Rode Wolf, Blauwe Wolf: AI-geactiveerde gezichtsherkenning en de surveillance van Palestijnen

Weinig plaatsen op aarde worden zo genadeloos in de gaten gehouden als de door Israël bezette Palestijnse gebieden.

In de straten van Hebron, bij drukte checkpoints in Oost-Jeruzalem en in het dagelijks leven van miljoenen mensen, fungeren geavanceerde AI-systemen nu als zowel poortwachter als bewaker.

Achter de camera’s en databases liggen twee ontzagwekkend efficiënte instrumenten – Rode Wolf en Blauwe Wolf – gezichtsherkenningssystemen die niet zijn ontworpen voor gemak of handel, maar voor controle.

Hun taak: gezichten scannen, deze vergelijken met uitgebreide biometrische databases en beslissen of iemand vrij kan bewegen of moet worden tegengehouden.

Wat deze systemen zo alarmerend maakt, is niet alleen de technologie zelf, maar de manier waarop ze worden gebruikt – een hele bevolking richten op basis van etniciteit, gegevens verzamelen zonder toestemming en algoritmes integreren in de machinerie van de bezetting.

In de volgende secties onderzoeken we hoe deze AI-systemen werken, waar ze zijn ingezet, de misbruiken die ze veroorzaken en waarom ze verder gaan dan Palestina.

Hoe Rode Wolf en Blauwe Wolf opereren

Blauwe Wolf is een mobiele applicatie die door soldaten op patrouille wordt gedragen. Een snelle foto van het gezicht van een Palestijn activeert een instantane cross-check tegen een grote biometrische repository, vaak door troepen aangeduid als Wolf Pack.

Het antwoord is brutaal eenvoudig: een kleurencode. Groen suggereert doorgang; geel betekent stoppen en ondervragen; rood signaleert aanhouding of weigering van toegang.

Blauwe Wolf is niet alleen een opzoektabel. Het schrijft nieuwe gezichten in. Wanneer een foto niet overeenkomt, kan de afbeelding en metadata worden toegevoegd aan de database, waardoor een profiel wordt gemaakt of uitgebreid. Eenheden zijn aangemoedigd om zoveel mogelijk gezichten te verzamelen om het systeem te “verbeteren”.

Rode Wolf verplaatst identificatie naar het checkpoint zelf. Vaste camera’s bij draaihekken scannen elk gezicht dat de kooi binnenkomt. Het systeem vergelijkt de gezichtssjabloon met ingeschreven profielen en toont dezelfde triagekleuren op een scherm.

Als het systeem je niet herkent, kom je niet door. Je gezicht wordt dan vastgelegd en geregistreerd voor de volgende keer.

AI en machine learning onder de motorkap

Exacte leveranciers en modelarchitecturen zijn niet openbaar. Maar het gedrag komt overeen met een standaard computer-vision-pijplijn:

• Detectie: Camera’s of telefoonsensoren lokaliseren een gezicht in het kader.
• Landmarking: Sleutelpunten (ogen, neus, mondhoeken) worden in kaart gebracht om pose en belichting te normaliseren.
• Embedding: Een diep neuronaal netwerk zet het gezicht om in een compacte vector (“gezichtsafdruk”).
• Overeenkomst: Die vector wordt vergeleken met opgeslagen embeddings met behulp van cosinusgelijkheid of een dichtstbijgelegen buurzoeken.
• Beslissing: Als de gelijkheid een drempel overschrijdt, wordt het profiel geretourneerd met een status; anders kan een nieuw profiel worden gemaakt.

Wat hierin opvallend is, is de specifieke populatie. De trainings- en referentiegegevens bestaan overwegend uit Palestijnse gezichten. Dat concentreert modelprestaties op één groep – en codificeert een vorm van digitale profilering door ontwerp.

Op grote schaal gebruiken de systemen waarschijnlijk edge-inferencing voor snelheid (telefoons en checkpoint-eenheden die geoptimaliseerde modellen uitvoeren) met asynchrone synchronisatie met centrale servers. Dat minimaliseert latentie bij het draaihek terwijl de centrale database vers blijft.

Drempels kunnen in software worden aangepast. Het verhogen ervan vermindert valse positieven maar verhoogt valse negatieven; het verlagen ervan doet het tegenovergestelde. In een checkpoint-context zijn de stimulansen gericht op over-vlagging, waardoor de last van fouten op burgers wordt overgedragen.

Gegevens, labels en drift

Gezichtsherkenning is alleen zo “goed” als de gegevens.

De massale fotocollectiecampagnes van Blauwe Wolf fungeren als gegevensacquisitie. Gezichten worden vastgelegd in verschillende licht- en hoekcondities, met labels die achteraf worden toegevoegd: identiteit, adres, familiebanden, beroep en een veiligheidsbeoordeling.

Die labels zijn geen grondwaarheid. Ze zijn administratieve beweringen die verouderd, bevooroordeeld of onjuist kunnen zijn. Wanneer dergelijke labels modelhertraining voeden, worden fouten verhard tot kenmerken.

Na verloop van tijd sluipen dataset-drift en modeldrift binnen. Kinderen worden volwassenen. Mensen veranderen van uiterlijk. Schaarste aan “moeilijke” voorbeelden (gelijkende mensen, occlusies, maskers) kan reële foutpercentages opblazen. Als monitoring en herbalancering zwak zijn, degradeert het systeem stilzwijgend – terwijl het dezelfde aura van zekerheid bij het checkpoint behoudt.

Waar het wordt ingezet en hoe het schaalbaar is

Het H2-secteur van Hebron is de smeltkroes. Diverse interne checkpoints reguleren de beweging door de straten van de oude stad en naar Palestijnse huizen.

Rode Wolf is vastgezet bij geselecteerde draaihekken, waardoor een verplichte inschrijvingsfunnel ontstaat. Blauwe Wolf volgt te voet, waardoor de dekking wordt uitgebreid naar markten, zijstraten en particuliere deurstappen.

In Oost-Jeruzalem hebben de autoriteiten AI-geactiveerde CCTV-laag voor laag over Palestijnse buurten en rond heilige plaatsen gelegd. Camera’s identificeren en volgen individuen op afstand, waardoor arrestaties na het evenement mogelijk worden door video’s door face search te halen.

Surveillancedichtheid is belangrijk. Hoe meer camera’s en capture-punten, hoe completer de populatiegrafiek: wie woont waar, wie bezoekt wie, wie gaat waarheen. Zodra die grafiek is vastgesteld, voedt deze niet alleen herkenning maar ook netwerkanalyse en levenspatroonmodellen.

Hebron: een stad onder digitale lockdown

Bewoners beschrijven checkpoints die minder aan grensovergangen doen denken en meer aan geautomatiseerde poorten. Een rood scherm kan iemand uit zijn eigen straat sluiten totdat een menselijke override arriveert – als die al arriveert.

Verder dan toegangscontrole verzadigt de cameragrid het dagelijks leven. Lenzen steken uit van daken en lantaarnpalen. Sommige wijzen in binnenplaatsen en ramen. Mensen verkorten bezoeken, veranderen wandelroutes en vermijden te lang buiten te blijven.

De sociale kosten zijn subtiel maar alomtegenwoordig: minder binnenplaatsbijeenkomsten, minder toevallige gesprekken, minder straatgames voor kinderen. Een stad wordt stil, niet omdat het veilig is, maar omdat het in de gaten wordt gehouden.

Oost-Jeruzalem: camera’s op elke hoek

In de oude stad van Oost-Jeruzalem en de omliggende buurten rijdt gezichtsherkenning op een uitgebreid CCTV-ruggegraat.

Beelden zijn doorzoekbaar. Gezichten van een protest kunnen later worden gematched. De logica is eenvoudig: je mag vandaag vertrekken, maar je zult de database niet verlaten.

Bewoners praten over de “tweede zintuig” dat je ontwikkelt – een bewustzijn van elke paalmonteerde koepel – en de interne censuur die daarbij hoort.

De crisis van de mensenrechten

Verschillende rode lijnen worden tegelijk overschreden:

• Gelijkheid: Alleen Palestijnen worden onderworpen aan biometrische triage bij deze checkpoints. Afzonderlijke routes beschermen kolonisten tegen vergelijkbare controle.
• Toestemming: Inschrijving is onvrijwillig. Weigeren om gescand te worden betekent weigeren om te bewegen.
• Transparantie: Mensen kunnen de gegevens die hen regeren niet zien, betwisten of corrigeren.
• Evenredigheid: Een laagdrempelige, altijd-aan biometrische netwerkscherm behandelt een hele bevolking als verdacht per definitie.

Gezichtsherkenning misidentificeert ook – vooral bij slechte belichting, gedeeltelijke occlusie of verandering van leeftijd. In deze context kan een valse match detentie of weigering van doorgang betekenen; een gemiste match kan iemand bij een draaihek stranden.

De psychologische tol

Leven onder permanente AI-surveillance leert voorzichtigheid.

Mensen vermijden bijeenkomsten, veranderen routines en houden kinderen nauwlettender in de gaten. Woorden worden in het openbaar afgewogen. Beweging wordt berekend.

Velen beschrijven het ontmensmakende effect van worden teruggebracht tot een groen, geel of rood code. De binaire oordeel van een machine wordt de belangrijkste feit over je dag.

Bestuur, wet en verantwoording

Binnen Israël zelf is gezichtsherkenning geconfronteerd met bezwaren vanwege de privacy. In de bezette gebieden geldt een ander rechtsregime en militaire bevelen overschrijven burgerlijke privacy-normen.

Sleutelgaten:

• Geen onafhankelijke toezicht met de macht om datasets, drempels of foutpercentages te controleren.
• Geen beroepsprocedure voor personen die ten onrechte zijn aangemerkt of ingeschreven.
• Onbepaalde bewaring en delingsregels voor biometrische gegevens en afgeleide profielen.
• Doelverschuiving risico wanneer datasets en instrumenten worden hergebruikt voor inlichtingendoelen en netwerksurveillance.

Zonder bindende beperkingen is de standaardtraject uitbreiding: meer camera’s, bredere watchlists, diepere integraties met andere datasets (telefoons, voertuigen, nutsbedrijven).

Binnen de beslissingslus

Gezichtsherkenning werkt hier niet in een vacuüm. Het is gefuseerd met:

• Watchlists: Lijsten met namen, adressen en “verwanten” die de kleurcode-uitkomsten sturen.
• Geofencing-regels: Locaties of tijdsvensters die verhoogde controle activeren.
• Operator-UX: Eenvoudige kleurtriage die automatiseringsbias bevordert – menselijke afhankelijkheid van machine-uitvoer.
• Commandodashboard: Hittekaarten, waarschuwingen en statistieken die “meer stops” kunnen omzetten in “betere prestaties”.

Zodra commando-metrieken het volume waarderen – meer scans, meer vlaggen, meer “vondsten” – verschuift het systeem naar het maximaliseren van wrijving voor de bevolking die het bestuurt.

Wat het onderscheidt van conventionele surveillance

Drie kenmerken onderscheiden Rode Wolf/Blauwe Wolf:

1. Verplichte capture: Beweging vereist vaak scannen. Opt-out betekent lock-out.
2. Populatiespecifieke: Het model en de database zijn gericht op één etnische groep, waardoor discriminatie in de pijplijn wordt gebakken.
3. Operationele integratie: Uitvoer activeert onmiddellijk toegangscontrole en handhaving, niet alleen nadien.

Elementen echoën andere inzetten wereldwijd: dichte cameragrids, gezichtszoekopdrachten op protestbeelden, predictieve politie die wordt gevoed door scheve labels.

Maar de fusie van militaire bezetting en AI-geactiveerde bewegingsbeheersing is ongebruikelijk scherp. Het toont aan hoe moderne computervisie systemen van segregatie kan verharden – sneller, stiller en moeilijker te betwisten.

Veiligheidsfunctionarissen beweren dat deze instrumenten geweld voorkomen en screening efficiënter maken.

Critici betogen dat “efficiënte bezetting” geen ethische upgrade is. Het industrialiseert controle – en verplaatst de kosten van fouten naar burgers die geen enkele mogelijkheid tot verhaal hebben.

Wat te verwachten

• Modelcreep: Uitbreiding van gezichts-ID naar gaitanalyse, stem- en gedragsanalyse.
• Drempelafstelling: Beleidsveranderingen die drempels stilzwijgend verhogen of verlagen – en de last voor burgers.
• Gegevensfusie: Koppeling van biometrische gegevens aan telefoonmetadata, kentekenlezer, betalingen en nutsbedrijven.
• Export: Adoptie van soortgelijke “in de strijd geteste” systemen door andere regeringen, die worden aangeboden als slimme stad- of grensbeveiligingsoplossingen.

Conclusie: een waarschuwing voor de wereld

Bij een Hebron-draaihek of een Damascus Gate-steeg is AI een permanente beslissingsmaker over menselijke beweging.

Het gevaar ligt niet alleen bij de camera. Het is het systeem: verplichte inschrijving, ondoorzichtige databases, instant triage en een juridische leegte die een hele bevolking behandelt als permanent verdacht.

Wat wordt genormaliseerd, is een sjabloon – een manier om via algoritmes te regeren. De keuze voor de bredere wereld is ofwel dat sjabloon accepteren, ofwel een harde lijn trekken voordat geautomatiseerde verdenking de standaardinstelling van het openbare leven wordt.