Raven AI kan mogelijk je woning vinden aan de hand van één interieurfoto: zo bescherm je je privacy

Foto's die je thuis maakt, kunnen meer informatie over je persoonlijke leven prijsgeven dan je denkt. Zelfs als je de GPS-gegevens uit een afbeelding verwijdert, kunnen zichtbare details zoals wandtegels, raamkozijnen, vloeren, meubels en de indeling van een kamer aanwijzingen bevatten over de locatie waar de foto is genomen.

Dat is precies het soort informatie waarop geavanceerde AI-systemen zich kunnen richten. Een technologiebedrijf genaamd Graylark ontwikkelt software waarmee onderzoekers en opsporingsdiensten afbeeldingen kunnen analyseren om de mogelijke locatie van een woning, hotelkamer of vakantiewoning te achterhalen. Het systeem, dat bekendstaat als Raven, is volgens het bedrijf verder ontwikkeld dan eerdere hulpmiddelen die vooral buitenlocaties probeerden te herkennen.

De mogelijke gevolgen zijn aanzienlijk. Een foto van een ogenschijnlijk onbelangrijk detail in je huis kan in bepaalde omstandigheden voldoende aanwijzingen bevatten om een zoekopdracht naar de bijbehorende woning te beginnen. Dat betekent niet dat iedere interieurfoto automatisch tot een exact adres leidt. Het laat wel zien dat het beschermen van je locatiegegevens tegenwoordig om meer vraagt dan alleen het verwijderen van metadata.

Wat is Raven AI en wat kan de technologie?

Raven is een AI-platform van Graylark dat afbeeldingen analyseert om mogelijke locaties te identificeren. Het bedrijf richt zich onder meer op toepassingen voor overheidsinstanties, onderzoekers en wetshandhavingsdiensten.

De technologie bouwt voort op eerdere experimenten met kunstmatige intelligentie die geografische locaties proberen te herkennen aan de hand van visuele kenmerken. Waar traditionele zoekmethoden vaak afhankelijk zijn van een herkenbaar gebouw, een straatnaambord of een bekend landschap, kunnen dergelijke AI-systemen ook subtielere overeenkomsten onderzoeken.

Denk bijvoorbeeld aan:

• De vorm, kleur en plaatsing van wandtegels.
• Het patroon van een houten of stenen vloer.
• De indeling van een keuken, badkamer of woonkamer.
• De positie en vorm van ramen en deuren.
• De combinatie van meubels, verlichting en andere vaste onderdelen.
• De afmetingen en verhoudingen van een ruimte.
• Bijzondere bouwkundige details of afwerkingen.
• Kenmerken die overeenkomen met foto's in vastgoedadvertenties of andere openbare beeldcollecties.

Geen van deze kenmerken hoeft op zichzelf uniek te zijn. Het gaat juist om de combinatie ervan. Een bepaalde tegelsoort komt misschien in duizenden woningen voor, maar de tegelsoort in combinatie met een specifieke vloer, een herkenbare keukenindeling en een bepaald raamkozijn kan een veel kleinere groep mogelijke locaties opleveren.

AI kan zulke overeenkomsten op grote schaal analyseren. Daardoor kan het proces aanzienlijk sneller verlopen dan wanneer iemand handmatig duizenden afbeeldingen zou moeten doorzoeken.

Het is daarbij belangrijk om onderscheid te maken tussen wat technisch mogelijk is, wat het bedrijf zelf beweert en wat onafhankelijk is aangetoond. Dat Raven een bepaalde locatie als mogelijke overeenkomst presenteert, bewijst niet automatisch dat de woning daadwerkelijk de juiste is. De betrouwbaarheid hangt onder meer af van de kwaliteit van de oorspronkelijke foto, de beschikbare vergelijkingsbeelden en de onderscheidende kenmerken van het pand.

Van GeoSpy naar Raven

Graylark kwam eerder in de belangstelling met GeoSpy, een systeem dat probeert te achterhalen waar een foto is genomen door de zichtbare omgeving te analyseren.

