Marktsegment Orde en veiligheid

Wat houdt het in?

De huidige loonkostenontwikkelingen, een tekort aan gekwalificeerde beveiligers en een groot personeelsverloop zijn redenen voor de klant van het beveiligingsbedrijf en voor het beveiligingsbedrijf zelf om voor beveiliging op afstand te kiezen. Daarnaast heeft de coronaperiode de vraag naar remote social services vergroot. Beveiligingsvraagstukken zijn daardoor veranderd. Bedrijven hanteren andere openingstijden, veel mensen werken vanuit huis en kantoorpanden staan deels of tijdelijk leeg. Door alarmsystemen en/of camera’s aan te sluiten op een alarmcentrale, kan men vanuit het PAC of de videotoezichtcentrale snel reageren op meldingen en storingen. Ook kun je gebouwen in veel gevallen vanuit een alarmcentrale op afstand openen en sluiten. Dat biedt flexibiliteit in openingstijden, met behoud van het veiligheidsniveau.

Camera’s hebben een ontwikkeling doorgemaakt die de mogelijkheid van remote services heeft vergroot, van reactief naar proactief naar voorspellend.

• Proactieve camera’s zijn intelligenter en registeren afwijkend gedrag. Afwijkend gedrag kun je programmeren als schreeuwen, boos kijken, vreemd bewegen en dergelijke; het gaat er niet alleen om of iets afwijkt van het normale patroon, maar of het in lijn is met het meest gangbare. Bijvoorbeeld als iemand een rugzak achterlaat op een luchthaven, ergens naar binnen gaat waar hij niet hoort of een roltrap die omlaaggaat naar boven neemt. Dat neemt een camera waar als afwijkend gedrag, die het vervolgens meteen doorgeeft aan de meldkamer. Die kan direct reageren op de onregelmatigheid. De software bepaalt wat de meldkamer doorstuurt dat is waargenomen door de camera. De camera’s zijn uitgerust met bewegings- en geluidsdetectie en temperatuursensoren. Thermische camera’s hebben sensoren die gevoelig zijn voor temperatuur. De camera’s geven in een vroeg stadium een melding af.
• Een voorspellende camera geeft al een melding voordat ongewenst gedrag plaatsvindt. Bijvoorbeeld op het moment dat mensen op het punt staan om te gaan vechten, verandert er iets in hun stemgeluid, en zo’n systeem pikt dat op. Deze systemen ondersteunen het werk van een beveiliger en dienen als hulp bij de besluitvorming. Maar in sommige gevallen onderneemt zo’n systeem autonome acties. Bijvoorbeeld als een camera is uitgerust met een automatische incidentdetectie. Dan zorgt het systeem ervoor dat het de tram tegenhoudt als een auto klem zit op de trambaan.

Intelligente camera software kan afwijkende situaties en afwijkend gedrag herkennen nadat deze via deeplearning geleerd is wat normaal en wat abnormaal is. Het is ingesteld op het snel kunnen schakelen met hulpdiensten, waardoor die tijdig de juiste interventie kunnen toepassen. Bij een acuut alarm waarschuwen ze direct hulpdiensten, waaronder de politie. In noodsituaties zet Live View beelden rechtstreeks door naar de meldkamer van de politie. Er zijn verschillende mogelijkheden om het beeld aan te bieden. Zo kun je automatisch vragen om het beeld van het moment en de 10 seconden daaraan voorafgaand te delen. De toevoeging van KI-systemen aan cameratoezicht is een grote meerwaarde van professioneel cameratoezicht. Met cameratoezicht op afstand is het mogelijk om preventieve, virtuele bewakingsrondes uit te voeren. Voor deze vorm van surveillance gebruikt men vaste en beweegbare IP-camera’s.

Door KI is het mogelijk dat het systeem zelf meldingen beoordeelt. Voordat de melding naar de meldkamer gaat, bekijkt het systeem lokaal of het een reële melding is of een loze melding. Een paar jaar geleden ging het alarm al af door beweging. Maar nu kan de camera een beweging (bijvoorbeeld door de wind of door dieren) beoordelen. Met KI leren computers zelf welke ‘regels’ het beste zijn. Zo kan een computer niet alleen herkennen of er iets beweegt in het beeld, maar ook wat er beweegt (Een mens? Een voertuig? Een dier?). Mits we genoeg voorbeelden hebben, kan KI vrijwel alles leren herkennen wat mensen kunnen herkennen. KI leert daarmee begrijpen wat wel en geen nodeloze melding is. Er zit nu een filter op dat de kwaliteit van de alarmen verhoogt en het aantal nodeloze alarmen verkleint. Dan hoeft een surveillant of een hulpdienst er zo weinig mogelijk op af. Er zijn cameraleveranciers die de KI-systemen inbouwen. Maar er zitten risico’s in dat ze fouten maken. (BeveiligingNieuws, 2023)

Intelligente camera software is door middel van audio processing en computer vision ook getraind om agressie te herkennen. Wanneer er sprake is van agressie zijn ze in staat om een suggestie te geven om in te grijpen, of om met een luidspreker een boodschap over te brengen. De geluidscamera’s die op basis van gedrag of geluid agressie detecteren, draaien dan naar dat gebied.

