Internetfraude zou miljoen Nederlanders 5,3 miljard euro kosten
De afgelopen twee jaar zouden 1,1 miljoen Nederlanders het slachtoffer van internetfraude zijn geworden, waarbij 5,3 miljard euro verloren ging, zo beweert de Fraudehelpdesk aan de hand van onderzoek onder 1.000 Nederlanders. Van de 1.000 ondervraagde Nederlanders stelden 90 mensen dat ze iets op internet hadden besteld en niet hadden ontvangen of het slachtoffer van datingfraude waren geworden.
Het onderzoeksbureau dat het onderzoek uitvoerde extrapoleerde deze 90 mensen (9%) naar de gehele Nederlandse bevolking, wat neerkomt op 1,1 miljoen mensen. 70% van de slachtoffers (of 63 van de ondervraagde Nederlanders) gaf aan minder dan 500 euro door de fraude te zijn kwijtgeraakt. Zeven procent van de slachtoffers (of 6 van de deelnemers aan het onderzoek) zou meer dan 10.000 euro zijn verloren.
Extrapolatie
Als deze gegevens worden geëxtrapoleerd over de hele Nederlandse bevolking zou de schade in totaal 5,3 miljard euro bedragen, met een gemiddeld schadebedrag van 4900 euro per slachtoffer. Volgens André Vermeulen, woordvoerder van de Fraudehelpdesk, klopt het onderzoek. Het onderzoeksbureau zou een dwarsdoorsnede van de Nederlandse bevolking hebben genomen. De percentages die hieruit kwamen zouden vervolgens voor de hele bevolking gelden.
"Het maakt hierbij niet uit of je duizend of tweeduizend mensen neemt, de resultaten blijven hetzelfde", zo laat hij tegenover Security.NL weten. De schade is echter vele malen groter dan bijvoorbeeld fraude met internetbankieren. In de eerste helft van dit jaar werd er voor 2,1 miljoen euro via internetbankieren gefraudeerd. Vermeulen blijft echter de cijfers staan. Hij laat weten dat veel slachtoffers uit schaamte geen aangifte doen, waardoor de werkelijke omvang van internetfraude verborgen blijft.
Maar als ik kijk naar de moeite die cybercriminelen stoppen in het maken van malware (waaronder ransomware), hacken van servers, onderhouden van botnets,verzenden van spam en plegen van identiteitsfraude, dan zouden de geëxtrapoleerde getallen best wel eens te laag kunnen zijn.
Immers, vanwege commerciële redenen en/of schaamte, vegen veel getroffenen stof onder het tapijt.
1000 mensen ondervragen en daarmee zeggen dat je een onderzoek hebt gedaan naar 17 miljoen mensen is inderdaad veel te weinig. Je hebt met 0,006% van de bevolking nooit genoeg waarden om je "variance" eruit te halen. De kans dat deze resultaten te laag of te hoog uitvallen is daarmee voor mij behoorlijk hoog en dus ook niet betrouwbaar.
Maar als ik kijk naar de moeite die cybercriminelen stoppen in het maken van malware (waaronder ransomware), hacken van servers, onderhouden van botnets,verzenden van spam en plegen van identiteitsfraude, dan zouden de geëxtrapoleerde getallen best wel eens te laag kunnen zijn.
Immers, vanwege commerciële redenen en/of schaamte, vegen veel getroffenen stof onder het tapijt.
Verder vind ik het bij voorbaat al verdacht dat een onderzoeker onderzoeksresultaten moet verdedigen, daaruit maak ik op dat hijzelf ook zaken onder het tapijt probeert te schuiven.
Tot slot ben ik erg benieuwd naar de moverende redenen achter dit onderzoek, ik vermoed namelijk dat de fraudehelpdesk leeft van subsidies, en dan moet het maatschappelijk nut natuurlijk wel regelmatig worden benadrukt.
Wel vind ik het een goede reden om voortaan toch maar weer boodschappen te doen in de stad, in plaats van achter een schermpje.