Bij dergelijke systemen kan de AI bijvoorbeeld letten op vegetatie, architectuur, wegmarkeringen, straatmeubilair, landschapsvormen en andere kenmerken die iets zeggen over een geografische locatie. Door deze informatie te combineren, kan het systeem een regio of een mogelijke locatie aanwijzen.

De technologie sluit aan bij het principe van GeoGuessr, een geografisch spel waarin spelers aan de hand van straatbeelden proberen te bepalen waar ter wereld ze zich bevinden. Het verschil is dat AI-systemen dit soort visuele analyses kunnen automatiseren en combineren met grote verzamelingen afbeeldingen.

Volgens berichtgeving over Graylark heeft het bedrijf de technologie verder ontwikkeld en de mogelijkheden uitgebreid onder de naam Raven. Daarbij is de aandacht niet langer uitsluitend gericht op buitenlocaties. Ook interieurs en andere afbeeldingen die niet direct een herkenbare geografische omgeving tonen, kunnen worden onderzocht.

Dat is een wezenlijk verschil. Bij een buitenfoto kan een herkenbare berg, straat of kerk een sterke aanwijzing zijn. Op een binnenfoto ontbreken zulke herkenningspunten vaak. De software moet het dan hebben van details die veel mensen nauwelijks bewust waarnemen.

Hoe kan één interieurfoto een woning verraden?

Stel dat iemand een foto maakt van een wasmachine in een bijkeuken. Op het eerste gezicht lijkt die afbeelding weinig informatie over de locatie te bevatten. Er is geen straat te zien, geen huisnummer en geen uitzicht naar buiten.

Toch kunnen op de foto verschillende aanwijzingen zichtbaar zijn. De muur achter de wasmachine kan een bepaald tegelpatroon hebben. De vloer kan bestaan uit een specifieke combinatie van materiaal en kleur. Ook de positie van leidingen, stopcontacten, plinten en deuren kan informatie opleveren.

Een AI-systeem kan deze details analyseren en vergelijken met afbeeldingen van bestaande woningen, bijvoorbeeld foto's uit vastgoedadvertenties of andere beschikbare beeldcollecties.

Een mogelijke werkwijze ziet er als volgt uit:

1. De foto wordt geanalyseerd. De software herkent patronen, objecten, materialen, kleuren en ruimtelijke verhoudingen.
2. De kenmerken worden gecombineerd. In plaats van één afzonderlijk object te gebruiken, kijkt het systeem naar de samenhang tussen meerdere details.
3. De software zoekt naar overeenkomsten. De kenmerken worden vergeleken met afbeeldingen in een beschikbare database.
4. Mogelijke locaties worden gerangschikt. De software kan een lijst met kandidaatwoningen presenteren, waarbij de sterkste overeenkomsten bovenaan staan.
5. De resultaten moeten worden gecontroleerd. Aanvullende informatie is nodig om vast te stellen of een voorgestelde locatie daadwerkelijk overeenkomt met de foto.

De kracht van deze aanpak ligt in het combineren van veel kleine aanwijzingen. Een detail dat op zichzelf niets bijzonders lijkt, kan in combinatie met andere kenmerken toch helpen om een woning te onderscheiden van vergelijkbare panden.

Dat betekent echter niet dat een systeem op basis van iedere willekeurige interieurfoto een adres kan achterhalen. Een eenvoudige foto van een witte muur kan onvoldoende informatie bevatten. Ook kan de software verkeerde overeenkomsten vinden, vooral wanneer veel woningen op elkaar lijken of wanneer de vergelijkingsdatabase onvolledig is.

De uitkomst moet daarom worden gezien als een mogelijke identificatie, niet als onomstotelijk bewijs.

De functie voor vakantiewoningen en kortetermijnverhuur

Een van de toepassingen die aan Raven wordt toegeschreven, is het identificeren van accommodaties die worden aangeboden voor kortetermijnverhuur.

Denk aan vakantiewoningen, appartementen en andere accommodaties die via boekingsplatforms worden aangeboden. Zulke advertenties bevatten vaak meerdere foto's van het interieur: slaapkamers, badkamers, keukens, woonkamers en soms ook details van apparaten of meubels.

Volgens informatie over de technologie kan de functie 'Short-Term Rental ID' zoeken in grote verzamelingen afbeeldingen van huuradvertenties. Het systeem zou daarbij miljoenen advertenties wereldwijd kunnen doorzoeken.

