4. Privacy
4.1 Soort datagebruik bij predictive policing
Gelet op het belang dat recent aan privacy wordt gehecht, is het essentieel om in dit onderzoek stil te staan bij de privacy-gerelateerde risico’s die predictive policing kan hebben. Enkele zaken bemoeilijken echter een onderzoek naar de conformiteit van predictive policing met de privacyreglementering in België.
Ten eerste is er slechts een beperkte kennis over de precieze werking van deze applicaties. Zeker in Europa is hier niet veel over geweten114. Het is dus moeilijk om te achterhalen welke
data zij precies gebruiken, en op welke manier deze gebruikt wordt. Ontwikkelaars staan niet vaak te springen om deze werkingsdetails vrij te geven.
Een tweede bemoeilijkende factor betreft het feit dat er in België nog geen specifieke keuze gemaakt is over het soort applicatie dat men wilt gebruiken. Zoals reeds eerder aangegeven heeft men in België wel al te kennen gegeven dat men gebruik wilt maken van predictive
policing, maar het gaat hier slechts om vermeldingen hiervan115. Er is nog niet beslist (of de
beslissing is nog niet openbaar gemaakt) op welke manier men deze technologie concreet gaat implementeren, of men gebruik zal maken van een reeds bestaande applicatie of zelf een applicatie zal ontwikkelen, welke vormen van data men hierin zal opnemen, enzovoort… Om toch over te gaan tot een onderzoek naar de relatie tussen predictive policing en privacy, zullen er enkele hypothesen gemaakt worden. Om deze op een verantwoorde manier te maken kijken we eerst naar de manier waarop andere lidstaten van de Europese Unie van deze technologie gebruik maken, en wat de algemene werkingsprincipes ervan zijn.
Predictive policing steunt voornamelijk op historische criminaliteitsgegevens, die informatie
moeten geven over drie aspecten van een gepleegd misdrijf: tijd, plaats en soort misdrijf116.
Terwijl de eerste applicaties zich vaak beperkten tot enkel criminaliteitsgerelateerde data, werd er na verloop van tijd gezocht naar een breder spectrum van data die men aan de applicatie kan voeden. Naderhand begint men naast historische criminaliteitsgegevens ook gebruik te maken van socio-economische en demografische data117. Hierbij kan men denken aan de
samenstelling van de populatie, transportmogelijkheden, het weer, dakloosheid, sociale
114 M. SCHUILENBURG, “Predictive policing: de opkomst van een gedachtenpolitie?”, Ars Aequi 2016, 931.
115 L. BOVÉ, “Politie gaat criminaliteit via data voorspellen”, De Tijd 30 augustus 2018, https://www.tijd.be/politiek-economie/belgie-federaal/Politie-gaat-criminaliteit-via-data-
voorspellen/10044356?utm_medium=twitter&utm_source=dlvr.it., Vr. en Antw. Senaat, Vr. nr. 6-2175, 15 januari 2019 (L. BAJART)., Nationaal Veiligheidsplan 2016-2019, 63.
116 M. SCHUILENBURG, “Predictive policing: de opkomst van een gedachtenpolitie?”, Ars Aequi 2016, 931.
117 W. HARDYNS, A. RUMMENS, “Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges”, European Journal on Criminal Policy and Research, afl. 24, 2018, 203.
welvaart, …118. Het is moeilijk om precies te achterhalen welke gegevens gebruikt worden, en
hoe deze gebruikt worden.
Een van de meer recente evoluties is het gebruik van persoonlijke data uit sociale media, zogeheten big social data, om voorspellende algoritmes nauwkeurigere voorspellingen te laten maken119. Concreet zal men hier vrij beschikbare (open-source) communicatie van sociale
media platformen gebruiken als een alternatieve of aanvullende vorm om informatie te vergaren over misdaadpatronen120.
In dit kader kwam Clearview AI recent in het nieuws. Deze onderneming zou aan datamining doen op sociale media, waarna ze van gebruikers een database maken met foto’s en persoonlijke informatie. Klanten van de onderneming kunnen dan op basis van een zoekopdracht met een foto van een persoon, dit individu identificeren en er informatie over verkrijgen. Na een onderzoek van Buzzfeed bleek de Belgische politie in het klantenbestand van Clearview AI te zitten121. De federale politie ontkent het gebruik van deze software. Het
Belgische Controleorgaan op de politionele info erkent dat het gebruik hiervan zou ingaan tegen de Europese en Belgische privacywetgeving122.
Welke gegevens gaat men nu precies gebruiken in toepassingen in de rest van Europa? Nederland heeft bij zijn invoering van predictive policing er bewust voor gekozen om zelf een applicatie te ontwerpen, het Criminaliteits Anticipatie Systeem (hierna: CAS). Deze keuze werd gemaakt omdat men wou vermijden dat private ondernemingen, zoals PredPol, toegang zouden krijgen tot gevoelige informatie met betrekking tot misdaad123. Deze applicatie gebruikt
de volgende soorten data: “criminaliteitshistorie, afstand tot bekende verdachten, afstand tot de dichtstbijzijnde snelwegoprit, soort en aantal bedrijven bekend bij de politie, en daarnaast ook demografische en socio-economische gegevens via het CBS”124.
