Hoe kunnen nieuwe technologieën worden ingezet om een stad veiliger en beter leefbaar te maken terwijl de privacy van de burger wordt geborgd? Tinus Kanters is vanuit gemeente Eindhoven aangesteld als projectmanager bij Stratumseind 2.0, een project over tracking en nudging in de langste kroegenstraat van Nederland.
Auteurs: Léonhard Weijmar Schultz & Anna de Haas
Tinus: We werken vanuit privacy by design. Lukt het ons niet om informatie tijdig te anonimiseren, dan stoppen we met de techniek daarachter. Als een van onze telcamera’s een persoon registreert, wordt die registratie maximaal twee minuten lokaal opgeslagen.
Door middel van edge computing wordt de registratie ter plekke omgezet in een anoniem gegeven en dat anonieme gegeven wordt uiteindelijk naar een server gestuurd. De software die de gegevens anonimiseert, hangt dus naast de telcamera. Op dit moment is alles nog door middel van glasvezel met elkaar verbonden, maar dat gaan we op korte termijn vervangen door een ‘LoRa-netwerk’: een draadloze verbinding waar datapakketjes van maximaal 64kb over kunnen worden verzonden. Een voordeel: het systeem is hierdoor niet te hacken. De bandbreedte ligt zo laag dat het nooit mogelijk is om vanuit de server toegang te krijgen tot de telcamera of de software die ernaast hangt.
Als we veel gegevens zouden versturen, dan zouden we inderdaad lang moeten wachten. Maar dat doen we niet. In geluidscamera’s bijvoorbeeld, die door heel Stratumseind hangen, zitten 64 microfoontjes die accuraat kunnen registreren waar een glas valt of waar vuurwerk wordt afgestoken. Die geluidscamera registreert voor 50MB per seconde aan data. Als je alle data van een weekend op wil slaan heb je een flinke harde schijf nodig. Negen van de tien keer gebeurt er echter niets. Met het oog op dataminimalisatie gooien we daarom weg wat we niet nodig hebben, nog voordat het naar een server wordt gezonden. Er hoeft dus maar een kleine hoeveelheid data te worden verzonden. We kijken hierbij ook naar doelbinding: waarom bewaren we iets? Helemaal als we geanonimiseerde gegevens gaan combineren, hebben we maar heel weinig informatie nodig om afwijkend gedrag te herkennen. De Universiteit van Tilburg heeft ons geholpen met het maken van een algoritme dat herkent wanneer een aantal stipjes anders beweegt dan de stipjes daaromheen. Vervolgens trekt het algoritme daar conclusies uit trekt. Een mooi voorbeeld van privacy by design; je hebt uiteindelijk niets meer nodig dan een stipje.
De geluidscamera zoekt niet naar woorden, maar naar geluidskarakteristieken zoals stress. De software moet hier nog wel in worden getraind. We hebben alle vechtpartijen inmiddels te pakken, maar de geluidscamera registreert ook nog wel eens een luidruchtig vrijgezellenfeest. De politie informeert ons per melding vanuit het geautomatiseerde systeem of er daadwerkelijk sprake was van een vechtpartij of niet. Wij maken daar een lijstje van en corrigeren de software waar nodig. Op een gegeven moment heb je deep learning te pakken. Dan herkent de software zelf wanneer iets weggegooid kan worden. We hopen dat de software uiteindelijk patronen herkent, zodat het systeem in de toekomst een paar seconden voor een vechtpartij uitbreekt al aan de bel kan trekken. Deep learning heeft ook een keerzijde. Het systeem trekt conclusies op basis van de informatie die het heeft. Algoritmes kunnen zichzelf daarom vreemde eigenschappen aanleren. Daar zijn genoeg voorbeelden over bekend, maar toch worden ze steeds vaker ingezet. Ik ben blij dat de Algemene verordening gegevensbescherming (AVG) iets over het gebruik van algoritmen zegt. Voor de totstandkoming...