Een onderzoeker hoeft dan niet noodzakelijk een volledige foto van de woonkamer te hebben. Ook een uitsnede of een beeldfragment uit een video kan mogelijk bruikbare overeenkomsten bevatten.

De werkwijze kan bijvoorbeeld relevant zijn wanneer iemand een interieurfoto wil vergelijken met foto's uit een openbare accommodatieadvertentie. Als verschillende details overeenkomen, kan een bepaalde accommodatie als kandidaat naar voren komen.

Hierbij zijn wel belangrijke beperkingen. Niet iedere woning staat online, advertenties kunnen verouderd zijn en foto's kunnen zijn aangepast, vervangen of van een andere locatie afkomstig zijn. Bovendien zegt een overeenkomst tussen twee afbeeldingen nog niet dat de persoon op de foto daadwerkelijk in die woning verblijft of daar op dat moment aanwezig is.

Er bestaat ook een belangrijk verschil tussen het herkennen van een accommodatie en het vaststellen van de identiteit of verblijfplaats van een persoon. Het eerste kan onder bepaalde omstandigheden mogelijk zijn zonder dat het tweede daarmee bewezen is.

Niet alleen vakantiewoningen: ook gewone woningen

De toepassingen beperken zich niet tot huuradvertenties. Graylark beschrijft Raven ook als een hulpmiddel waarmee woningen kunnen worden gezocht aan de hand van foto's van de buitenkant en, in bepaalde ondersteunde gebieden, van het interieur.

Dat kan de privacyrisico's vergroten, omdat een interieurfoto soms wordt gedeeld zonder dat de eigenaar beseft dat de woning daarmee herkenbaar kan worden.

Interieurfoto's kunnen op allerlei manieren online terechtkomen:

• Via oude verkoopadvertenties van makelaars.
• Via verhuurplatforms.
• Via foto's die bewoners zelf op sociale media plaatsen.
• Via openbare berichten waarin mensen hun woning verbouwen of inrichten.
• Via blogs, interieurwebsites en openbare fotogalerijen.
• Via afbeeldingen die anderen met toestemming of zonder toestemming opnieuw publiceren.

Een AI-systeem kan mogelijk verbanden leggen tussen foto's die oorspronkelijk voor heel verschillende doeleinden zijn gemaakt. Een foto van een keuken op sociale media kan bijvoorbeeld visuele overeenkomsten vertonen met een oudere vastgoedadvertentie van dezelfde woning.

Dat is iets anders dan een gewone omgekeerde beeldzoekopdracht. Bij een klassieke zoekfunctie wordt vaak gezocht naar dezelfde afbeelding of naar sterk gelijkende kopieën. Een gespecialiseerd herkenningssysteem kan proberen verschillende foto's van dezelfde locatie met elkaar te verbinden, ook wanneer de camerahoek, belichting of uitsnede verschilt.

De precieze mogelijkheden zijn afhankelijk van de gebruikte technologie en de beschikbare gegevens. Het is daarom niet verantwoord om aan te nemen dat iedere woning op deze manier gevonden kan worden. Wel is het duidelijk dat verschillende openbare afbeeldingen gezamenlijk meer informatie kunnen opleveren dan iedere afbeelding afzonderlijk.

Waarom metadata verwijderen niet voldoende is

Digitale foto's kunnen metadata bevatten: aanvullende gegevens die niet altijd zichtbaar zijn wanneer je een afbeelding bekijkt.

Bij foto's die met een smartphone of digitale camera zijn gemaakt, kunnen deze gegevens onder meer bestaan uit:

• GPS-coördinaten of andere locatiegegevens.
• Datum en tijd waarop de foto is gemaakt.
• Het merk en model van de camera of telefoon.
• Technische instellingen van de camera.
• Informatie over de gebruikte software of bewerking.

De precieze gegevens verschillen per apparaat, bestandstype en toepassing.

Vooral GPS-coördinaten kunnen een rechtstreeks verband leggen tussen een foto en een locatie. Als die informatie aanwezig blijft wanneer je een afbeelding deelt, kan iemand de locatie soms veel eenvoudiger achterhalen dan via visuele analyse.

