Informatieveiligheid
Leerdoel 1: Je kunt illustreren hoe digitalisering positieve en/of negatieve
effecten heeft op de maatschappij in het algemeen en het
veiligheidsdomein.
Belangrijke begrippen:
- Digitalisering (trend)
- Digitalisering (van objecten)
- Werelden en bijbehorende technologiegebieden
- Termen uit ‘opwaarderen’ zoals: Internet of things, persuasieve
technologie, slimme stad en blockchain
- Cybernetische loop
Digitalisering als trend = doorlopende maatschappelijke ontwikkeling
waarin processen en systemen digitaal worden (bijv. online bankieren,
digitale zorgdossiers, slimme steden).
Digitalisering van objecten = concrete technologieën die door
digitalisering mogelijk worden gemaakt (bijv. IOT-apparaten, blockchain,
AI-algoritmes).
Termen uit “opwaarderen”:
Term: Uitleg: Voorbeeld:
Internet of Things Verbinding van fysieke Bijv. slimme
objecten met internet thermostaten,
zodat ze data sensoren.
uitwisselen.
Persuasieve Technologie die gedrag Fitness- en snapchat
technologie van gebruikers streak.
beïnvloedt via sociale
impulsen.
Smart city Stad die technologie en Slimme
data gebruikt om verkeerslichten, deel
leefbaarheid, efficiëntie step/fiets, afvalbakken
en duurzaamheid te met sensoren.
verbeteren.
Blockchain Gedistribueerd en Veilig stemmen,
onveranderlijk digitaal identiteitsbeheer,
register dat bitcoin,
transacties/data opslaat.
Cybernetische loop = de cyclus waarin gebruikers omgaan met
digitalisering.
1. Fysieke wereld – Acties en gebeurtenissen in de realiteit (bijv. bezoek
aan een winkel).
2. Data verzamelen – Sensoren, camera’s, apps verzamelen informatie.
, 3. Analyseren – Algoritmes of AI verwerken data en herkennen
patronen.
4. Toepassen – Output beïnvloed gedrag of beslissingen (bijv.
gepersonaliseerde advertenties, AI-voorspellingen).
De cybernetische loop is een ssteem waarbij een handeling steeds wordt
bijgestuurd op basis van terugkoppeling. Het draait om 4 stappen die zich
blijven herhalen: Meten – Vergelijken – Handelen – Feedback.
Werelden en technologiegebieden
1. Materiele wereld;
o Bijv. slimme straatverlichting. Sensor meet beweging ->
lantaarn gaat feller schijnen -> sensor merkt geen beweging -
> licht dimt weer.
2. Biologische wereld;
o Bijv. lichaamstemperatuurregeling. Je lichaam merkt afkoeling
-> je krijgt kippenvel -> warmte stijgt -> nieuwe meting.
3. Socioculturele wereld;
o Bijv. (mode)trends op sociale media. Iemand draagt iets ->
anderen kopiëren -> meer sociale bevestiging -> meer
mensen volgen de trends.
4. Digitale wereld;
o Bijv. YouTube/TikTok aanbevelingen. Je kijkt iets -> algoritme
meet -> stelt soort gelijke content voor -> nog betere
aanbevelingen.
Positieve en negatieve effecten van digitalisering
Maatschappij:
+ Efficiëntie, gemak, betere dienstverlening.
- Privacy verlies, afhankelijkheid van technologie, sociale druk.
Veiligheidsdomein:
+ Snellere opsporing, betere monitoring, realtime informatie.
- Cybercrime, function creep, bias in AI, doxing.
Data, informatie en kennis:
Data = platte observaties van de werkelijkheid (bijv. temperatuur van een
sensor of verkeersdrukte).
Informatie = verwerkte data, betekenisvol (bijv. gemiddelde
verkeersdrukte per uur).
Kennis = geïntegreerde informatie die echt inzicht geeft (bijv. optimale
verkeersplanning op basis van historische data).