Zo kan er bijvoorbeeld sprake zijn van agressie op een bepaald plein in de stad en de camera’s die horen dat door afwijkend gedrag of afwijkend geluidsniveau. Een voorbeeld van hetgeen een camera als voorspellend gedrag ziet voor agressie is het volgende: mannen die gaan vechten die trekken even hun broek op. Je kan het ook zien aan hoe mensen achter elkaar staan. Als je een grote groep hebt met subgroepen daarbinnen, dan is dat ook een voorbode dat het uit de hand kan gaan lopen. De camera kan op basis van dit afwijkende gedrag een notificatie en een suggestie afgeven van daar moet een beveiliger of de politie naartoe, afhankelijk van of het een evenement is of een andere locatie.

Behalve dat de camera’s ondersteunend zijn in het observeren van gedrag en geluid, doen ze vaak ook een voorstel om op te treden, of ze kunnen automatisch bepaalde taken uitvoeren.

Wat houdt het in?

Deep learning is een vorm van kunstmatige intelligentie (KI); het leert verschillende objecten te herkennen en te onderscheiden, zoals dieren, mensen, voertuigen en kentekens. De deeplearning-camera pikt op basis van gezichtsherkenning (biometrie) actief gezichten op en vergelijkt die met gezichten in een database. Het kan niet alleen gezichtsherkenning, maar ook uiterlijke kenmerken als bouw, kleding, merken, bewegingspatronen (manier van lopen) herkennen vanuit meerdere camera invalshoeken, waardoor personen en vervoermiddelen gevolgd kunnen worden. Biometrie is een verzamelnaam voor technologieën waarmee je een persoon kunt identificeren of iemands identiteit kan verifiëren aan de hand van unieke persoonskenmerken, zoals iris, gezicht, vingerafdruk of aderpatroon. Het grote voordeel hiervan is dat deze kenmerken niet overdraagbaar zijn en dat je ze altijd bij je hebt. In ons dagelijks leven komen we steeds vaker biometrie tegen. Denk aan de vingerscanner of gezichtsherkenning om toegang te krijgen tot je telefoon. Verder lopen op diverse vliegvelden en in stadions proeven met gezichtsherkenning. Rondom het gebruik van biometrie zijn vragen over de hygiëne, privacy en beveiliging van de opgeslagen persoonskenmerken. (Van der Woude, 2019) De EU is dan ook actief bezig om wetgeving op te stellen om de privacy van burgers te waarborgen en om misbruik van KI te voorkomen. Er is daarbij een verschil in privacy wetgeving tussen openbare plaatsen en niet openbare plaatsen. 

De Europese koepel van privacytoezichthouders, de European Data Protection Board, pleitte in juni 2021 voor een algeheel verbod op gezichtsherkenning in openbare ruimtes. Dergelijke intelligente camera software maakt van iedere Europese burger een wandelende streepjescode, zo waarschuwde Aleid Wolfsen, de voorzitter van de Nederlandse Autoriteit Persoonsgegevens. Daarmee gaan de toezichthouders nog een stap verder dan de Europese Commissie. Die wil burgers weliswaar beschermen tegen kunstmatig intelligente systemen, maar laat nog wel ruimte open voor gezichtsherkenning voor wetshandhaving. (Maarten, 2021)

Camera’s die boven een hek staan, zijn camera’s voor videocontentanalyse (VCA). De camera, soms met gezichtsherkenning, is een soort detector. Met de data die de camera’s genereren, kun je modellen bouwen om misdaadanalyse te doen. Die data geven een beeld van hoe veilig een buurt is. Wat gebeurt daar in dat postcodegebied? Wat voor incidenten zijn er voorgevallen? Aan de hand van die data kunnen klanten besluiten om zich daar wel of niet te vestigen. Ook kan het reden zijn voor bedrijven of particulieren om aanvullende maatregelen te nemen. Of een verzekeraar anticipeert hierop bij het vaststellen van de premie.