Het verwijderen van metadata is daarom een nuttige privacymaatregel. Maar het lost niet alle problemen op.

Een foto kan namelijk ook zonder locatiegegevens herkenbare kenmerken bevatten. Denk aan een opvallend raam, een karakteristieke tegelwand, een bijzondere trap of een indeling die overeenkomt met een bestaande woning.

Metadata verwijderen maakt een foto dus minder informatief, maar niet noodzakelijk anoniem. De visuele inhoud blijft bestaan en kan nog steeds met andere afbeeldingen worden vergeleken.

Kan Raven ook hotels identificeren?

Volgens uitingen die aan de oprichter van Graylark zijn toegeschreven, wordt er ook gewerkt aan mogelijkheden om hotels te herkennen aan de hand van foto's van kamers. Daarbij is de naam HotelID genoemd.

Zo'n functie zou bijvoorbeeld kunnen proberen een hotelkamer te koppelen aan foto's op websites van hotels of boekingsplatforms. Kenmerken zoals het hoofdeinde van een bed, de verlichting, het behang, de badkamertegels of de vorm van de ramen kunnen daarbij aanwijzingen bieden.

Het is belangrijk om onderscheid te maken tussen aangekondigde of experimentele functies en mogelijkheden waarvan de daadwerkelijke prestaties onafhankelijk zijn bevestigd. Zonder voldoende informatie over de werking, de beschikbare gegevens en de foutmarges kan niet worden vastgesteld hoe betrouwbaar een dergelijke hotelidentificatie in de praktijk is.

Zelfs als een hotel correct wordt herkend, volgt daaruit niet automatisch welke kamer iemand heeft gebruikt, wie er verbleef of wanneer dat gebeurde. Daarvoor is aanvullende informatie nodig.

Toch is het idee relevant voor de privacy. Mensen delen regelmatig foto's van hotelkamers, vakantieverblijven en andere tijdelijke accommodaties. Wanneer zulke beelden herkenbare details bevatten, kunnen ze informatie prijsgeven over de locatie waar iemand verblijft.

Daarom is het verstandig om terughoudend te zijn met het direct publiceren van herkenbare foto's van je accommodatie terwijl je er nog bent.

Kan AI ook een auto identificeren?

Graylark noemt daarnaast toepassingen waarbij afbeeldingen kunnen worden gebruikt om kenmerken van voertuigen te bepalen. Daarbij wordt onder meer gesproken over het herkennen van het merk, model en bouwjaar van een auto.

Een voertuig bevat vaak herkenbare visuele kenmerken, zoals de vorm van de koplampen, de carrosserie, de grille en de achterlichten. In combinatie kunnen die kenmerken helpen om een voertuigtype te identificeren.

De nauwkeurigheid hangt onder meer af van de kwaliteit van de foto, de zichtbaarheid van de auto en de verschillen tussen uitvoeringen en modeljaren. Een AI-systeem kan een waarschijnlijk model aanwijzen, maar dat is niet hetzelfde als het vaststellen van een specifiek voertuig op basis van een uniek identificatienummer.

Ook hier speelt de combinatie met andere informatie een rol. Een auto die op verschillende openbare foto's verschijnt, kan mogelijk aan andere beelden of locaties worden gekoppeld. Dat kan nuttig zijn voor onderzoek, maar brengt ook risico's mee wanneer dergelijke mogelijkheden zonder geldige reden of toestemming worden gebruikt.

E-mailadressen en openbare foto's als aanvullende aanwijzing

Een andere beschreven toepassing betreft het zoeken naar openbare afbeeldingen die aan een e-mailadres of een ander digitaal identificatiemiddel zijn gekoppeld.

In de praktijk kan iemand hetzelfde e-mailadres gebruiken voor verschillende diensten. Sommige accounts kunnen openbare profielfoto's, berichten of andere afbeeldingen bevatten. Wanneer zulke openbare informatie wordt gevonden, kunnen de afbeeldingen mogelijk verder worden onderzocht op visuele locatiekenmerken.

