Sprekers
Bekijk het overzicht van sprekers tijdens het Symposium E-Discovery 2019.
Hans Henseler - Lector Digital Forensics & E-Discovery Hogeschool Leiden
Welkomstwoord
Hans Henseler is lector Digital Forensics & E-Discovery bij Hogeschool Leiden. Daarnaast is hij Director Digital Evidence Review bij het Canadese bedrijf Magnet Forensics dat software voor digitaal forensisch onderzoek ontwikkelt en verkoopt. Hij is tevens lid van het College van het Nederlands Register van Gerechtelijk Deskundigen en voorzitter van de Board of Directors van DFRWS. Hans studeerde Informatica aan de TU Delft en is aan de Universiteit van Maastricht gepromoveerd op het onderwerp Artificiële Neurale Netwerken. In 1992 is hij gaan pionieren op forensisch ICT-gebied bij het Gerechtelijk Laboratorium. Sindsdien heeft hij verschillende bedrijven waaronder ZyLAB, PWC en Fox-IT gewerkt waar hij ervaring heeft opgedaan met het ontwikkelen van software, het leiden van digitaal forensische laboratoria en met het leiden van (internationale) E-Discovery projecten en adviseren van bedrijven op het gebied van digitaal bewijs in fraude onderzoeken.
Bekijk het LinkedIn-profiel van Hans
Mark Mooij | Medeoprichter Ai Applied en KeenCorp
Wat gebeurde er bij Enron op 28 juni 1999?
De KeenCorp software is gebaseerd op wetenschap die aangeeft dat het taalgebruik van mensen belangrijke, verborgen informatie bevat. Dit taalgebruik vertelt ons bijvoorbeeld over het werkelijke ‘onderbuikgevoel’ binnen een bedrijf. Tijdens onderzoek werd KeenCorp’s Ai-algoritme getest op Enron. Dit Amerikaanse bedrijf ging eind 2001 ten onder, onder verdachtmaking van gigantische fraude met wereldwijde gevolgen. Kijkend naar e-mails van de top 150 managers gingen we onze theorie controleren. Maar er leek iets mis te zijn gegaan.
De score ging over een periode van 2 jaar netjes omlaag zoals verwacht en eind 2001 had de software de laagste indexscore teruggegeven. Dat was logisch: de leidinggevenden van Enron zouden onrustiger zijn geworden toen het bedrijf bijna failliet was. Maar de index was ook meer dan twee jaar eerder fors gekelderd. Nergens in de literatuur was te vinden wat deze eerdere datum belangrijk maakte. En dus stelden we aan een ex-Enron bestuurder maar één vraag: "Herinner u zich nog iets ongewoons dat gebeurd is op 28 juni 1999?". Van de vraag viel deze bestuurder bijna letterlijk van zijn stoel. De gevolgen van zijn antwoord zijn enorm. Ik vertel jullie daar op 11 april graag meer over.
Achtergrond
Mark Mooij (35) behaalde zijn MsC in Artificial Intelligence aan de Universiteit van Amsterdam. In 2007 richtte hij samen met Bruno Jakic & waarmee hij al sinds zijn studietijd samenwerkt – Ai Applied op. Ai Applied helpt bedrijven al meer dan 10 jaar winst te behalen en te groeien door het toepassen van Ai. In 2010 richtten Mark en Bruno samen met 3 anderen KeenCorp op. Als enige bedrijf ter wereld meet KeenCorp “employee engagement” automatisch en real time, 24 uur per dag, 7 dagen per week. Mark specialiseert zich bij KeenCorp in sentimentanalyse en is betrokken bij (door)ontwikkeling van verschillende producten als product owner.
Bekijk het LinkedIn-profiel van Mark
Menno Israel | IFFC
Menno Israel werkt sinds de jaren negentig op het gebied van AI, Data Science en Data. Beginnend in de jaren negentig bij Sentient Machine Research, een AI software bedrijf, en werd mede oprichter van een bedrijf gespecialiseerd in tekst en webmining. In 2008 maakte hij de overstap naar het Nederlands Forensisch Instituut. Vanaf 2011 leverde hij met zijn team professionele “intelligente data analyse (ida)” diensten aan de openbare orde en veiligheidsketen. In 2017 en 2018 werkte hij aan de definitie en ontwikkeling van het strategische programma voor de digitale vernieuwing van het onderzoeksproces bij het Erasmus MC. Op het moment is hij onder andere werkzaam voor het Institute For Financial Crime (IFFC), als programma manager data science.