Een mobiele vorm van een camera van de Nachtveiligheidsdienst (NVD) die surveilleert is SAM. SAM is een secure autonomous mobile-robot. Hij kan detecteren, observeren en direct rapporteren over zijn bevindingen. SAM slaat alarm als hij afwijkingen constateert. Hij kan zelf een plattegrond maken van uw pand en afwijkingen signaleren. Hij kan ook legitimatietaken uitvoeren door middel van ID-verificatie van personen door een ingebouwde RFID-lezer. SAM is uitgerust met diverse sensoren, waaronder een 360 gradencamera, een thermische camera en laserscanners. SAM staat continu in verbinding met de NVD Alarm- en Servicecentrale. In het geval van een alarmmelding gaat hij naar de betreffende locatie toe, terwijl hij voortdurend blijft detecteren op de aanwezigheid van mensen. Indien nodig kan hij een spreek-luisterverbinding maken met de Alarm- en Servicecentrale van de NVD of een audio-/videostream opzetten. De centralist kan dan via SAM spreken en luisteren om beter te kunnen beoordelen wat er op de locatie van SAM gebeurt. (NVD Beveiligingsgroep, 2020)

Wat houdt het in?

Taken vallend onder toegangs- en uitgangscontroledetectie, zoals het checken van identiteitsbewijzen, is gemakkelijker door het gebruik van KI-systemen. Het systeem kun je trainen in het beoordelen van bewijzen: wat wel of niet goed (vals) is. Dat doe je op basis van kenmerken, de echtheidskenmerken van identiteitspapieren. Het systeem geeft aan naar welke identiteitspapieren je nog eens extra goed moet kijken om te controleren of de papieren niet vals zijn.

Bij toegangscontrole sla je het gezicht op als een code. Gezichtsherkenningssoftware herkent in het camerabeeld de vorm van een gezicht en bepaalt vervolgens de positie van en afstand tussen ogen, mond en neus. Ook markeert de software specifieke kenmerken van het gezicht. Hoe meer punten die meet, hoe nauwkeuriger de gezichtsherkenning. De code kun je eventueel uitwisselen met systemen op andere locaties om ook daar de geautoriseerde personen toegang te verlenen. (Securitymanagement, 2021)

Steeds meer zien we dat intelligente camera’s bij drukke locaties data verzamelen, bijvoorbeeld bij attractieparken waar o.a. de toestroom en aantallen van bezoekers in de gaten wordt gehouden.

Wat houdt het in?

Kunstmatige intelligentie verandert de risico’s en bedreigingen van cybersecurity. In negatieve zin kunnen generalpurpose-algoritmen die voor meerdere doeleinden inzetbaar zijn – zoals ChatGPT – grote risico’s en uitdagingen met zich meebrengen, waar toezichthouders van op de hoogte moeten zijn. Het is een open source, waarvan de software is aan te passen. Iemand die kwaadwillend is, kan langs de ingebouwde veiligheidseisen komen en malware schrijven die andere computers kan infecteren. (ToeZine, 2023)  

Algoritmen kun je trainen om ze in staat te stellen om op het neutrale netwerk van een bedrijf een bedreiging te herkennen en via de mesh-architectuur meteen andere beveiligingstoestellen te waarschuwen. KI speelt een essentiële rol in detectie, interpretatie van de detectie en opvolging, omdat het voor een doorsneemens niet mogelijk is om de tsunami aan waarschuwingen en logs tijdig te interpreteren en te stoppen. (Aussems, 2023) 

Menselijke fouten vormen een belangrijk deel van de zwakten van cyberbeveiliging. Aangezien veiligheidsberoepen erg gericht zijn op mensenwerk, liggen hier uitdagingen voor het mvo. Het kan bijvoorbeeld enorm moeilijk zijn om de juiste systeemconfiguratie te beheren, ook als je daarvoor grote IT-teams inzet. IT-teams zijn zwaar belast door handmatige processen om de beveiligingsconfiguratie te beoordelen, omdat ze eindeloze updates moeten combineren met normale dagelijkse ondersteuningstaken. Dankzij slimme, adaptieve automatisering kunnen teams tijdig informatie ontvangen over zojuist gedetecteerde problemen. Ze kunnen advies krijgen over mogelijke maatregelen of zelfs automatisch de vereiste instellingen toepassen. Wanneer medewerkers dreigingen moeten verhelpen, geldt bovendien dat de reikwijdte van de betrokken dreiging snel kan veranderen. Waar je de menselijke respons kan vertragen door onverwachte uitdagingen of vermoeidheid die de medewerkers minder alert maken, kan een systeem op basis van KI dreigingen op een effectieve en praktische manier bestrijden. Al deze dreigingen kun je veel makkelijker aanpakken als je ze bundelt met automatische labeling. De menselijke reactie van cyberbeveiligingsteams kan achterlopen op de initiële aanval, zelfs bij bekende aanvalstypen.

