Inleiding
´The only certainty about the future is that those who do not think about it will be unprepared for whatever comes´ (Turning the corner, UK Foresight Programme, 2002). Goede morgen allemaal op deze maandag 9 maart 2026. Ik hoop dat jullie een aangenaam weekeinde achter de rug hebben. Gewoontegetrouw begin ik met een liedje, dit keer van mijn favoriete band The Ramones: https://www.youtube.com/watch?v=IcmDhG0YhgI&list=RDIcmDhG0YhgI&start_radio=1 Vandaag een prima systematisch overzicht rond de opkomst van toepassingen van grootschalige taalmodellen (LLM) en van generatieve kunstmatige intelligentie (GenAI) en de preventieve en criminogene gevolgen daarvan.
Er is hierdoor een ruime gelegenheidsstructuur gecreëerd voor het plegen criminaliteit, waaronder door technologie gefaciliteerde financiële misdrijven. Tegelijkertijd bieden deze ontwikkelingen preventieve mogelijkheid om financiële criminaliteit te voorkomen. Op basis van 94 geïncludeerde studies blijkt inderdaad dat GenAI dat zowel financiële criminaliteit faciliteert als voorkomt. Enerzijds wordt GenAI op grote schaal misbruikt bij financiële cybercriminaliteit, zoals algoritmische fraude, deepfake-aanvallen en de exploitatie van bijvoorbeeld smart contracts.
Anderzijds heeft het duale karakter van GenAI de mogelijkheden voor criminaliteitspreventie vergroot, bijvoorbeeld door verbeterde detectiemogelijkheden en kwetsbaarheidsscreening. Er is sprake van een schijnbaar duizelingwekkende ontwikkeling waar het de toepassingsmogelijkheden van AI betreft: https://www.theideasletter.org/essay/the-next-great-transformation/ Deze ‘kennisparels’ verstuurde ik eerder over aspecten van kunstmatige intelligentie: 945;896;895;837;763;681;592;574;546;535;314;253;151; en 86, allemaal gratis te downloaden vanaf: https://prohic.nl/de-parels-van-jaap-de-waard/
Nog een leuk weetje. In 1992 heb ik een tijdje samengewerkt met Gerard de Raaf, een ingenieur die binnen het ministerie van Justitie was als raadadviseur technology assessment was gedetacheerd. Hij was zijn tijd ver vooruit en schreef toen al over contra technology assessment en criminaliteitspreventie: https://repository.wodc.nl/bitstream/handle/20.500.12832/590/jv9204-volledige-tekst_tcm28-76337.pdf?sequence=1&isAllowed=y Hij pleitte toen al voor de grootschalige invoering van een smart card voor de handhaving van de verkeerswetgeving. Voor het gemak was hij vergeten dat de toenmalig minister van Justitie Ernst Hirsch Ballin daar sterk op tegen was. Dat was dus aanleiding voor een klein ambtelijk conflict.
Bron
Tiwari, Milind ,You Zhou, Jin R. Lee, Kumar N. Naraspuram, Michael Bewong & Vatsna Rathore (February 2026). Generative AI and financial crimes: A quantitative systematic literature review. Crime Science, 14 February, pp. 1-49. https://link.springer.com/article/10.1186/s40163-026-00268-y
Samenvatting
The proliferation of large language models (LLMs) and generative artificial intelligence (GenAI) applications has provided ample opportunities for crime, including technology-facilitated financial crimes. The present study conducted a quantitative systematic literature review to examine the evolving intersection of GenAI and financial crime. Specifically, the study identified keyword concentrations, latent research topics, and thematic relationships within this emerging domain to explore how current scholarship understands the role of GenAI in financial crimes.
Guided by the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020, this systematic literature review employed three quantitative analytical methods—bibliometric analysis, topic modelling, and knowledge graph analysis—to reveal trends, concentrations, and connections of prominent keywords and topics that emerged from the extant literature.
With the assistance of the PRISMA 2020 framework, a total of 94 studies were incorporated for the quantitative systematic review. The bibliometric analysis identified five keyword clusters, while the topic modelling and knowledge graph revealed six latent research topics with nuanced patterns, highlighting a growing concentration on automated financial crimes that are distinctive from human-centric social engineering. The results also revealed the dual-use nature of GenAI in both facilitating and preventing financial crimes. On one hand, GenAI has been widely misused in financial cybercrimes such as algorithmic fraud, deepfake attacks, and smart contract exploitation. On the other hand, GenAI has enhanced crime prevention capacities, such as detection capabilities and vulnerability screening.
