White Collar Crime Risk Zones

White Collar Crime Risk Zones gebruikt voorspellende algoritmen om financiële misdaden in (nu nog alleen) de VS op de kaart te zetten.

Financiële criminaliteit is een vaak verborgen vorm van (witteboorden)criminaliteit. De huidige predictive policing systemen richten zich dan ook vooral op ‘street crime’, de zichtbare misdaad op straat zoals woninginbraken of zakkenrollen. Als research project is de White Collar Crime Risk Zones kaart openbaar gemaakt en gelanceerd vanuit een onderzoek naar een White Collar Crime Early Warning System (WCCEWS) dat vroegtijdig kan waarschuwen voor financiële misdaden en dus preventief benut kan worden.

De NYPD, ofwel de New York Police Department, gebruikt al een een tijd predictive policing systemen, zoals nu die van Compstat 2.0, en als je daarin de kaarten bekijkt zou je denken dat er in Wall Street alleen maak keurige burgers zijn. Tuurlijk, er zijn een paar kleine misdaadvormen te vinden op de hoeken waar winkels staan. Maar geen fraude, geen belastingontduiking, geen marktmanipulatie, onderhandse handel, namaak of discriminatie. Zo lijkt. Want je moet door een andere bril kijken met een ander systeem. Dat systeem wordt nu ontwikkelt door onderzoekers die er meteen een app en website van maakten waarin precies te zien is in welke wijken financiële criminelen te vinden zouden moeten zijn, hoeveel schade die veroorzaken en zelfs hoe ze eruit kunnen zien (zie onderstaand scherm). De kaart gebruikt data van de Regulerende Autoriteit Financiële Industrie (FIRA) en samen met techneuten van het tijdschrift New Inquiry werd er een open source tool gemaakt die iedereen kan raadplegen voor zijn eigen woonomgeving.

De app is de zoveelste in een rij van toepassingen op het gebied van “predictive policing”-apps – tools die door de politie gebruikt worden om uit te zoeken waar misdaad waarschijnlijk zal optreden, zodat politiehoofden weten welke wijken meer aandacht nodig hebben. Kritiek is er ook, omdat deze systemen gebruik maken van historische gegevens waarmee eventuele vooroordelen in het politiegedrag, waaronder raciale vooroordelen, bevestigt en versterkt kunnen worden door deze misdaadvoorspellende algoritmen.

“Het is waar dat al die systemen gebruik maken van datasets die vooroordelen alleen maar kunnen versterken.” zegt Sam Lavigne, technoloog en speciale projectredacteur van New Quest, die bijdroeg aan de ontwikkeling van WCCRZ, “En de politie-korpsen die er gebruik van maken werken veinzen objectiviteit.”

Daarom heeft het WCCRZ team een ”Most Likely Suspect” -functie ingebouwd waarbij de LinkedIn-profielen van topmanagers in dat gebied worden doorzocht om een gezichtsgemiddelde te maken. De app plakt op elke misdaadvorm een nieuw gezicht: duizenden door algoritmes gegenereerde, meestal blanke fraudeurs. Deze app probeert dus ook een politiek standpunt te maken, namelijk dat criminaliteit meer kleuren kent dan alleen het typische beeld van zwarte, arme en onopgeleide daders. Er zijn veel apps volgens hen, zoals SketchFactor die onlangs nog onder vuur lag, die rassendiscriminatie en ‘racial profiling’ alleen maar in de hand werken.

We krijgen nu een heel ander beeld van wat ‘slechte buurten’ zijn volgens Lavigne. De WCCRZ wil mensen een melding geven en het equivalent zoeken voor de ‘broken windows theorie’ die in veel wijken gehanteerd wordt om te bepalen hoe criminaliteit voedingsbodem krijgt.

Bronnen: Mic

Deze SlideShare-presentatie is niet meer beschikbaar.