In een tijdperk waarin synthetische beelden, deepfakes en steeds complexere AI-workflows ons digitale landschap domineren, is de vraag naar vertrouwen in data belangrijker dan ooit. Hoe kunnen we vertrouwen op de data die onze belangrijkste beslissingen ondersteunen – van overstromings- en bosbrandbeheer tot nationale veiligheid, noodhulp en infrastructuurplanning?
Denk aan de catastrofale overstromingen in Duitsland in 2021. Ondanks geavanceerde waarschuwingssystemen rezen er vragen over de nauwkeurigheid en tijdigheid van de data achter overstromingsvoorspellingsmodellen – wat bijdroeg aan vertragingen in evacuaties en het verlies van meer dan 180 levens. In Australië maakten hiaten en onnauwkeurigheden in satellietbeelden het tijdens de bosbranden van 2020 voor hulpdiensten moeilijker om middelen effectief te plannen en in te zetten.
De inzet is net zo hoog als het gaat om nationale veiligheid en publieke informatie. In 2022 ging een deepfakevideo van een prominente politieke leider viraal, waardoor het publieke vertrouwen kortstondig werd geschokt en er dringende vragen ontstonden over authenticiteit en toeschrijving. Tijdens de COVID-19-pandemie zaaiden misinformatie en inconsistente datarapportage verwarring en werden de coördinatie van een effectieve respons op het gebied van de volksgezondheid bemoeilijkt. Dit zijn geen marginale scenario's – ze vormen een voorproefje van wat er gebeurt als data-integriteit, herkomst en vertrouwen niet standaard in onze systemen zijn ingebouwd.
Daarom ontwikkelt het Open Geospatial Consortium (OGC) een uitgebreid raamwerk voor integriteit, herkomst en vertrouwen (IPT) in geospatiale data. Dit werk is erop gericht een basis te creëren waarop organisaties wereldwijd kunnen vertrouwen – en waarop ze kunnen voortbouwen – om ervoor te zorgen dat hun data niet alleen bruikbaar, maar ook betrouwbaar is.
Dit is het begin van een initiatief dat een jaar zal duren en waarin we willen definiëren hoe betrouwbare geospatiale gegevens er werkelijk uitzien, en hoe we als wereldwijde gemeenschap ervoor kunnen zorgen dat deze gegevens de basis vormen voor de systemen waarvan we allemaal afhankelijk zijn.
Waarom het nu belangrijk is
Organisaties vertrouwen tegenwoordig op een steeds omvangrijker en onderling verbonden data-ecosysteem – vaak met data van externe leveranciers of verwerkt via black-box AI-modellen. Maar dit gemak heeft een keerzijde: kunnen we er zeker van zijn dat de data is wat ze beweren te zijn?
We hebben al gefabriceerde satellietbeelden, door AI gegenereerde 3D-stadsmodellen en synthetische wegennetwerken gezien. Dit zijn niet alleen theoretische risico's – het zijn reële uitdagingen voor het publieke vertrouwen, de operationele nauwkeurigheid en de verantwoordingsplicht.
In omgevingen met hoge risico's kan onzekerheid over de integriteit of herkomst van gegevens leiden tot foutieve analyses, gemiste waarschuwingen of zelfs beleidsfouten. Het is tijd om over te stappen van blind vertrouwen naar op bewijs gebaseerd vertrouwen.
Laten we beginnen met een aantal definities en een voorbeeld om het perspectief van OGC bij het bouwen van dit raamwerk te schetsen.
Integriteit verwijst naar de manier waarop gegevens gedurende hun hele levenscyclus zijn behandeld, inclusief kenmerken zoals inhoud, nauwkeurigheid en volledigheid, van verzameling tot verwerking en distributie. Integriteit kan worden aangetast door manipulatie, fouten of niet-gedocumenteerde wijzigingen, waardoor beveiligingsmaatregelen essentieel zijn om de betrouwbaarheid te waarborgen.
Provenance verwijst naar de oorsprong van de gegevens, hoe deze zijn gewijzigd en wie of wat deze wijzigingen heeft uitgevoerd. Provenance komt in het gedrang wanneer bewerkingen die de gegevens wijzigen niet worden vastgelegd, wat zowel de traceerbaarheid als de integriteit aantast.
Wanneer de integriteit en herkomst van gegevens goed gedocumenteerd, consistent en onveranderlijk zijn, vormt dit een basis voor vertrouwen in de gegevens. Vertrouwen betekent niet alleen dat de gebruiker er zeker van is dat de gegevens aan zijn of haar verwachtingen voldoen, maar ook dat de bron, de ontwikkeling en de geschiktheid van de gegevens ondubbelzinnig kunnen worden beschreven, zodat anderen de gegevens ook kunnen gebruiken.
Een satelliet met bekende cameraparameters legt bijvoorbeeld een beeld vast. Dat beeld wordt rechtstreeks doorgegeven aan een organisatie die het aanpast aan een terreinmodel met behulp van een goed gedefinieerd algoritme. Het aangepaste beeld wordt vervolgens gebruikt om de grootte van een meer te berekenen, wetende dat de bron een bepaalde pixelresolutie heeft en dat de verwerking manipulatie van de data omvatte om die oorspronkelijke resolutie te behouden. Als elk van deze transacties – van verzameling tot verwerking tot levering – wordt gedocumenteerd met behulp van gestandaardiseerde en ondubbelzinnige parameters, kunnen gebruikers erop vertrouwen dat de data geschikt zijn voor hun behoeften en dat analyses gevalideerd en gereproduceerd kunnen worden.
VERTROUWEN OPBOUWEN IN GEOSPATIËLE DATA: VOORTGANG EN VOLGENDE STAPPEN
OGC en anderen hebben aanzienlijke vooruitgang geboekt in de ontwikkeling van standaarden , tools en frameworks die IPT (Integrated Product Technology) in geospatiale data verbeteren. Deze inspanningen vormen een basis voor het waarborgen van de betrouwbaarheid, traceerbaarheid en bruikbaarheid van data in diverse sectoren. Sommige aspecten van het IPT-framework zijn al geïmplementeerd of zullen binnenkort beschikbaar komen, zoals de volgende.
Integriteit
Metadatastandaarden definiëren de originele en getransformeerde data. Er bestaan gevestigde standaarden voor het vastleggen van metadata, maar er is behoefte aan richtlijnen voor effectief gebruik van gemeenschappelijke terminologie om directe vergelijkingen mogelijk te maken.
Het sensormodelregister van OGC zorgt voor consistente beschrijvingen van sensorfunctionaliteiten. Dit register lost een deel van het probleem op, maar vergelijkbare definities voor andere databronnen en -opnamemethoden moeten nog worden ontwikkeld of geïntegreerd.
Herkomst
De Training Data Markup Language for AI van OGC standaardiseert trainings- en validatiegegevenssets. Binnen OGC wordt momenteel gewerkt aan de ontwikkeling van gespecialiseerde metadata om de AI-modellen te beschrijven die worden gebruikt bij de verwerking van geospatiale gegevens.
Het register voor datakwaliteitsmaatregelen van OGC en ISO stelt kwantificeerbare, consistente beschrijvingen van datakwaliteit vast. Deze kwaliteitsmaatregelen zijn toepasbaar op het beschrijven van de integriteit van de data en de impact van de verwerking die de herkomst van de informatie bepaalt.
De OGC implementeert bouwstenen voor herkomstregistratie in meerdere projecten van de Europese Unie. De OGC API-standaarden zijn opgebouwd uit een aantal onafhankelijk implementeerbare functionele bouwstenen die samen een implementatie kunnen vormen. Op dezelfde manier kunnen beschrijvingen van bewerkingen die de integriteit beïnvloeden en die deel uitmaken van de herkomst van de gegevens, modulair worden opgebouwd en in elke stap van de levenscyclus van de gegevens worden ingevoegd.
Wat volgt
Ondanks deze vooruitgang is er nog steeds geen alomvattend Trust-model voltooid, dat is opgebouwd uit interoperabele, op standaarden gebaseerde IPT-componenten.
Het komende jaar zal OGC met leden en partners samenwerken om:
- Integreer IPT-bouwstenen in operationele systemen en workflows
- Zorg ervoor dat beschrijvingen machinaal leesbaar, fraudebestendig en bruikbaar zijn
- IPT-parameters verpakken met datasets voor end-to-end transparantie
- Weerspiegel de behoeften van echte gebruikers door middel van open samenwerking en gedeelde tests
Maak deel uit van de toekomst van vertrouwde data
In deze blog duiken we dieper in het Integriteit-, Herkomst- en Vertrouwen-kader en hoe we als community samen iets betekenisvols en schaalbaars kunnen bouwen.
We zullen het hele jaar door technische spotlights, praktijkvoorbeelden en mogelijkheden voor betrokkenheid publiceren. Of u nu een standaardontwikkelaar, datagebruiker, AI-professional of ambtenaar bent, uw inzicht is essentieel.
Doe mee met de beweging:
Laten we datavertrouwen zichtbaar, meetbaar en deelbaar maken, zodat iedereen met vertrouwen betere beslissingen kan nemen.