Bekijk het LinkedIn-profiel van Menno
Davey Kaak & Ian Dashorst
E-discovery: Het toepassen van Bayesiaanse statistiek om fraude gerelateerde e-mail te classificeren
Een van de bronnen van informatie bij een casus waar fraude een rol speelt is het mailverkeer van de betrokkenen. Het doorzoeken van een mailbox kan een tijdrovend en duur proces zijn, zeker als het om meerdere personen of over een langere tijdsperiode gaat.
Davey en Ian zullen het afstudeeronderzoek van Davey presenteren waarin wordt gekeken naar het toepassen van Machine Learning/Statistische modellen om het E-discovery proces te automatiseren en te versnellen door middel van automatische classificatie van e-mails die fraude bevatten. De hypothese van het onderzoek is dat het detecteren van fraude gerelateerde e-mails eenzelfde soort probleem is als het detecteren van spam e-mails. Maar, hoe goed werken zulke technieken voor fraudedetectie? Welke eigenschappen van e-mails dragen bij aan de classificatie? En is het eigenlijk wel mogelijk om fraude gerelateerde e-mail automatisch te detecteren zonder enig menselijke interactie?
Achtergrond Ian Dashorst
Ian Dashorst werkt sinds 2014 als Forensic Data Analyst bij KPMG na het behalen van zijn MSc in Forensic Science aan de Universiteit van Amsterdam. Hij heeft een multidisciplinaire achtergrond met een major in Artificial Intelligence. Zijn focus binnen KPMG en het Forensic Technology team is op E-discovery, data analytics, innovatie en ongestructureerde data.
Bekijk het LinkedkIn-profiel van Ian
Achtergrond Davey Kaak
Davey Kaak is master student Applied Mathematics aan de TU Delft. Na ook de bachelor Technische Wiskunde daar te hebben gevolgd heeft hij gekozen voor de specialisatie Stochastiek (Statistiek en Kansrekening). Momenteel is hij bij KPMG Forensic Technology als scriptant bezig met het hierboven genoemd onderzoek.
Bekijk het LinkedIn-profiel van Davey
Jakub Pistorski | European Commission , Scientific Project Officer Joint Research Centre Text and Data Mining Unit
On the Development of Entity-centric Open-domain Event Extraction Tool
This presentation will give an overview of an ongoing effort to develop a tool, which takes as input a massive collection of textual documents and extracts structured information on all open-domain events a given target entity participated in or in whose context it was mentioned, classifies them based on a number of broad semantic categories and anchors these events on a timescale. The primary motivation for developing the tool is to enlarge the pool of analytical functionalities and capabilities for our OSINT community clients. The presentation will encompass a brief overview of the architecture of the tool and the approaches used, and will also address the issues related to the quality of the extracted information. Furthermore, a live demo of the web-based version of the tool will be given.
Bio
Jakub Piskorski received his M.Sc in Computer Science from the University of Saarbrücken, Germany and Ph.D from the Polish Academy of Sciences in Warsaw, Poland. His areas of interest are centred around information extraction, shallow text processing, efficient application-oriented natural language processing solutions and open source intelligence. Jakub is currently working in the Text and Data Mining Unit in the European Commission Joint Research Centre and he is also a Research Associate at the Polish Academy of Sciences in Warsaw. Previously he has worked for the Research & Development Unit of the Warsaw-based EU Border Security Agency Frontex, Joint Research Centre, the German Research Centre for Artificial Intelligence in Saarbruecken and the Department of Information Systems at Poznan University of Economics. Jakub is author and co-author of more than 100 peer-reviewed international conference papers, journal articles and book chapters, which cover various topics related to natural language processing, text mining and security applications.