Machinelearning (ML) bij cyberbeveiliging kan verschillende vormen aannemen, waar met name IT’ers en/of werknemers op hbo+-niveau kennis van moeten vernemen. Ondanks alle mogelijkheden, bestaan er nog veel beperkingen:

• Gegevenssets zijn nodig, maar dit kan strijdig zijn met wetgeving inzake gegevensprivacy. Het trainen van softwaresystemen vereist voldoende gegevenspunten om nauwkeurige modellen te ontwikkelen, maar dit gaat niet goed samen met 'het recht om te worden vergeten'. Wellicht kan men systemen zo inrichten dat oorspronkelijke gegevens vrijwel ontoegankelijk zijn zodra de software is getraind.  

• De sector heeft meer KI- en ML-cyberbeveiligingsexperts nodig die programmeervaardigheden op dit gebied hebben. Voor netwerkbeveiliging voor machinelearning is het belangrijk om te beschikken over medewerkers die deze beveiliging kunnen beheren en zo nodig kunnen aanpassen. 

Tot slot zal goede besluitvorming afhankelijk zijn van kritisch denken en creativiteit. Zoals veel eerder aangegeven. Menselijke teams blijven essentieel. Er zullen kwetsbaarheden blijven bestaan, omdat geen enkel systeem op de markt momenteel waterdicht is. IT-teams moeten leren hoe ze deze infrastructuur ondersteunend aan hun werk kunnen gebruiken. (Kaspersky, 2023)

Wat houdt het in?

De mobiele surveillances rijden in een bepaald werkgebied, volgens een bepaalde route. De inzet van kunstmatige intelligentie in personeelsplanning maakt het mogelijk om op een intelligente manier planningen en routes van mobiele surveillance slim te berekenen. KI-systemen kijken mee met de planning en leren daarvan. Op den duur zullen deze KI-modules betere planningen kunnen maken dan menselijke medewerkers.

De data die je invoert in het systeem zijn de gegevens van de klant: hoe laat de klant zijn activiteiten moet hebben, waar die klant gevestigd is, hoe laat de activiteiten moeten plaatsvinden en hoelang ze duren. Dat systeem is zo slim dat het zegt: als je er drie moet doen in de avond, dan doe je er eentje van 19.00 tot 19.15 uur, een van 19.15 tot 19.30 uur en een van 19.30 tot 19.45 uur. Daarbij komt dat de klant afwisseling wil (geen beveiliging met elke dag hetzelfde timeslot) en er kan sprake zijn van eenmalige activiteiten die de klant wenst. Al die gegevens kun je invoeren, zodat het systeem er rekening mee houdt en er tegelijk ruimte is voor onverwachte meldingen of oponthoud. Mensen en materiaal kun je zo veel efficiënter inzetten. Die ruimte is ingebakken en dan weet je ook dat als er een keer iets extra’s moet gebeuren, dat dat er dan nog in past.

Wat houdt het in?

De maritieme wereld gaat meer gebruikmaken van beeldherkenning voor het herkennen van objecten in zee voor generieke opsporing. Men zet drones in om de objecten te zien en te beoordelen. Om te bepalen wat voor schip ze lokaliseren. Is het een marineschip? Koopvaardij? Of vissersboot? Je wilt herkennen wat voor schepen er zijn, wat er vaart op de wateren. Of bijvoorbeeld om smokkelroutes te detecteren. En wanneer er sprake is van oorlog: waar de tegenstander zich bevindt. Als het gaat om kustwachttaken wil de marechaussee weten welke schepen illegale lozingen uitvoeren. Eentonig werk zoals het lang oberserven van de zee kun je zo automatiseren. Dat ontlast de operator in zijn werk en maakt zijn taak interessanter en effectiever. Want hij hoeft alleen maar naar de beelden te kijken waar mogelijk iets mee aan de hand is. De tweede toepassing van objecten herkennen in de maritieme wereld is patronen herkennen om de normale verkeersstromen te herkennen en de afwijkingen daarin. Het heeft allemaal betrekking op weten wat er in de maritieme wereld gebeurt, om de aandacht op het juiste te richten en de juiste beslissingen te kunnen nemen.

Met behulp van gezichtsherkenningstechnologie kan de marechaussee op zee verdachte personen identificeren of bij hen bekende personen vergelijken met een database van bekende criminelen of terroristen