BIV-principe: informatie moet Beschikbaar zijn - betrouwbaar, consistent
en accuraat (Integriteit) – Alleen beschikbaar zijn voor geautoriseerde
mensen (Vertrouwelijk).
, Incidentencyclus
Detectie
Correcte
Bedreiging -> Preventie -> Verstoring -> Respons/repressie -> Schade ->
Herstel
Leerdoel 2: je kunt voorbeelden geven van gevolgen (gewenst en
ongewenst) van het gebruik van big data in het veiligheidsdomein op
groepen in de maatschappij.
Belangrijke begrippen:
- (Big) data en kunstmatige intelligentie (algoritmen en toepassing
hiervan bij de politie: intelligence-led VS predictive policing (op basis
van near repeats).
- Ontwikkeling en discussie rond big data en algoritmen in het
algemeen en bij predictive policing in het bijzonder (voor- en
nadelen, effectiviteit, neutraliteit, betrouwbaarheid, risico’s).
(Big) data en kunstmatige intelligence (AI)
- Big data: grote complexe datasets die lastig handmatig te verwerken
zijn (bijv. politie registreert misdrijven, meldingen en
camerabeelden).
- AI/algoritmes: software die patronen herkent in data en
voorspellingen doet.
o Algoritme: voert vooraf geprogrammeerde regels uit, altijd
hetzelfde resultaat (bijv. rekenmachine, navigatie, kookrecept).
o AI: leert patronen uit data, kan variërende voorspellingen doen
(bijv. chatbots, gezichtsherkenning, zelfrijdende auto’s).
Toepassing bij de politie:
Methode: Uitleg: Voorbeeld:
Intelligence-led Beslissingen Opsporing
policing (ILP) gebaseerd op georganiseerde
bestaande kennis en misdaad via
ervaring. kennisnetwerken.
Predictive policing Big data + algoritmes ‘Near repeats’
voorspellen voorspellen waar
toekomstige woninginbraken
criminaliteit. waarschijnlijk
plaatsvinden.
Near repearts = criminaliteit herhaalt zich vaak in tijd en ruimte ->
voorspelling van risicogebieden.
Leerdoel 1: Je kunt illustreren hoe digitalisering positieve en/of negatieve
effecten heeft op de maatschappij in het algemeen en het
veiligheidsdomein.
Belangrijke begrippen:
- Digitalisering (trend)
- Digitalisering (van objecten)
- Werelden en bijbehorende technologiegebieden
- Termen uit ‘opwaarderen’ zoals: Internet of things, persuasieve
technologie, slimme stad en blockchain
- Cybernetische loop
Digitalisering als trend = doorlopende maatschappelijke ontwikkeling
waarin processen en systemen digitaal worden (bijv. online bankieren,
digitale zorgdossiers, slimme steden).
Digitalisering van objecten = concrete technologieën die door
digitalisering mogelijk worden gemaakt (bijv. IOT-apparaten, blockchain,
AI-algoritmes).
Termen uit “opwaarderen”:
Term: Uitleg: Voorbeeld:
Internet of Things Verbinding van fysieke Bijv. slimme
objecten met internet thermostaten,
zodat ze data sensoren.
uitwisselen.
Persuasieve Technologie die gedrag Fitness- en snapchat
technologie van gebruikers streak.
beïnvloedt via sociale
impulsen.
Smart city Stad die technologie en Slimme
data gebruikt om verkeerslichten, deel
leefbaarheid, efficiëntie step/fiets, afvalbakken
en duurzaamheid te met sensoren.
verbeteren.
Blockchain Gedistribueerd en Veilig stemmen,
onveranderlijk digitaal identiteitsbeheer,
register dat bitcoin,
transacties/data opslaat.
Cybernetische loop = de cyclus waarin gebruikers omgaan met
digitalisering.
1. Fysieke wereld – Acties en gebeurtenissen in de realiteit (bijv. bezoek
aan een winkel).
2. Data verzamelen – Sensoren, camera’s, apps verzamelen informatie.
, 3. Analyseren – Algoritmes of AI verwerken data en herkennen
patronen.