1000 mensen ondervragen en daarmee zeggen dat je een onderzoek hebt gedaan naar 17 miljoen mensen is inderdaad veel te weinig. Je hebt met 0,006% van de bevolking nooit genoeg waarden om je "variance" eruit te halen. De kans dat deze resultaten te laag of te hoog uitvallen is daarmee voor mij behoorlijk hoog en dus ook niet betrouwbaar.
1000 mensen ondervragen en daarmee zeggen dat je een onderzoek hebt gedaan naar 17 miljoen mensen is inderdaad veel te weinig. Je hebt met 0,006% van de bevolking nooit genoeg waarden om je "variance" eruit te halen. De kans dat deze resultaten te laag of te hoog uitvallen is daarmee voor mij behoorlijk hoog en dus ook niet betrouwbaar.
Ga hier eens mee experimenteren: http://www.steekproefcalculator.com/steekproefcalculator.htm
Als je bijvoorbeeld voor 99% zeker wil zijn dat je er hooguit 4% naast zit dan moet je (bij een populatie van 17000000) 1037 willekeurig gekozen mensen ondervragen. Daar zit men heel dicht bij in de buurt.
En verander de populatiegrootte voor de grap eens van 17 miljoen naar 6 miljard. Je moet nog steeds 1037 mensen ondervragen voor dezelfde nauwkeurigheid, je moet ze alleen wel willekeurig uit die veel grotere populatie kiezen wil je resultaat ook werkelijk die betrouwbaarheid hebben. De fractie van de gehele populatie die ondervraagd is is aanzienlijk kleiner zonder dat het resultaat slechter is.
Als dat lijnrecht tegen je intuïtie ingaat het volgende. Als je van een container vol met gele en blauwe pingpongballetjes die goed door elkaar geschud zijn wilt schatten hoeveel procent geel is dan zal je na 1000 balletjes toch zelf ook wel het idee hebben dat je een redelijk nauwkeurig beeld hebt, of er nou 17 miljoen of 6 miljard balletjes in de container zitten Een voorwaarde is wel dat ze echt goed door elkaar gehusseld zijn zodat de groen/blauw-verhouding overal hetzelfde is en je geen noemenswaardig ander resultaat krijgt als je je hand via een andere opening in een ander deel van de container steekt om balletjes te trekken. Dat vertaalt zich bij steekproeven onder mensen in het echt willekeurig kiezen van mensen uit de hele populatie, en niet bijvoorbeeld alleen maar Amsterdammers, IT'ers, of mensen die bepaalde websites bezoeken. Als je dat goed doet dan gaat de vergelijking met de container op en dan kan je met ondervragen van een kleine fractie van de bevolking toch een goed resultaat krijgen.
Met zulke hoge bedragen,verdwijnt het schaamte gevoel.
Ik vind dit verhaal hoogst onbetrouwbaar,en ik geloof er geen barst van.
Ga hier eens mee experimenteren: http://www.steekproefcalculator.com/steekproefcalculator.htm
Als je bijvoorbeeld voor 99% zeker wil zijn dat je er hooguit 4% naast zit dan moet je (bij een populatie van 17000000) 1037 willekeurig gekozen mensen ondervragen. Daar zit men heel dicht bij in de buurt.
Dus om toe te passen op deze studie is er dus een 99% kans dat het echt antwoord tussen de 5% en 13% ligt. Dat is misschien een beetje onnauwkeurig om beleid op te bouwen maar voor een studie niet slecht, aangezien ze geen idee hadden van te voren. Voor hetzelfde geld was er 42%-50% uitgerold en dan zou een vervolg niet nodig zijn.
1000 mensen ondervragen en daarmee zeggen dat je een onderzoek hebt gedaan naar 17 miljoen mensen is inderdaad veel te weinig. Je hebt met 0,006% van de bevolking nooit genoeg waarden om je "variance" eruit te halen. De kans dat deze resultaten te laag of te hoog uitvallen is daarmee voor mij behoorlijk hoog en dus ook niet betrouwbaar.