While GenAI facilitates various criminal opportunities for financial crime, it also provides insight into effective crime prevention strategies. This study demonstrated that research is increasingly focused on the technical and adversarial dimensions of the dual-use nature of GenAI, outlining a structural distinction between human-centric social engineering and automated financial crimes. The findings shed light on the importance of recognising the evolutionary landscape of financial crimes enabled by GenAI and the significance of embracing forward-looking governance frameworks for regulatory compliance in decentralised financial (DeFi) systems.
Afsluitend
Online financiële criminaliteit is een steeds meer veelvoorkomend delict dat verder reikt dan financieel verlies en slachtoffers emotioneel, psychologisch en fysiek raakt. De vooruitgang in online communicatietechnologieën creëert voortdurend nieuwe mogelijkheden voor online fraude en fraudeurs gebruiken deze kanalen steeds vaker als modi operandi. Met de bijna dagelijkse technologische vooruitgang van technologieën zoals Generative Artificial Intelligence (GenAI) groeit de kans dat online fraude met behulp van deze geavanceerde methoden in omvang zal toenemen. Hierbij wordt door daders bijvoorbeeld gebruik gemaakt van deepfakes in phishingmethodes.
Financiële fraude heeft een diepgaande en verstrekkende impact op zowel slachtofferschap onder individuen als bedrijven en organisaties. Financiële instellingen beschikken over de technische mogelijkheden om fraude te identificeren met behulp van geavanceerde kunstmatige intelligentiesystemen. De tijd die nodig is om een aanzienlijke hoeveelheid misleidende data te verzamelen voor het trainen van hun fraude detectiealgoritmes vormt echter een kostbaar risico. De sector wordt geconfronteerd met beveiligingsuitdagingen zoals inbreuken op intellectuele eigendomsrechten, het creëren van schadelijke of discriminerende content en datalekken.
Financiële instellingen gebruiken steeds vaker generatieve kunstmatige intelligentiesystemen binnen beveiligde en geïsoleerde netwerken om deze mogelijke risico’s te beperken. Hierbij is het van belang om het gebruik van specifieke trainingsdata te garanderen, grondige beveiligingsprotocollen te implementeren, personeelstrainingen aan te bieden en de geproduceerde output actief te controleren. Het opzetten van controlestructuren, het gebruik van anomalie detectietechnologieën, het integreren van externe databronnen en het valideren van de gegenereerde informatie wordt sterk aangemoedigd.
Hierbij is het van belang om samenwerkingsverbanden aan te gaan met betrouwbare leveranciers en actief deel te nemen aan samenwerkingsverbanden met regelgevende instanties en brancheorganisaties om de beveiligingsprotocollen te verbeteren. Bovendien is het cruciaal om de mogelijke risico’s van financiële fraude en manipulatie te beperken door robuuste kaders voor controle te implementeren, geavanceerde algoritmen te gebruiken, deskundige validatie te verkrijgen, sterke cybersecuritymaatregelen af te dwingen en continu waakzaam toezicht te houden.
Het verantwoord en veilig gebruik van generatieve AI in de financiële sector is dus afhankelijk van vele cruciale elementen, zoals het bieden van passende training, het bevorderen van samenwerking tussen deelnemers in de sector en het strikt naleven van vastgestelde normen. Er zal dus nog heel wat water door de Rijn stromen voordat dergelijke regulerende activiteiten in de praktijk kunnen worden toegepast.
Een integrale aanpak van politie, ministerie van J&V, Openbaar Ministerie (OM) en (private) partners moet bestaande en toekomstige online financiële criminaliteit effectiever tegen gaan. Deze aanpak richt zich naast opsporing en vervolging op preventie, kennisdeling, snelle interventies, en innovatieve oplossingen. Voor veelvoorkomende fraudevormen zijn specifieke kunstmatige intelligentie interventies ontwikkeld. Hopelijk biedt bijgesloten ‘kennisparel’ hiervoor ook de nodige inzichten. Trouwens, de aanpak van financieel economische criminaliteit in Nederland verloopt niet optimaal. Uit een recent gepubliceerde literatuurstudie blijkt dat de vermeende effectiviteit van interventies voor de aanpak van FINEC zeer beperkt is: https://www.wodc.nl/actueel/nieuws/2026/02/10/aanpak-fraude-milieucriminaliteit-en-witwassen-vergt-combinatie-interventies