Dit betekent niet automatisch dat de software toegang heeft tot privéberichten, afgeschermde profielen of beveiligde accounts. Het is belangrijk om die zaken van elkaar te onderscheiden.

Openbare informatie kan echter al veel prijsgeven wanneer verschillende gegevensbronnen met elkaar worden gecombineerd. Een openbare profielfoto, een foto van een woning en een oude accommodatieadvertentie kunnen bijvoorbeeld samen meer aanwijzingen opleveren dan ieder afzonderlijk.

Daarom is het verstandig om niet alleen naar de privacy-instellingen van afzonderlijke accounts te kijken, maar ook naar de hoeveelheid informatie die via verschillende accounts gezamenlijk beschikbaar is.

Wie gebruikt deze technologie?

Volgens berichtgeving over Graylark hebben onder meer het sheriffkantoor van Miami-Dade en de politie van Los Angeles toegang tot het product gekocht.

De oprichter van het bedrijf, Daniel Heinen, heeft naar verluidt in augustus 10,7 miljoen dollar aan startkapitaal opgehaald. Daarmee past Raven in een bredere ontwikkeling waarin investeerders en technologiebedrijven werken aan AI-systemen voor onderzoek, beeldanalyse en opsporing.

De toegang tot dergelijke technologie roept belangrijke vragen op. Welke instanties mogen het systeem gebruiken? Welke soorten afbeeldingen mogen worden ingevoerd? Welke regels gelden voor het bewaren van zoekresultaten? En hoe wordt voorkomen dat een foutieve locatieaanwijzing leidt tot een onterechte verdenking?

De beschikbaarheid van een AI-hulpmiddel maakt die vragen niet minder belangrijk, maar juist urgenter.

Kan Raven helpen bij het oplossen van misdrijven?

AI-systemen voor locatieherkenning kunnen in bepaalde onderzoeken mogelijk nuttig zijn.

Een afbeelding kan bijvoorbeeld een aanwijzing bevatten over een locatie waar een slachtoffer is geweest, een woning die bij een onderzoek betrokken is of een accommodatie die op andere manieren relevant is voor een zaak.

Bij onderzoeken naar mensenhandel kan locatie-informatie bijzonder waardevol zijn. Slachtoffers kunnen worden uitgebuit in hotels, motels, huurwoningen of andere locaties die op zichzelf weinig opvallend zijn. Wanneer onderzoekers over een foto beschikken, kan het identificeren van een mogelijke locatie helpen om verder onderzoek te richten.

Ook bij andere strafrechtelijke onderzoeken kunnen beeldanalyse en het vergelijken van foto's bruikbare aanwijzingen opleveren.

Maar er is een essentieel onderscheid tussen een aanwijzing en bewijs.

Een AI-systeem kan een locatie voorstellen op basis van overeenkomsten, maar kan zich vergissen. Een foutieve match kan ontstaan doordat verschillende woningen hetzelfde ontwerp hebben, doordat afbeeldingen onvoldoende duidelijk zijn of doordat de database onvolledig of verouderd is.

Daarom moeten resultaten onafhankelijk worden gecontroleerd en worden gecombineerd met ander bewijsmateriaal. Denk aan verklaringen, tijdstippen, betrouwbare locatiegegevens en andere relevante onderzoeksinformatie.

AI kan een onderzoek ondersteunen, maar mag niet zonder meer worden behandeld als een onfeilbare getuige.

De keerzijde: stalking, intimidatie en ongewenste identificatie

Dezelfde mogelijkheden die nuttig kunnen zijn voor legitiem onderzoek, kunnen ook worden misbruikt.

Stel dat iemand foto's van je woning op sociale media ziet. Je hebt geen adres gedeeld en de locatiegegevens uit de foto's verwijderd. Toch kan een herkenbare keuken, een bijzonder raam of een ander detail overeenkomen met foto's uit een oude vastgoedadvertentie.

Als een systeem de mogelijke woning vervolgens identificeert, kan die informatie worden gebruikt om je woonadres te achterhalen.

Voor iemand die te maken heeft met stalking, bedreiging, huiselijk geweld of intimidatie kan dit ernstige gevolgen hebben. Het risico is niet beperkt tot bekende personen of mensen met een groot openbaar profiel. Ook gewone gebruikers kunnen onbedoeld herkenbare informatie delen.