4. Toepassen – Output beïnvloed gedrag of beslissingen (bijv.
gepersonaliseerde advertenties, AI-voorspellingen).
De cybernetische loop is een ssteem waarbij een handeling steeds wordt
bijgestuurd op basis van terugkoppeling. Het draait om 4 stappen die zich
blijven herhalen: Meten – Vergelijken – Handelen – Feedback.
Werelden en technologiegebieden
1. Materiele wereld;
o Bijv. slimme straatverlichting. Sensor meet beweging ->
lantaarn gaat feller schijnen -> sensor merkt geen beweging -
> licht dimt weer.
2. Biologische wereld;
o Bijv. lichaamstemperatuurregeling. Je lichaam merkt afkoeling
-> je krijgt kippenvel -> warmte stijgt -> nieuwe meting.
3. Socioculturele wereld;
o Bijv. (mode)trends op sociale media. Iemand draagt iets ->
anderen kopiëren -> meer sociale bevestiging -> meer
mensen volgen de trends.
4. Digitale wereld;
o Bijv. YouTube/TikTok aanbevelingen. Je kijkt iets -> algoritme
meet -> stelt soort gelijke content voor -> nog betere
aanbevelingen.
Positieve en negatieve effecten van digitalisering
Maatschappij:
+ Efficiëntie, gemak, betere dienstverlening.
- Privacy verlies, afhankelijkheid van technologie, sociale druk.
Veiligheidsdomein:
+ Snellere opsporing, betere monitoring, realtime informatie.
- Cybercrime, function creep, bias in AI, doxing.
Data, informatie en kennis:
Data = platte observaties van de werkelijkheid (bijv. temperatuur van een
sensor of verkeersdrukte).
Informatie = verwerkte data, betekenisvol (bijv. gemiddelde
verkeersdrukte per uur).
Kennis = geïntegreerde informatie die echt inzicht geeft (bijv. optimale
verkeersplanning op basis van historische data).
BIV-principe: informatie moet Beschikbaar zijn - betrouwbaar, consistent
en accuraat (Integriteit) – Alleen beschikbaar zijn voor geautoriseerde
mensen (Vertrouwelijk).
, Incidentencyclus
Detectie
Correcte
Bedreiging -> Preventie -> Verstoring -> Respons/repressie -> Schade ->
Herstel
Leerdoel 2: je kunt voorbeelden geven van gevolgen (gewenst en
ongewenst) van het gebruik van big data in het veiligheidsdomein op
groepen in de maatschappij.
Belangrijke begrippen:
- (Big) data en kunstmatige intelligentie (algoritmen en toepassing
hiervan bij de politie: intelligence-led VS predictive policing (op basis
van near repeats).
- Ontwikkeling en discussie rond big data en algoritmen in het
algemeen en bij predictive policing in het bijzonder (voor- en
nadelen, effectiviteit, neutraliteit, betrouwbaarheid, risico’s).
(Big) data en kunstmatige intelligence (AI)
- Big data: grote complexe datasets die lastig handmatig te verwerken
zijn (bijv. politie registreert misdrijven, meldingen en
camerabeelden).
- AI/algoritmes: software die patronen herkent in data en
voorspellingen doet.
o Algoritme: voert vooraf geprogrammeerde regels uit, altijd
hetzelfde resultaat (bijv. rekenmachine, navigatie, kookrecept).
o AI: leert patronen uit data, kan variërende voorspellingen doen
(bijv. chatbots, gezichtsherkenning, zelfrijdende auto’s).
Toepassing bij de politie:
Methode: Uitleg: Voorbeeld:
Intelligence-led Beslissingen Opsporing
policing (ILP) gebaseerd op georganiseerde
bestaande kennis en misdaad via
ervaring. kennisnetwerken.
Predictive policing Big data + algoritmes ‘Near repeats’
voorspellen voorspellen waar
toekomstige woninginbraken
criminaliteit. waarschijnlijk
plaatsvinden.
Near repearts = criminaliteit herhaalt zich vaak in tijd en ruimte ->
voorspelling van risicogebieden.