118 A. BOGOMOLOV et al., “Once Upon a Crime: Towards Crime Prediction from Demographics and Mobile Data”, ICMI 2014, 2.
119 R. PEETERS, M. SCHUILENBURG, “Machine justice: Governing security through the bureaucracy of algorithms”, Information Policy, afl. 23, 2018, 272.
120 M. L. WILLIAMS, P. BURNAP, L. SLOAN, “Crime Sensing With Big Data: The Affordances and Limitations of Using Open-source Communications to Estimate Crime Patterns”, BJC 2017, afl. 57, 2016, 322.
121 R. MAC, C. HASKINS, L MCDONALD, “Clearview’s Facial Recognition App Has Been Used By The Justice Department, ICE, Macy’s, Walmart, And The NBA”, Buzzfeed News, 27 februari 2020, https://www.buzzfeednews.com/article/ryanmac/clearview-ai-fbi-ice-global-law-enforcement. 122 X. “Belgische politie maakt geen gebruik van Clearview AI”, Knack, 28 februari 2020,
https://www.knack.be/nieuws/belgie/belgische-politie-maakt-geen-gebruik-van-clearview-ai/article- belga-1570633.html.
123 Supra nr. 116.
124 D. WILLEMS, R. DOELEMAN, “Predictive Policing – wens of werkelijkheid?”, het Tijdschrift voor de Politie, afl. 76, nr. 4, 2014, 41.
Men beperkt zich in Nederland dus niet tot loutere criminaliteitsgegevens, maar men betrekt ook socio-economische en censusdata bij het gebruik van predictive policing. Bovendien gebruikt men zelfs heel persoonlijke informatie, zoals de afstand tot bekende verdachten.
In Duitsland wordt het veelgebruikte Pre Crime Observation System (PRECOBS) aangeboden door het Institut für musterbasierte Prognosetechnik (IfmPt)125. In tegenstelling tot wat men in
Nederland doet, doet men hier beroep op een private Duitse onderneming126. Deze applicatie
gebruikt, in tegenstelling tot CAS, enkel data omtrent misdrijven die reeds in het bezit is van de politie. Zij gebruikt dus geen socio-economische of censusdata127. Enkele jaren na het
gebruik van PRECOBS kwam het IfmPt echter tot inzien dat een bredere waaier aan data betere resultaten zou kunnen opleveren. Daarom ontwikkelden zij een nieuwe versie, PRECOBS Enterprise. Deze applicatie schakelt over van een “model is king” model naar een “data is king” model. Men gaat dus meer de nadruk leggen op allerhande verschillende soorten data128. Bij PRECOBS Enterprise maakt men een link tussen politiedatabanken en niet-
politiedatabanken. Hierdoor gaat men ook socio-economische en censusdata in de applicatie verwerken, zoals ook bij CAS het geval is129.
Onze dichtste buurlanden die gebruik maken van predictive policing doen dit dus niet op een eenvormige manier. Terwijl zij sinds kort wel gebruik maken van hetzelfde soort data, besteedt Duitsland de ontwikkeling van de applicatie uit aan een private onderneming, terwijl Nederland er voor heeft gekozen om er zelf een te ontwikkelen. Van belang is wel om aan te stippen dat het IfmPt een Duitse onderneming is, waardoor de controlemogelijkheden voor de overheid net iets groter zijn dan wanneer men ervoor zou kiezen om beroep te doen op bijvoorbeeld een Amerikaanse onderneming.
Het belangrijkste wat men in het kader van dit onderzoek hieruit kan besluiten is dat we er op redelijkerwijze van uit kunnen gaat dat een Belgische vorm van predictive policing ook gebruik zal maken van criminaliteitshistorische gegevens, socio-economische gegevens en censusdata. Of men deze applicatie al dan niet in eigen beheer zal ontwikkelen of zal uitbesteden, dient in het midden te worden gelaten. Bovendien kan men ook niet weten waar de ontwikkelende entiteit deze data vandaan zal halen. Men kan er van uit gaan dat er gebruik zal worden gemaakt van data die de politie zelf verzameld heeft, en van dan data die de
125 https://www.ifmpt.de/index.html. 126 https://www.ifmpt.de/about.html.
127 S. EGBERT, S. KRASMANN, “Predictive policing: not yet, but soon preemptive?” Policing and Society, 2019, 8.
128 Ibid, 9. 129 Ibid, 10.
overheid verzameld heeft. Daarnaast zou men bijvoorbeeld ook gebruik kunnen maken van data die door private ondernemingen verkocht wordt.
Gelet op de ruime waaier aan privacyreglementering en de overlapping in toepassingsgebieden, gaan we in dit onderzoek uit van de hypothese dat de Belgische politie een applicatie in eigen beheer ontwikkelt. Zoals verder in dit onderzoek uiteengezet wordt zal de Wet Verwerking Persoonsgegevens (hierna: WVP) hierop van toepassing zijn, die op bepaalde punten strenger is dan de Algemene Verordening Persoonsgegevens (hierna: AVG).