Bovendien kan het combineren van afbeeldingen met andere openbare gegevens het eenvoudiger maken om iemands woonomgeving, vakantieadres of dagelijkse leefomgeving in kaart te brengen.

Daarbij moet worden benadrukt dat de uitkomst van een AI-systeem niet automatisch juist is. Een foutieve identificatie kan eveneens schadelijk zijn, bijvoorbeeld wanneer de verkeerde woning of bewoner wordt aangewezen.

Graylark heeft volgens openbare uitingen aangegeven dat Raven bedoeld is voor bedrijven, overheden en wetshandhavingsinstanties. Dat soort toegangsbeperkingen kan het gebruik door willekeurige consumenten beperken, maar vormt op zichzelf geen garantie dat misbruik onmogelijk is.

Ook kunnen andere bedrijven of ontwikkelaars vergelijkbare technologieën bouwen. Een product dat een bepaalde functie beperkt, voorkomt dus niet noodzakelijk dat soortgelijke mogelijkheden elders beschikbaar komen.

Hoe je jezelf en je woning beter kunt beschermen

Je hoeft niet volledig te stoppen met het maken of delen van foto's om je privacy te beschermen. Het helpt wel om bewuster om te gaan met afbeeldingen waarop je woning, je verblijfplaats of andere herkenbare kenmerken zichtbaar zijn.

Geen enkele maatregel biedt volledige bescherming tegen geavanceerde beeldanalyse. Door verschillende maatregelen te combineren, kun je wel de hoeveelheid informatie beperken die iemand uit je foto's kan halen.

1. Denk na voordat je foto's van je interieur publiceert

Bekijk een foto voordat je deze openbaar deelt en let op details die je normaal gesproken misschien niet opvallen.

Denk aan:

• Opvallende wandtegels of vloerpatronen.
• Bijzondere ramen, deuren, trappen of plafondconstructies.
• Een herkenbare keuken- of badkamerindeling.
• Uitzichten op gebouwen, straten, tuinen of andere woningen.
• Huisnummers, straatnaamborden en naambordjes.
• Brieven, pakketten, facturen of andere documenten waarop persoonlijke gegevens staan.
• Reflecties in spiegels, ramen, televisies en glanzende oppervlakken.
• Unieke meubels of decoraties die ook op andere openbare foto's voorkomen.

Je hoeft niet ieder detail uit iedere foto te verwijderen. Het belangrijkste is dat je beseft dat verschillende kleine kenmerken samen een locatie herkenbaar kunnen maken.

Als je een foto alleen wilt delen om bijvoorbeeld een nieuw meubelstuk, een maaltijd of een huisdier te laten zien, kun je vaak een uitsnede gebruiken waarop minder van de woning zichtbaar is.

2. Deel foto's met een beperkte doelgroep

Controleer wie je foto's daadwerkelijk kan bekijken.

Bekijk niet alleen de instellingen van je huidige berichten, maar ook die van oudere publicaties, gedeelde albums en openbare profielen. Een foto die jaren geleden openbaar is geplaatst, kan nog steeds beschikbaar zijn.

Let onder meer op:

• Openbare berichten op sociale media.
• Profielfoto's en omslagfoto's.
• Fotoalbums die via een deelbare link toegankelijk zijn.
• Openbare berichten in forums of online gemeenschappen.
• Foto's die anderen van jou of je woning hebben geplaatst.
• Automatische synchronisatie en gedeelde albums.

Een beperkte doelgroep verkleint de kans dat onbekenden je foto's kunnen bekijken, maar biedt geen absolute garantie. Mensen die toegang hebben tot een afbeelding kunnen deze soms opslaan, kopiëren of opnieuw publiceren.

Deel daarom ook met bekenden alleen informatie die je redelijkerwijs met die doelgroep wilt delen.

3. Publiceer herkenbare foto's van je accommodatie liever achteraf

Wanneer je op vakantie bent of in een hotel verblijft, kan het verstandig zijn om herkenbare foto's pas te publiceren nadat je bent vertrokken.

Dat verkleint het risico dat iemand de locatie onmiddellijk kan koppelen aan je actuele verblijf.

Wees vooral voorzichtig met foto's waarop de hotelkamer, het uitzicht, de ingang van een vakantiewoning of andere herkenbare onderdelen van de accommodatie te zien zijn.

Houd er rekening mee dat ook een foto die later wordt gepubliceerd informatie kan onthullen over eerdere reizen of verblijfplaatsen. Uitgestelde publicatie vermindert vooral het risico van directe herkenning van je actuele locatie.

4. Controleer oude vastgoedadvertenties

Als je woning eerder te koop of te huur heeft gestaan, kunnen foto's van het interieur nog op websites beschikbaar zijn.

Controleer indien mogelijk oude advertenties en vraag de makelaar of het betreffende platform om foto's te verwijderen wanneer je daar een goede reden voor hebt.

Je kunt ook nagaan of dezelfde afbeeldingen opnieuw zijn gepubliceerd op andere websites.

Houd er rekening mee dat verwijdering van een oorspronkelijke advertentie niet betekent dat alle kopieën verdwijnen. Foto's kunnen eerder zijn gedownload, opgeslagen of opgenomen in andere verzamelingen.

Als je een woning verhuurt, kun je bovendien overwegen om alleen de foto's te publiceren die noodzakelijk zijn om de accommodatie te presenteren. Vermijd waar mogelijk afbeeldingen waarop persoonlijke documenten, beveiligingsvoorzieningen of andere gevoelige details zichtbaar zijn.

5. Verwijder locatiegegevens uit foto's voordat je ze deelt

Controleer of je foto's GPS-coördinaten of andere locatiegegevens bevatten en verwijder deze waar dat mogelijk is.

Op een iPhone of iPad

Bij het delen van foto's vanuit de Foto's-app kun je, afhankelijk van de softwareversie en de deelmethode, via Opties de locatie-informatie uitschakelen voordat je de afbeelding deelt.

Controleer de beschikbare instellingen op je eigen apparaat. De benaming en plaats van de opties kunnen veranderen.

In Google Foto's

Google Foto's biedt mogelijkheden om bepaalde locatiegegevens te beheren, waaronder handmatig toegevoegde locaties en locatiegegevens die aan foto's zijn gekoppeld. De mogelijkheden verschillen afhankelijk van de herkomst van de informatie.

Ga er niet van uit dat het aanpassen van een locatie in Google Foto's betekent dat de oorspronkelijke metadata in elk gedownload bestand is verwijderd. Controleer zo nodig het bestand dat je daadwerkelijk wilt delen.

Op Samsung-apparaten

In Samsung Gallery kan, afhankelijk van het apparaat en de softwareversie, een optie beschikbaar zijn om locatiegegevens te verwijderen bij het delen van foto's.

Op andere apparaten

Ook camera's en andere smartphones kunnen locatiegegevens aan foto's toevoegen. Controleer de camera-instellingen en de mogelijkheden van de gebruikte galerij- of deelapp.

Een praktische aanpak is om een kopie van de foto te maken, de locatiegegevens uit die kopie te verwijderen en vervolgens te controleren of de gedeelde versie geen onbedoelde locatie-informatie bevat.

Vergeet niet dat het verwijderen van metadata de zichtbare inhoud niet verandert. Een interieur kan dus nog steeds herkenbaar zijn op basis van de afbeelding zelf.

6. Controleer de privacy-instellingen van je camera

Als je niet wilt dat je camera GPS-locaties aan foto's toevoegt, kun je de toegang tot locatiegegevens voor de camera-app uitschakelen.

Op veel smartphones kun je dit regelen via de privacy- of app-instellingen. Bij sommige camera's kun je locatieopslag rechtstreeks in het cameramenu uitschakelen.

Dit voorkomt dat toekomstige foto's op die manier locatiegegevens meekrijgen, maar verwijdert niet automatisch gegevens uit bestaande foto's.

Controleer ook of andere apps foto's maken of bewerken en of zij locatiegegevens toevoegen.

7. Let op foto's en video's die je via berichtenapps deelt

Niet iedere app behandelt afbeeldingen op dezelfde manier. Sommige diensten kunnen metadata verwijderen wanneer een afbeelding wordt geüpload of als gewone foto wordt verzonden. Bij andere deelmethoden kan een origineel bestand met metadata behouden blijven.

Ga daarom niet automatisch ervan uit dat een afbeelding veilig is omdat je deze via een berichtenapp verstuurt.

Als je een afbeelding als bestand of document deelt, kan de oorspronkelijke metadata mogelijk behouden blijven. Ook kunnen ontvangers de afbeelding opslaan en op andere manieren verspreiden.

Bij gevoelige foto's is het verstandig om vooraf te controleren welke versie van het bestand wordt verzonden.

8. Controleer je digitale voetafdruk

Denk niet alleen aan foto's op één platform. Informatie over je woning kan verspreid staan over verschillende websites en accounts.

Controleer waar mogelijk:

• Welke persoonlijke gegevens openbaar zichtbaar zijn.
• Of je e-mailadres gemakkelijk aan je openbare profielen kan worden gekoppeld.
• Of je oude foto's nog op openbare websites staan.
• Of je woning herkenbaar voorkomt in advertenties.
• Of foto's van je interieur ook op andere accounts zijn gepubliceerd.
• Of openbare berichten onbedoeld je woonplaats of verblijfplaats onthullen.

Het doel is niet om ieder online spoor volledig te verwijderen. Dat is vaak niet haalbaar. Het doel is om onnodige informatie te beperken en te voorkomen dat afzonderlijke gegevens eenvoudig met elkaar kunnen worden verbonden.

9. Wees extra voorzichtig als je een concreet veiligheidsrisico loopt

Als je te maken hebt met stalking, bedreigingen of iemand die probeert je woonadres te achterhalen, kan het verstandig zijn om foto's van je woning tijdelijk niet openbaar te plaatsen.

Controleer daarnaast welke oude beelden en gegevens nog toegankelijk zijn en vraag websites waar mogelijk om verwijdering.

Bij een concreet veiligheidsrisico kan het nuttig zijn om advies in te winnen bij een gespecialiseerde hulporganisatie of de politie. Bewaar relevante berichten en bedreigingen wanneer dat veilig kan.

Vertrouw daarbij niet uitsluitend op het verwijderen van GPS-gegevens. Als een foto al online staat, kan iemand deze eerder hebben opgeslagen of gekopieerd.

Wat betekent dit voor je privacy?

De ontwikkeling van Raven laat zien dat de privacyrisico's van foto's veranderen. Vroeger was het verwijderen van locatiegegevens voor veel mensen een belangrijke stap om te voorkomen dat een afbeelding rechtstreeks naar een geografische locatie verwees.

Die maatregel blijft zinvol, maar is niet voldoende om alle vormen van locatieherkenning tegen te gaan.

AI kan patronen in afbeeldingen herkennen en vergelijken met andere beschikbare beelden. Daardoor kan informatie die afzonderlijk onschuldig lijkt, in combinatie toch een aanwijzing vormen voor de locatie waar een foto is genomen.

Tegelijkertijd moeten de mogelijkheden van dergelijke systemen niet worden overdreven. Een AI-voorspelling is geen garantie dat de juiste woning is gevonden. De kwaliteit van de afbeelding, de beschikbaarheid van vergelijkingsmateriaal en de betrouwbaarheid van de analyse spelen allemaal een rol.

Voor opsporingsdiensten kan de technologie een nuttig hulpmiddel zijn, mits de resultaten zorgvuldig worden gecontroleerd en binnen passende wettelijke en organisatorische waarborgen worden gebruikt. Voor particulieren en organisaties ontstaat tegelijkertijd een verantwoordelijkheid om na te denken over de informatie die zij met foto's openbaar maken.

De belangrijkste les is eenvoudig: een foto kan meer prijsgeven dan wat er op het eerste gezicht te zien is.

Verwijder locatiegegevens waar mogelijk, beperk de toegang tot je foto's en let op herkenbare kenmerken van je woning. Beschouw metadata als één onderdeel van je privacybescherming, niet als de enige bescherming. Want ook zonder GPS-coördinaten kan de combinatie van visuele details soms genoeg aanwijzingen opleveren om een locatie te herkennen.

Door: Drifter