Aanpak van criminele markten en geld

Transcriptie

1 Dag van de ondermijning Aanpak van criminele markten en geld 16 april 2019 dr. Bernd Veldman RA

2 Programma presentatie Datamining (kansen en valkuilen) Samenwerking met ketenpartners (wat kan wel en niet in het kader van de privacywetgeving)

3 Datamining in de opsporing (kansen en valkuilen) Kansen: Snel veel data beschikbaar Beschrijvende statistiek snel mogelijk (aantal panden, transacties, personen, hypotheken,.) Grafische weergaven mogelijk Gratis statistische tools Valkuilen: Ruis in de data Ruis in het model / profielen

4 Foto (beschrijvende statistiek) R koopsom

5 Foto BV X

6 Foto BV X stichting BV Z BV Y BV X

7 Doel van Big Data(kans = goedkoop) naar (methodologie) BIG VALUE (uitdaging)

8 Big data handhaving van efficiënt oplossen van 1 misdaad of misdrijf via kennis over modus operandi, netwerken en geldstromen naar het effectief voorspellen en beïnvloeden van gedrag van hele groepen

9 Het bouwen van modellen Het doel van een model is om te toetsen en te leren hoe bepaalde factoren (voorspellende variabelen X) leiden tot non compliant gedrag (uitkomstvariabelen Y). Onderzoeksmethodologie is daarom van groot belang om meer kennis over ondermijning op te bouwen

10 Onderzoeksproces 1. Observatie van data (onderzoeksvraag) 2. Theorievorming (pak geen containerbegrip als ondermijning/fraude/vastgoed) 3. Hypothese vorming (bepaal variabelen/factoren) 4. Voorspellingen vormen 5. Verzamel data om hypotheses te toetsen (variabelen meten) 6. Analyseer data (grafisch en model passend maken) 10

11 Privacyregels

12 AVG Algemene Verordening Gegevensbescherming (ook wel bekend als General Data Protection Regulation (GDPR). Per 25 mei 2018 in werking. AVG is de opvolger van de Wbp

13 AVG en persoonsgegevens De AVG ziet op het inwinnen, verwerken en gebruiken van persoonsgegevens Persoonsgegevens zijn gegevens die kunnen verbonden worden aan een individu, of waarmee een individu kan worden geïdentificeerd: naam, foto, telefoonnummer, adres, bankrekeningnummer, -adres, IP adres, vingerafdruk, medische data, enz. (een zeer lange lijst).

14 Algemene regels transparantie: de persoon van wie de gegevens verwerkt worden, is hier van op de hoogte, heeft hiervoor toestemming gegeven en kent zijn rechten. doelbeperking: de persoonsgegevens worden voor een welbepaald gewettigd doel verzameld, en mogen niet voor andere zaken gebruikt worden gegevensbeperking: enkel de noodzakelijke gegevens die voor het beoogde doel noodzakelijk zijn, mogen worden verzameld juistheid: de persoonsgegevens moeten correct zijn en blijven bewaarbeperking: de persoonsgegevens mogen niet langer bewaard worden dan nodig voor het beoogde doel integriteit en vertrouwelijkheid: de persoonsgegevens moeten beschermd worden tegen toegang door onbevoegden, verlies of vernietiging verantwoording: de verantwoordelijke moet kunnen aantonen aan deze regels te voldoen

15 Hoog privacy risico Er is in ieder geval sprake van een hoog privacy-risico als een organisatie: systematisch en uitvoerig persoonlijke aspecten evalueert, waaronder profiling; op grote schaal bijzondere persoonsgegevens verwerkt; op grote schaal en systematisch mensen volgt in een publiek toegankelijk gebied (bijvoorbeeld met cameratoezicht).

16 9 criteria om risico op privacy te bepalen 1. Beoordelen van mensen op basis van persoonskenmerken 2. Geautomatiseerde beslissingen 3. Stelselmatige en grootschalige monitoring 4. Gevoelige gegevens 5. Grootschalige gegevensverwerkingen (hoeveelheid, tijdsduur en spreiding) 6. Gekoppelde databases 7. Gegevens over kwetsbare personen 8. Gebruik van nieuwe technologieën 9. Blokkering van een recht, dienst of contract

17 Wat kun je wel delen? 1. Fenomenen 2. Persoonsgegevens op basis van een (wettelijke) titel 3. Modus operandi 4. Risico sectoren / branches etc. 5. Risicovolle processen 6. Ervaringen in aanpak (methoden)