Bas Sluijsmans | Expert eDiscovery & Digital Forensics – Eigenaar/medeoprichter Forcyd
eDiscovery zonder filteren
Het volume aan informatie dat in eDiscovery en vergelijkbare trajecten moet worden onderzocht neemt alleen maar toe. Het antwoord hierop is vaak sneller, beter en slimmer filteren. Maar filteren is niet altijd dynamische genoeg om met de nuances in e-mails en documenten, door mensen geschreven, om te gaan. Het gebruik van voorspellende algoritmen kan dat wel steeds beter. Hierbij sluit je niets in of uit, maar bereken je hoe relevant iets is voor je onderzoek, en ontwikkel je een zaak specifiek model dat deze nuances aan kan. Dit kan je toepassen voor een breed scala aan vraagstukken, van het identificeren van verschoningsgerechtigde informatie, tot relevantie of prioriteit bij het analyseren van bewijs, en alles wat daar tussen zit.
Achtergrond
Bas is eigenaar en medeoprichter van Forcyd, dé Nederlandse eDiscovery serviceprovider. Bas heeft meer dan 16 jaar ervaring op het gebied van eDiscovery en digital forensics. Hij is werkzaam geweest bij de SIOD, Europol, Fox-IT en heeft opgericht en leidinggegeven aan de afdelingen voor Forensic Technology en eDiscovery services bij zowel EY als Deloitte. Bas heeft een MSc. van de Universiteit Leiden in ICT in Business en een Bachelor in Informatica. Forcyd levert high-end eDiscovery, Digitaal Forensisch en Cyber Security advies en oplossingen. Wij helpen klanten om boven complexe business problemen te staan relaterend aan fraude, juridische geschillen en datalekken.
Bekijk het LinkedIn-profiel van Bas
Zeno Geradts | Senior forensisch onderzoeker bij de afdeling Digitale en Biometrische Sporen van het Nederlands Forensisch Instituut
Binnen de EU zijn een altijd projecten gaande rondom artificial intelligence binnen digital forensics. In deze presentatie wordt ingegaan op het Horizon 2020 COST project DigforAsp (Digital Forensics, Evidence Analysis via Intelligent Systems and Practices) en het project ASGARD (Analysis System for Gathered Raw Data). Binnen beide projecten wordt gekeken naar de toepasbaarheid van deep learning in digitaal forensisch onderzoek. Het COST project houdt zich bezig met standaardisatie van intelligente systemen rondom forensisch onderzoek en hoe dit zo goed mogelijk te verwoorden in de rechtbank. Binnen het Verenigd Koninkrijk zijn al diverse problemen gesignaleerd met digitaal forensisch onderzoek en onvoldoende opleiding waardoor verkeerde conclusies werden getrokken. Validatie van technieken is hier van belang. Verder zien we dat deep learning in steeds meer producten wordt gebruikt, zoals gezichts- en object herkenning. Binnen ASGARD worden de verschillende tools gecombineerd, en toegepast. De uitdaging is om ook bewijs te combineren met een betrouwbare schatting van de likelihood ratio.
Achtergrond
Zeno Geradts is een senior forensisch onderzoeker bij de afdeling Digitale en Biometrische Sporen. Hij werkt meer dan 25 jaar binnen het NFI en is momenteel President van de American Academy of Forensic Science (AAFS) waar hij ook mede oprichter is van de sectie Digtal and Multimedia Sciences. Verder is hij voorzitter van de ENFSI Forensic IT working group Forensic IT. Hij heeft over de jaren meer dan zevenhonderd rapporten geschreven, en wordt geregeld opgeroepen om te verschijnen als deskundige bij de rechtbanken en gerechtshoven. Voorts is hij een dag per week bijzonder hoogleraar Forensic Data Science bij de Universiteit van Amsterdam. Rondom forensisch onderzoek en artificial intelligence heeft hij vele papers geschreven in journals en hoofdstukken van boeken. Geregeld wordt hij gevraagd als keynote speaker bij conferenties. Hij is ook actief binnen diverse Horizon 2020 projecten waaronder het Marie-Curie project ESSENTIAL waarbij 15 PhD-studenten onderzoek doen rondom interdisciplinair onderzoek op privacy, forensics, intelligence en security.
Bekijk het LinkedIn-profiel van Zeno
Bekijk het programma | Informatiemarkt