-

Machine learning in forensische markt: Crimineel met prepaid telefoon is niet meer anoniem

Voor criminele activiteiten worden vaak prepaid telefoons gebruikt. Het Nederlands Forensisch Instituut (NFI) spoort op basis van machine learning de gebruikers van deze – anonieme – telefoons op. Boeven vangen nieuwe stijl.

“We doen dat via de likelihood ratio-methode die is gebaseerd op de regel van Bayes”, stelt Sander Dalm, data scientist bij het NFI. Maar hoe leidt zo’n ingewikkelde methode gebaseerd op kansberekening tot het vangen van boeven met de burner phones die we allemaal wel kennen uit misdaadseries en -films?

Grote hoeveelheden digitale informatie vormen steeds meer een bron van forensisch bewijsmateriaal. Om patronen in deze gegevens te vinden, maakt het NFI onder meer gebruik van machine learning algoritmen om bewijs te evalueren. Op basis van locatiegegevens kan worden bepaald of mobiele telefoons van dezelfde persoon of van verschillende personen zijn. Daarmee is het ook mogelijk om een anonieme prepaid telefoon te koppelen aan een ander gsm.

“Bij criminele activiteiten wordt vaak gebruikgemaakt van een – anonieme – prepaid telefoon”, vertelt Sander Dalm. “Op basis van de likelihood ratio-methode kunnen we bepalen of de bewegingspatronen van verschillende telefoons een aanwijzing geven dat ze mogelijk dezelfde gebruiker hebben. Dankzij algoritmen kunnen we bepalen of een bewegingspatroon beter past bij telefoons van dezelfde gebruiker of beter past bij onafhankelijke telefoons. We maken daarbij onder meer gebruik van gps en telefoonmasten.”

Bayesiaanse model

Tegenwoordig streven forensische instituten zoals het NFI ernaar de bewijskracht, op basis van datasets en statistische modellen, numeriek te onderbouwen. Voor onderbouwing van hun rapporten maken onderzoekers gebruik van zogenoemde likelihood ratio’s, waarmee ze een uitspraak doen over de bewijskracht van resultaten van forensisch vergelijkingsonderzoek.

Dalm: “Daarbij wordt uitgegaan van een hypothese, oftewel hoeveel waarschijnlijker zijn deze resultaten onder de ene hypothese ten opzichte van een andere?” Een methode die is gebaseerd op het Bayesiaanse model, genoemd naar de Engelse dominee Thomas Bayes, die in de 18e eeuw een eenvoudige wiskundige formule over waarschijnlijkheid beschreef. “Toegepast op forensisch onderzoek beschouwt de regel van Bayes de verhouding van de waarschijnlijkheid van het bewijs onder twee hypothesen. Is deze verhouding tien tegen één, dan past het bewijs tien keer beter bij de ene dan bij de andere hypothese. Daarbij is de verhouding van de waarschijnlijkheden te beschouwen voordat bepaalde onderzoeksresultaten bekend zijn.”

De toepassing van deze methode roept wel vragen op. Zoals hoe rechters omgaan met deze – nieuwe – vorm van resultaatsbepaling. Dalm: “Het trainen van rechters op het gebied van statistiek en hoe ze dit moeten gebruiken zou een goed idee zijn. Het is een nieuwe methode die rechters goed moeten kunnen interpreteren om tot de juiste uitspraak te kunnen komen.”

Verbeteren efficiency en optimaliseren werkprocessen

Ook door PA Consulting wordt data science ingezet om bij organisaties onder meer de efficiency te verbeteren en de werkprocessen te optimaliseren. Willem van Asperen, directeur Applied Artificial Intelligence bij PA: “Bij een callcenter kunnen ze nu bijvoorbeeld op basis van de tone of voice voorspellen of een klant tevreden of niet tevreden is en hun call-agents trainen om gesprekken anders in te steken. En een pensioenverzekeraar krijgt bijvoorbeeld een signaal als een van de bedrijven waarin ze investeren mogelijk slecht in het nieuws komt. Daar kunnen ze op voorsorteren, zodat ze niet overvallen worden. En zo zijn we met heel veel mooie projecten bezig.”

Tegelijkertijd waarschuwt Van Asperen dat momenteel de mogelijkheden van data science worden overschat. “Ik bespeur een tendens waarin men een beetje is doorgeslagen. Alles lijkt mogelijk, maar dat is niet zo. Van niets kun je immers ook niks maken.” Daarnaast blijft het de crux om ontwikkelde methoden praktisch toepasbaar te maken, benadrukt hij. “Veel ontdekkingen in ons vakgebied zijn in open source ontstaan, in de community. Dat heeft heel veel veranderd en zorgt ervoor dat we nu in een hoog tempo aan het ontwikkelen zijn.”

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond