Wordt de data veilig opgeslagen?
    Samenvattend biedt de digitale vaart een scala aan mogelijkheden die minstens onderkend en ondervangen dienen te worden.

  2. Big Data en privacy: hoe zit het bij opsporing en rechtspraak?
    20 oktober 2014 door Lisette Meij

    Dat Big Data een veelbesproken fenomeen is, is geen nieuws meer. Big Data biedt vele mogelijkheid in onze huidige informatiesamenleving waar dagelijks een enorm grote hoeveelheid data wordt gegenereerd. Zo is het mogelijk met behulp van data mining tools uit een ongestructureerde informatieverzameling verschillende en vooral onvoorziene verbanden en trends te ontdekken. De mogelijkheden van de technologie, zowel qua opslag als rekencapaciteit, vormen steeds minder een belemmering. Met behulp van data mining tools kan dus eigenlijk een kind de was doen.

    Big Data biedt ook verschillende mogelijkheden binnen het domein van veiligheid en justitie. Aan het gebruik van Big Data binnen dit domein kunnen meer risico’s zitten. Beslissingen die op basis van Big Data analyses worden gemaakt bij opsporing en rechtspraak, kunnen namelijk een grote impact hebben op een individu. Het is daarom de taak van juristen om de randvoorwaarden aan te geven waarbinnen de mogelijkheden van Big Data kunnen worden benut.

    Samen met onder andere Arno Lodder heb ik in opdracht van het Wetenschappelijk Onderzoek- en Documentatiecentrum (WODC, Ministerie van Veiligheid en Justitie) een verkenning geschreven: ‘Big Data, big consequences? Een verkenning naar privacy en bigdatagebruik binnen de opsporing, vervolging en rechtspraak’.

    In deze verkenning wordt ingegaan op de privacy-aspecten van Big Data analysis binnen het domein veiligheid en justitie. Aan bod komen toepassingen binnen de rechtspraak, zoals het voorspellen van uitspraken en gebruik in rechtszaken. Met betrekking tot opsporing is onder andere ingegaan op predictive policing en internetopsporing. Na een uiteenzetting van de privacynormen en toepassingsmogelijkheden, zijn de volgende zes uitgangspunten voor Big Data toepassingen voorgesteld:

    1. Bepaal het te analyseren probleem en definieer het doel voor de verwerking
    2. Selecteer de benodigde data en beperk de dataverzameling
    3. Bewaar data niet langer dan noodzakelijk
    4. Wees transparant 
richting betrokkenen
    5. Beveilig de informatie
    6. Evalueer de uitkomsten van de Big Data analyse kritisch

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *