- Home >
- Services >
- Access to Knowledge >
- Trend Monitor >
- Type of Threat or Opportunity >
- Trend snippet: Use of language and speech technology in AI
Trends in Security Information
The HSD Trendmonitor is designed to provide access to relevant content on various subjects in the safety and security domain, to identify relevant developments and to connect knowledge and organisations. The safety and security domain encompasses a vast number of subjects. Four relevant taxonomies (type of threat or opportunity, victim, source of threat and domain of application) have been constructed in order to visualize all of these subjects. The taxonomies and related category descriptions have been carefully composed according to other taxonomies, European and international standards and our own expertise.
In order to identify safety and security related trends, relevant reports and HSD news articles are continuously scanned, analysed and classified by hand according to the four taxonomies. This results in a wide array of observations, which we call ‘Trend Snippets’. Multiple Trend Snippets combined can provide insights into safety and security trends. The size of the circles shows the relative weight of the topic, the filters can be used to further select the most relevant content for you. If you have an addition, question or remark, drop us a line at info@securitydelta.nl.
visible on larger screens only
Please expand your browser window.
Or enjoy this interactive application on your desktop or laptop.
Use of language and speech technology in AI
Mogelijke toepassingen zijn bijvoorbeeld het vinden van relevante informatie in grote hoeveelheden tekst, het automatisch transcriberen van gesprekken tussen patiënt en dokter, het detecteren van emoties in iemands stem, het detecteren van een aantal medische condities zoals beginnende Parkinson, dementie of COVID-19, en het aansturen van apparaten door middel van automatische spraakherkenning. Al deze mogelijkheden van NLP en ASR hebben toepassingen in verschillende sectoren zoals veiligheid, overheid, onderwijs, nieuwe media, of de gezondheidszorg.
De afgelopen jaren zijn er grote ontwikkelingen geweest op het gebied van taal- en spraaktechnologie. Het blijkt echter dat deze technologie geen goede resultaten biedt voor Nederlandstalige teksten en spraak. Allereerst is de kwaliteit van generieke Nederlandstalige modellen al niet goed genoeg om direct ingezet te worden bij organisaties, en blijkt er veel behoefte te zijn aan verdere doorontwikkeling van specifieke taalmodellen die toegespitst zijn op domeinspecifieke terminologie, dialecten, straattaal of buitenlandse accenten. Deze modellen zijn echter zeer kostbaar om te ontwikkelen. Hoewel grote buitenlandse commerciële partijen zoals Google Nederlandstalige modellen aanbieden, is met name de afzetmarkt van specifieke taalmodellen te klein om deze partijen te bewegen om maatwerk te leveren. Bovendien is het voor veel organisaties onwenselijk of niet mogelijk om hun data en processen langs een niet-Nederlandse partij te sturen en afhankelijk te zijn van een groot buitenlands tech- bedrijf. Daarnaast kan niet gegarandeerd worden dat deze beschikbare taalmodellen inclusief, transparant en vrij van bias zijn.
Voor opsporingstaken en allerhande taken in de strafrechtketen is het belangrijk dat er goede algoritmes zijn voor de Nederlandse taal, die ook dialecten, straattaal, accenten, kindertaal en spraakafwijkingen kunnen herkennen. Deze taal-en spraaktechnologie analyseert gesproken en geschreven Nederlandse taal, legt relaties tussen gesproken
en geschreven taal, en zet gesproken woorden om naar tekst. Toepassingen als het geautomatiseerd analyseren en uitwerken van taps, rapporten, verhoren, aangiften, 112- meldingen en nog veel meer wordt hierdoor mogelijk.
Daarnaast wordt in het veiligheidsdomein spraak- technologie als veelbelovend gezien, omdat mensen ermee geïdentificeerd en geverifieerd kunnen worden. Bij identificatie wordt iemands identiteit achterhaald door zijn stemgeluid te vergelijken met een brede dataset. Verificatie werkt anders. Daarbij claimt iemand een bepaalde identiteit en stelt de software op basis van een geluidsopname vast dat een stem authentiek is en inderdaad bij die specifieke persoon (identiteit) hoort. Hiervoor is slechts een vooraf opgeslagen opname per persoon nodig.
Spraakverificatie kan een extra veiligheidsfactor bieden om online fraude tegen te gaan of gebouwen te beveiligen. In sommige gevallen kan het gebruikt worden als een handtekening. In de Verenigde Staten kunnen spraakopnames met de woorden ‘I agree’ bijvoorbeeld gebruikt worden om een digitaal contract te ondertekenen. Een stem-ID kan ook gebruikt worden voor het opsporen van criminelen. Dan gaat het om identificatie. Zo kan een geluidsfragment tijdens een winkelberoving worden beluisterd, en kan de politie de daders op basis van een brede dataset van spraak-IDs identificeren.
Daarentegen kan spraaktechnologie ook de veiligheid van mensen onder druk zetten. Spraakdata kan gestolen en misbruikt worden, bijvoorbeeld om identiteitsfraude mee te plegen. En ondanks de verbeteringen is spraaktechnologie niet foutloos en kunnen er ongelukken gebeuren. Voordat spraaktechnologie in kritieke toepassingen in de zorg, defensie, veiligheidsdomein of de maakindustrie wordt ingezet, zal de betrouwbaarheid van de technologie buiten kijf moeten staan en geïnvesteerd moeten worden in technieken die misbruik juist tegengaan. Denk bijvoorbeeld aan deep fake video’s, waarin iemands uiterlijk en stem worden nagemaakt (‘gekloond’) en die bijvoorbeeld mensen om de tuin leiden en het publieke debat ondermijnen.
Security Operation Centers (SOC) worden als cruciaal beschouwd bij het detecteren van aanvallen en vormen de kern van de meeste cyberbeveiligingsstrategieën. Tegelijkertijd neemt het aantal aanvallen toe, is personeel schaars en worden cyberaanvallen in toenemende mate geautomatiseerd uitgevoerd. Dit vraagt om een upgrade van bestaande SOC-platformen. Een oplossing hiervoor is het automatiseren van security operations. In 2020 is met steun van het Ministerie van Economische Zaken en Klimaat (EZK) door TNO het consortium Automated Security Operations (ASOP) opgericht. Het consortium wil in een publiek-private samenwerking een automated security platform ontwikkelen dat organisaties in staat stelt om sneller en geautomatiseerd cyberaanvallen te ontdekken en te beantwoorden. Dit moet ervoor zorgen dat het voor de gehele keten van eindgebruikers, system integrators en ontwikkelaars beter mogelijk wordt om proactief en reactief complexe cyberaanvallen af te weren.