Ga hier eens mee experimenteren: http://www.steekproefcalculator.com/steekproefcalculator.htm
Als je bijvoorbeeld voor 99% zeker wil zijn dat je er hooguit 4% naast zit dan moet je (bij een populatie van 17000000) 1037 willekeurig gekozen mensen ondervragen. Daar zit men heel dicht bij in de buurt.
En verander de populatiegrootte voor de grap eens van 17 miljoen naar 6 miljard. Je moet nog steeds 1037 mensen ondervragen voor dezelfde nauwkeurigheid, je moet ze alleen wel willekeurig uit die veel grotere populatie kiezen wil je resultaat ook werkelijk die betrouwbaarheid hebben. De fractie van de gehele populatie die ondervraagd is is aanzienlijk kleiner zonder dat het resultaat slechter is.
Als dat lijnrecht tegen je intuïtie ingaat het volgende. Als je van een container vol met gele en blauwe pingpongballetjes die goed door elkaar geschud zijn wilt schatten hoeveel procent geel is dan zal je na 1000 balletjes toch zelf ook wel het idee hebben dat je een redelijk nauwkeurig beeld hebt, of er nou 17 miljoen of 6 miljard balletjes in de container zitten Een voorwaarde is wel dat ze echt goed door elkaar gehusseld zijn zodat de groen/blauw-verhouding overal hetzelfde is en je geen noemenswaardig ander resultaat krijgt als je je hand via een andere opening in een ander deel van de container steekt om balletjes te trekken. Dat vertaalt zich bij steekproeven onder mensen in het echt willekeurig kiezen van mensen uit de hele populatie, en niet bijvoorbeeld alleen maar Amsterdammers, IT'ers, of mensen die bepaalde websites bezoeken. Als je dat goed doet dan gaat de vergelijking met de container op en dan kan je met ondervragen van een kleine fractie van de bevolking toch een goed resultaat krijgen.
Klopt helemaal wat je zegt. Maar zoals al eerder gezegd, worden dit soort onderzoeken gewoon rondgestuurd en gaan vaak alleen de mensen reageren die ermee te maken hebben gehad of die er iets vanaf weten etc. Dus ik kan me niet voorstellen dat die 1000 mensen helemaal random is.
1000 mensen ondervragen en daarmee zeggen dat je een onderzoek hebt gedaan naar 17 miljoen mensen is inderdaad veel te weinig. Je hebt met 0,006% van de bevolking nooit genoeg waarden om je "variance" eruit te halen. De kans dat deze resultaten te laag of te hoog uitvallen is daarmee voor mij behoorlijk hoog en dus ook niet betrouwbaar.
Deze posting is gelocked. Reageren is niet meer mogelijk.
Specialiseer je in Forensisch ICT
Online informatieavond 19 november
Wil jij je specialiseren in digitaal forensisch onderzoek? Je kennis verbreden en tech-nische vaardigheden ontwikkelen? Ontdek de cursus- en opleidingsmogelijkheden van Hogeschool Leiden:
- Bachelor Informatica Forensisch ICT (deeltijd)
- Master Digital Forensics (vol- en deeltijd)
- Module Mobile Forensics
- Module Data Analytics
Interesse? Meld je aan!
Chief Information Security Officer
Utrecht heeft jou nodig! Als Chief Information Security Officer speel jij een cruciale rol in de bescherming van de digitale informatie van de gemeente Utrecht. Als geen ander weet jij welke dreigingen er zijn en kun je deze vertalen naar risico's die de gemeente en haar inwoners lopen. Solliciteer nu!
Cybersecurity Trainer / Streamer
Toe aan een nieuwe nieuwe job waarmee je het verschil maakt? In de Certified Secure trainingen laat je deelnemers zien hoe actuele kwetsbaarheden structureel verholpen worden. Ook werk je actief mee aan de ontwikkeling van onze gamified security challenges. Bij het maken van challenges kom je telkens nieuwe technieken tegen, van Flutter tot GraphQL, van Elastic Search tot Kubernetes.
